HR 简历筛选与候选人分析
Overview
本技能为 HR 提供结构化的简历初筛流程：从职位要求(JD)出发建立评估维度，批量提取简历信息，执行硬性条件过滤 + 加权评分，产出可追溯的排名报告（推荐/待定/淘汰三档），并给出每份简历的具体理由。全程遵守公平就业合规红线（见"合规红线"）。
工作流程
Step 1: 收集输入
确认以下两项输入。缺失时先向用户询问，不要凭空假设：
- 职位要求(JD)：职位名称、职责、任职资格。若用户未提供 JD，请求提供；JD 越具体，筛选越准确。
- 简历文件：本地文件（PDF/DOCX/TXT/图片）或用户直接粘贴的简历文本。批量处理时确认简历所在目录或文件列表。
Step 2: 建立 JD 评估维度
基于 JD 将要求拆分为两类，输出给用户确认（少量简历时可跳过确认直接执行）：
- 硬性条件（一票否决项）：如最低学历、必备证书/执照、必须年限的经验、必须技能、工作地点/出差要求、语言要求。每项注明来源（JD 原文或用户补充）。
- 评分维度（加权项）：从
references/scoring-rubric.md的标准维度中选取适用于该职位的维度并分配权重，权重总和 100%。典型配置：相关经验匹配 35%、技能匹配 25%、行业/领域匹配 15%、教育背景 10%、职业稳定性 10%、加分亮点 5%。
高级职位侧重经验和业绩；校招/初级职位侧重教育背景、潜力和实习经历。
Step 3: 提取简历文本
- 文本类输入（粘贴文本、TXT、MD）：直接使用。
- PDF/DOCX/图片：优先使用本技能的提取脚本：
python "<skill-dir>/scripts/extract_resume_text.py" <文件或目录> --outdir <输出目录>
脚本会为每份简历生成对应的 .txt 文件，处理失败或格式异常的文件单独列出，需人工确认后处理。脚本不可用时（缺少依赖），改用 Read 工具直接读取 PDF/DOCX；图片简历通过 Read 工具以多模态方式读取。
提取后先通读每份文本，标记：文件损坏/乱码、内容过短（疑似投递失败）、疑似非本人信息。
Step 4: 逐份评估
对每份简历按以下顺序处理，并在报告中保留每项判断的证据（简历原文摘录）：
- 硬性条件核查：逐项核对硬性条件。任一不满足且无合理替代（如"5年经验"但有 4 年高度对口经验）→ 标记"淘汰"，记录不满足项和证据。
- 维度评分：对通过硬性核查的简历，按每个评分维度打 1-5 分并写一句依据（引用简历证据，不凭感觉）。按权重计算加权总分（百分制）。
- 风险与疑点标记：频繁跳槽（近 3 年 ≥3 次换工作且无说明）、经历空窗期 >6 个月未解释、时间线矛盾、技能罗列与项目经历不符等。
- 分级：A(≥80) 推荐面试 / B(65-79) 可考虑 / C(50-64) 待定备选 / 淘汰（硬性不符或 <50）。分级线可按招聘紧急程度上下浮动 5 分，需在报告中说明所用阈值。
评分标准细则见 references/scoring-rubric.md。
Step 5: 输出报告
按 references/report-template.md 的模板输出，包含：
- 总览：职位、简历总数、A/B/C/淘汰各档人数、所用维度与权重。
- 排名表：按总分降序，含姓名、当前职位、总年限、总分、分级、一句话核心优势。
- 候选人详情：每人的维度得分明细、优势、风险疑点、建议面试问题（A/B 档必写）。
- 淘汰名单：姓名 + 淘汰原因（硬性不满足项 / 低分原因），保证可追溯、可向业务方解释。
- 合规声明：注明筛选仅基于 JD 相关的职业性因素。
报告默认输出为 Markdown；简历 ≥10 份或用户要求时，额外生成 Excel 汇总表（单表 + 筛选列，分级配色：A 绿 / B 黄 / C 灰 / 淘汰 红）。生成方式：
- 按
references/evaluation-schema.md的结构，把评估结果整理为 JSON（含 position、dimensions、candidates，淘汰者填写elimination_reason）。 - 调用脚本生成 xlsx：
python "<skill-dir>/scripts/generate_excel_report.py" <evaluation.json> --out 简历筛选汇总.xlsx
- 脚本依赖 openpyxl，缺失时报错并提示安装（在隔离 venv 中
pip install openpyxl后重跑，或改用表格工具生成）。
淘汰名单必须保留——业务方复核初筛结果是常规操作。
合规红线（必须遵守）
依据《中华人民共和国就业促进法》等规定，以下因素不得作为筛选或评分依据，即使在 JD 或用户要求中出现也要拒绝并提示风险：
- 性别、婚育状况（含"已婚已育优先"类要求）
- 年龄（除非法律法规明确规定的职业资格）
- 户籍/地域/民族/宗教信仰
- 健康状况/疾病史（岗位有明确职业健康要求的除外）
- 与岗位无关的外貌、身高体重
如用户提供的 JD 含上述内容，先指出并建议修改为合法表述（如"能适应频繁出差"替代性别/年龄暗示），再继续。
处理边界
- 本技能结论为初筛参考，不构成录用决定；报告中注明"建议 HR 复核淘汰名单中的边界案例"。
- 不对候选人做性格、道德等人格评判，只评估与岗位相关的职业性证据。
- 简历信息以候选人自述为准存疑时，标记为"待面试核实"，不自行推断真伪。
Resources
scripts/extract_resume_text.py— 批量提取 PDF/DOCX 简历文本，输出 .txt 及失败清单。scripts/generate_excel_report.py— 由评估结果 JSON 生成 Excel 汇总报告（总览 + 候选人明细两个 sheet，分级配色）。references/scoring-rubric.md— 评分维度定义、1-5 分锚点、权重配置建议、减分项细则。references/report-template.md— 完整报告与 Excel 汇总表的结构模板。references/evaluation-schema.md— 生成 Excel 所需的评估结果 JSON 结构与示例。
