HRSkillHub 标志HRSkillHub你的 AI × HR 资源库
首页Skill简历筛选与评估 Skill
本站维护Skill / 招聘

简历筛选与评估 Skill

先基于公司介绍和 JD 生成岗位筛选标准，再评估单份或批量简历。

v0.1.1 · 包版本
来源与访问方式分别说明。

这个能力包解决什么

先基于公司介绍和 JD 生成岗位筛选标准，再评估单份或批量简历。

问题：招聘筛选常常标准漂移，业务和 HR 判断不一致，批量候选人难以横向比较。

输入、步骤与输出

适合谁
招聘负责人、HRBP、猎头顾问、用人经理
输入
公司介绍、JD、岗位筛选标准、单份或多份脱敏简历。
步骤
先 /setup 岗位配置，再 /evaluate 单份评估，批量场景使用 /batch 输出汇总。
输出
候选人匹配度、硬性门槛、风险信号、面试追问、横向对比表。

已知限制与验证说明

本轮修正合成报告与导出脚本：缺失证据保留待核实，移除未出现在岗位要求中的条件。AI 合成演练与固定数据脚本导出分别核验；不是实际招聘判断。

使用边界

不替代面试和录用决策；候选人资料必须脱敏，年龄、性别、婚育等敏感因素不能作为不当筛选依据。

文件与版本

包版本
0.1.1
作者与来源
包内 SKILL.md 的 author 为 WuKong；原始公开地址及转载范围尚待核对。
源文件数量
15 个
内容组成
  • 入口/说明 3 个
  • 样例/历史记录 9 个
  • 脚本 3 个
查看完整源文件清单（15 个）
  • resume-screener/examples/first-run-output.md
  • resume-screener/FIRST_RUN.md
  • resume-screener/output/候选人汇总表.xlsx
  • resume-screener/output/张伟_评估报告.md
  • resume-screener/output/李想_评估报告.md
  • resume-screener/README.md
  • resume-screener/scripts/generate_summary.py
  • resume-screener/scripts/run_batch_simulation.py
  • resume-screener/scripts/update_config.py
  • resume-screener/SKILL.md
  • resume-screener/tmp/job_config.json
  • resume-screener/tmp/mock_company_intro.md
  • resume-screener/tmp/mock_jd.md
  • resume-screener/tmp/mock_resume_li_xiang.md
  • resume-screener/tmp/mock_resume_zhang_wei.md

下载包另含交付说明与水印文件，数量以包内清单为准。作者与许可保留在原文件中。

使用环境与准备

第一次使用：查看完整操作步骤 →

环境
支持读取 SKILL.md、关联资料及本地文件的 AI 工作台；各工作台的导入方式需按其说明确认。
前提
  • 准备获授权的资料；首次先用虚拟或脱敏输入。
  • 确认 AI 能读到整个包目录及入口引用的参考文件。
依赖
  • AI 评估需能读取 SKILL.md 与 Markdown 材料；PDF/Word 另需宿主解析能力，本包未附独立解析器。
  • Excel 导出与配置脚本需要 Python 3、pandas 和 openpyxl；本轮离线运行环境为 Python 3.12.13。

第一次，按这几步做

  1. 先读 FIRST_RUN.md，向 AI 完整提供 SKILL.md、tmp/mock_company_intro.md、tmp/mock_jd.md 和两份 mock_resume_*.md。
  2. 用 FIRST_RUN.md 的请求做一次不评分演练：只核当前 JD、原文证据、待核实条件和面试追问；/setup、/evaluate 是对 AI 的请求，不是终端命令。
  3. 在 resume-screener 目录运行 python3 scripts/run_batch_simulation.py --out output/模拟汇总表.xlsx，实际打开表格核对两行。83 / 40.5 只是固定测试元数据的算术结果，不是模型对候选人的评分。

示例与验证范围

示例性质
本轮合成输入；AI 按指令生成证据报告，另有本机离线 Excel 导出。两类验证分别记录。
输入位置
tmp/mock_company_intro.md、tmp/mock_jd.md、tmp/mock_resume_li_xiang.md、tmp/mock_resume_zhang_wei.md
输出位置
examples/first-run-output.md；Excel 按 FIRST_RUN.md 命令生成
说明
下方免费预览为本轮 AI 合成报告，不是实际招聘。离线导出用固定元数据测算 83 / 40.5，未解析简历、调用模型或验证能力；无评分锚点时保持未评分和等级未定义。
运行验证
既有离线导出与失败用例已通过；本机 Codex 命令行项目明确指定包路径后，生成并回读两份不评分的合成证据报告。
核验说明
本次李想负责人资格保留待核实，张伟4年低于5年只记录差距，不自动淘汰；未新增门槛。先误读项目根tmp后改读包内tmp成功。产物写入与回读通过，但宿主到测试设定的180秒上限被停止，未正常结束；未重跑。本次未重复Excel导出。自动发现未独立证明；PDF/Word、Windows、其他工作台、真实招聘及具名HR验收未验证。

