星辰集團AI人才篩選中心的主控室裡，全息投影正將全球786萬份簡歷拆解成資料流。主螢幕中央，“星篩系統”的Logo閃爍著冷光——這是林墨親自敲定的人工智慧篩選機制核心，從星塵級到星主級的21級職業體系，每個層級的人才缺口都由它精準填補，而其篩選邏輯，遠比“學歷”“經驗”這些傳統標籤更鋒利。
星篩系統的第一道關卡，是對“顯性資訊”的降維打擊。當一份標註著“常青藤博士”“十年航天經驗”的簡歷進入系統，會在0.3秒內被拆解成127個資料點：GPA成績背後的課程難度係數、工作經歷中“主導專案”的實際貢獻佔比、甚至社交媒體上與航天領域相關的發言頻率。
“淘汰編號A”系統的電子音在篩選中心響起，螢幕上一份麻省理工博士的簡歷被標紅，“近三年發表論文的引用量中，70%來自作者自引，實際技術轉化率低於行業均值41%。”
旁邊的人類助理看著這份曾被獵頭瘋搶的簡歷，忍不住咋舌——這位博士的論文標題裡全是“量子通訊”“星際導航”等熱詞，卻被系統扒出“實驗室資料未復現率高達68%”。
對“隱效能力”的挖掘更顯殘酷。系統會抓取候選人在開源社群的程式碼提交記錄，分析其程式設計風格是否適配星辰的AI協作框架；調取線上課程的學習軌跡，判斷是“功利性刷證”還是“系統性深耕”；甚至透過模擬測試，評估其在突發故障中的決策模式——曾有位履歷完美的工程師，因在模擬“星艦維生系統崩潰”時優先儲存個人研究資料，被直接歸為“風險型人格”，連星塵級的面試資格都沒拿到。
“我們不要‘鍍金者’，要‘挖礦人’。”星篩系統的開發者之一、L11星宸工周明在培訓時強調，“在月球基地維修裝置，不會有人看你的畢業證，只會看你能不能在零下200度裡，用一根電線臨時修復感測器。”
二、復篩：用“場景陷阱”撕開偽裝
透過初篩的候選人，會進入星篩系統的“場景試煉”階段——這不是傳統筆試，而是200個模擬太空場景的沉浸式考核，每個場景都對應著星辰職業體系中的真實困境。
給星塵級候選人的場景裡，有“氦-3儲罐壓力異常時，是先上報還是先手動洩壓”的抉擇；給星曜級的題目，則涉及“躍遷引擎校準偏差0.1度，是否冒險啟動”的技術博弈。系統會實時捕捉候選人的瞳孔變化、滑鼠點選頻率、甚至回答時的語氣波動（若選擇語音輸入），以此判斷“技術能力”之外的“抗壓閾值”和“責任權重”。
一位來自歐洲航天局的工程師，在星曜級試煉中表現完美——所有技術引數計算零誤差，但系統在最後一個場景給了他“附加題”：模擬礦區突發隕石雨，是優先保護裝置還是先撤離工人？他花了17秒才做出選擇，最終被判定“風險評估能力不達標”。
“在太空，17秒可能意味著三條人命。”周明調出系統分析報告，“他的技術分是98，但‘人文權重分’只有52——我們的星曜級要修引擎，更要懂人命比引擎貴。”
對星穹級以上的候選人，試煉會升級為“資源博弈”。系統模擬“月球基地能源短缺”的場景，讓候選人分配僅剩的30%能源：是優先供給科研艙維持實驗，還是分給生活區保障人員生存？曾有位履歷輝煌的投行高管，因選擇“犧牲3名維修工保實驗資料”，被系統直接標記為“不符合星辰價值觀”。
“星穹級是統籌者，不是計算器。”林墨在系統開發時定下這條鐵律，“太空資源再緊張，‘人’永遠是第一優先順序。”
三、終篩：AI讀不懂的“星辰因子”
經過前兩關的篩選，剩下的候選人已不足初始量的0.3%，他們將進入“人機協同終篩”——星篩系統提供資料畫像，而由L12星宸師以上人員組成的評審團，負責捕捉AI讀不懂的“星辰因子”。
