一句话看懂：少数派作者程天冲记录了自己在2026年6月被裁后重新求职的全过程，其中公司用”人力成本与 token 成本”模型决定裁员名单、招聘平台用算法批量推荐岗位、AI 机器人直接打电话投简历等细节，折射出 AI 正同时重塑裁员决策和求职流程两端。
事件核心：发生了什么
据少数派 Matrix 精选文章，作者所在公司在2026年6月开始大规模裁员，其团队裁员比例超过40%，部分团队约10%。裁员采用”倒序名单”：团队 leader 把成员排序后上交，由公司一个以人力成本和 token 成本为计算的”专业团队”算出各团队的减员平衡点，leader 事后才知道确切范围。流程极快——周一上午收到名单，下午 HR 沟通签字，下班时账号删除、软件强制登出，四小时内完结。此后作者重启求职，用 AI 完成”口述经历—提炼总结—对照 JD 定稿”三步写简历，并密集接触了50多个猎头，遭遇充数型、颐指气使型、模拟面试型等多种类型，也遇到少数高效靠谱者。
为什么重要
这篇文章的价值不在求职技巧，而在于它提供了一个一线样本：AI 已经嵌入企业的人力决策和招聘分发环节。裁员端，token 成本被当作与人力成本并列的变量纳入优化模型，意味着部分岗位的存废开始与”用 AI 替代是否更划算”直接挂钩；招聘端，平台的算法推荐、AI 电话外呼、系统自动投递正在替代人工初筛。目前公开信息显示，这类做法尚无统一标准，AI 推荐的岗位匹配度和投递优先级也普遍偏低，HR 仍更依赖主动搜索。这说明 AI 在职场中的角色目前更多是”降本工具”和”流量分发器”，而非可靠的匹配引擎。
对用户/开发者/创作者的影响
对求职者，AI 写简历是当下性价比较高的用法，但应把分析和写作拆开、逐步确认，避免全流程托管导致文不对题；对开发者，这类真实案例可作为 AI 招聘、简历解析、面试辅助类产品的需求参考，核心痛点仍是匹配精准度与可信度；对企业采购方，把 token 成本纳入人力模型意味着 AI 应用需要拿出可量化的替代收益，而不只是效率演示。创作者内容方面，AI 生成简历、AI 外呼话术等素材也提示内容平台可能面临同质化信息增多的问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是招聘平台是否会公开算法推荐的匹配标准或改进 AI 外呼的合规边界；二是企业把 token 成本纳入裁员模型是否会成为普遍做法，以及由此产生的劳动合规争议；三是 AI 简历优化、猎头筛选类工具能否解决匹配度低这一核心问题。以上均为观察点，目前尚无明确结论。
来源：sspai