先看一次合成试做

本轮合成输入；AI 按指令生成证据报告，另有本机离线 Excel 导出。两类验证分别记录。

# 合成简历首次演练输出 生成日期：2026-10-04。性质：AI 按本包指令执行的合成演练；不是模型自动化脚本评分、真实招聘或宿主安装实测。材料快照截止 2024-07-01。 ## 当前岗位标准 来源为 tmp/mock_jd.md 的“任职要求”：5 年以上产品经验、至少 2 年 B 端 SaaS 产品负责人经验、AI 技术对话、逻辑/文档/PRD/原型能力。工业互联网与从 0 到 1 是加分项。当前 JD 没有英语、加班、跳槽频次门槛。 评分维度、行为锚点及等级阈值未获确认，下面均为未评分、等级未定义。简历业绩为候选人合成自述，不是已验证结果。 ## 合成候选人李想 | 岗位项 | 当前证据 | 状态与追问 | |---|---|---| | 5 年产品经验 | 简历“个人信息”自述 6 年；列出 2018.07—2024.07 产品相关经历 | 年限有自述支持；具体任职和责任需核实 | | 2 年 B 端 SaaS 产品负责人经验 | “2022.03—2024.07”写负责智能客服 SaaS 平台规划、带领 5 人小组 | 期间约 2 年 4 个月，负责人权限和是否全过程负责仍待核实；hard_req_met 为 null | | AI 协作 | 同一工作段自述 LLM 引入、架构迁移和准确率提升 40% | 询问指标分母、测试集、算法限制、本人决策和验收材料；不能由此直接证明技术深度 | | PRD/原型 | 技能清单列 Axure、XMind；未附 PRD 或作品 | 待核实；提供已获准脱敏的文档和原型片段 | | 工业互联网加分项 | 未列直接经历 | 待核实，不作为硬性淘汰条件 | 面试追问：请说明 SaaS 产品负责人的决策范围和时间；选择一次 LLM 能力边界导致产品调整的案例；说明一份 PRD 如何转成验收标准。加班自述不参与能力或文化评分。 ## 合成候选人张伟 | 岗位项 | 当前证据 | 状态与追问 | |---|---|---| | 5 年产品经验 | 简历“个人信息”自述 4 年；样例快照截至 2024-07-01 | 按当前自述未达到门槛；是否有未列经历、年限口径及该门槛是否允许例外由人确认 | | 2 年 B 端 SaaS 产品负责人经验 | 列出 C 端活动页面、积分体系和需求收集，未列 B 端负责人经历 | 待核实；没写不等于没有 | | AI 协作 | 当前材料未给出算法协作案例 | 待核实；不自动判为技术能力不足 | | PRD/原型 | 技能清单列 Axure、Sketch、Visio，工作经历写需求文档 | 熟练程度、文档质量和独立责任待核实 | 面试追问：请确认截止日期与产品经验年限；是否有未列 B 端 SaaS 经历；选择一个跨团队需求说明本人责任、约束、交付物与验证方法。换工作次数不作为稳定性或淘汰判断。 ## 人的下一步 复核 JD 门槛、筛选口径和候选人补证。以上没有给出录用、淘汰或排序决定；本次不要求上传真实个人材料。

人工检查点

  • 初筛标准和行为锚点先由 HR 与用人经理确认；当前合成 AI 演练不评分。
  • 逐项回对 JD 和简历原文；不新增英语、加班、空窗或跳槽频次门槛。
  • Excel 中 null 门槛必须显示“待核实”；未评分不能变成 0 分或不达标。
  • 固定算术分数仅验证导出，不是岗位匹配度、候选人能力或录用依据。
  • 真实人事决定由有权限的负责人复核。

遇到问题，先这样查

  • 无法读取 PDF/Word：先确认宿主解析能力，或先用 tmp 中 Markdown 合成材料。
  • 找不到文件：保留完整目录和相对路径；安装或上传成功仍须检查 AI 是否读到了正文。
  • 配置更新失败：update_config.py 接收 JSON 对象；权重需为有限非负数且合计 100，失败时原配置应保留。
  • 找不到 XLSX：检查终端提示和输出路径；文本回复不等于已生成文件。

环境费用与资料边界

  • 会员费对应本站会员权益；AI 工作台、模型调用、Office 或问卷平台等第三方费用由对应服务决定。
  • 说明按当前包核对；三重点包另有本机 Codex 命令行项目的合成任务记录，完成与中止范围逐项列明。桌面交互导入、自动发现、Windows、其他工作台和真实使用者尚未逐一验证。
  • 第一次试跑使用虚拟或脱敏材料。不要上传未获授权的简历、薪酬、绩效或公司机密；发送给模型的内容按你所选工作台和模型服务的规则处理。

使用后的反馈

联网后将读取已验证点评。
写一条点评 →点评提交后需审核；只有真实下载后的反馈才能提交。