一位叫阿杰的候選人，初篩和復篩成績都只是中游——他學歷普通（國內二本），經驗有限（僅在民營航天公司做過3年運維），但系統在他的“異常資料”裡標紅了一條：連續18個月，每週三晚上都會登入星辰的開源社群，無償修復初級開發者提交的程式碼漏洞，累計最佳化了200多個程式模組。
“他的技術分72，但‘利他性’指標是99。”評審團裡的L12星宸師指著這條資料，“星塵級需要的不是天才，是能在枯燥的氦-3提純崗位上，願意幫同事排查故障的人。”阿杰最終被破格錄用，現在是月球基地L3星塵師，負責帶領新人團隊。
更極端的案例發生在星曜級終篩。候選人陳雨的技術試煉成績全優，卻在“價值觀測試”中被系統預警——她在模擬“發現未知礦脈”時，第一反應是“隱瞞資料，為個人爭取晉升資本”。評審團反覆觀看她的答題錄影，發現她在做出選擇時，手指有0.5秒的遲疑，瞳孔微縮。
“這0.5秒的遲疑，是AI忽略的‘良知波動’。”林墨親自參與了這場評審，“太空環境放大人性，有野心不可怕，但不能沒有底線。”最終，陳雨被安排進入“技術倫理培訓營”，三個月後透過二次考核，成為星曜級團隊裡最注重“資料透明”的工程師。
四、動態校準：讓“螺絲釘”找到自己的軌道
星篩系統最可怕的不是篩選精度，而是“動態追蹤”機制。每位被錄用的員工，工牌裡都嵌著微型感測器，實時回傳其工作狀態：星塵級的操作誤差率、星曜級的技術創新量、星穹級的專案協調效率……這些資料會持續最佳化其“職業畫像”，決定是否晉級或調整崗位。
曾有位L5星曜工，因在“青龍機甲關節校準”中展現出驚人的空間感知力，被系統自動推薦至“星艦駕駛艙設計組”——她原本是學機械的，從未接觸過航天設計，卻在新崗位上主導最佳化了玄鳳號的操控系統，半年內晉升L6星曜師。
“傳統招聘是‘給崗位找人’，我們是‘給人找軌道’。”周明解釋，“就像宇宙裡的星，有的適合做恆星，有的適合做行星，AI要做的就是找到每個人的‘引力平衡點’。”
這種機制甚至能“糾錯”。一位被星篩系統判定為“星穹級潛力”的員工，因連續三次專案協調失誤，被系統降級至星曜級歷練。一年後，當他重新申請星穹級考核時，系統在其“失敗覆盤報告”中發現了37處“跨部門協作改進建議”，這些建議後來被納入集團的《專案管理手冊》。
“錯誤不可怕，怕的是在同一個軌道上反覆撞牆。”林墨在內部信中寫道，“星篩系統不是篩掉‘失敗者’，是幫他們找到‘不失敗的軌道’。”
五、爭議與答案：當AI篩選“人性”
星篩系統的爭議從未停過。有人批判“用演算法定義人才，是技術霸權”；有人擔心“AI會篩選出‘聽話的工具人’，扼殺創造力”。但星辰的員工流失率始終低於行業均值60%，星曜級以上人員的技術創新量，是傳統航天公司的3.2倍。
在篩選中心的牆上，掛著林墨寫的一句話：“最好的篩選，是讓每個普通人都能在星辰裡，找到自己的亮度。”
主控室裡，星篩系統正處理著最新一批簡歷，螢幕上閃過無數個名字和資料——它們中，有的會成為月球基地的維修工，有的會設計下一代星艦引擎，有的或許能在未來坐上“星主級”的位置。
而系統的底層程式碼裡，藏著林墨親自新增的一行註釋：“所有演算法之上，永遠留一個‘人’的變數。”這或許就是答案：AI可以計算資料、模擬場景、最佳化路徑，但最終決定“誰能走向星辰”的，始終是人類對“更好”的嚮往——這種嚮往，比任何演算法都更接近宇宙的本質。