沃弗候选人推荐报告制作
目标与边界
- 解决：将任意格式的候选人简历，生成一份与沃弗现有模板版式、配色、Logo、页脚完全一致的推荐报告（.docx），以「沃弗咨询 / 沃弗（大连）人力资源有限公司」名义交付客户企业。
- 最高约束（HARD RULE）：推荐报告的格式、颜色、Logo、页脚、页边距绝不重新设计。AI 只替换内容（候选人简历信息），版式 100% 来自母版
.docx。任何"美化/调整排版"的冲动都必须压制——改格式只通过替换assets/wolf-template.docx这一个母版文件来完成。 - 不负责：最终录用决策、薪资谈判、候选人简历优化；报告内容真实性由顾问对客户负责；AI 不替顾问做最终判断。
沃弗模板真实格式规格（AI 必须沿用，不得改动）
母版 assets/wolf-template.docx 是格式的唯一真相源。其真实规格（已对 4 份真实文档核对）：
- 页眉：1 张沃弗 Logo 图片（非文字）——必须保留。
- 页脚：居中
沃弗（大连）人力资源有限公司+ 页码（如1 / 2）——必须保留。 - 章节标题（个人信息 / 教育经历 / 猎头评估 / 职业概述 等）：微软雅黑 14pt、加粗、颜色 009051（绿）。
- 例外：
推荐理由标题在母版中为黑色加粗（非绿），保留即可，不要"修正"成绿。 - 正文：微软雅黑 10pt，颜色 181717（近黑）。
- 推荐理由关键词可用 蓝色 0000FF 强调（可选，内容相关）。
- 职业概述表：3 列（时间段｜公司｜职位），
Table Grid样式；行数随经历条数变化（2~9 行）。 - 页边距：左右 2.0cm、上 2.54cm、下 1.5cm。
- 章节顺序（内容结构，非格式）：个人信息 → 教育经历 → 猎头评估（推荐日期+薪酬福利） → 推荐理由 → 职业概述（概览表+逐段详情） → 项目经验（可选，部分候选人无） → 注（保密条款，固定文案）。
- 注：
个人信息标签行在母版中含白字隐形重复 run（如"姓姓名名："),这是母版自带的怪癖，原样保留，肉眼显示正常。 - 历史变体：早期版本曾采用"白字标题栏"旧版式；当前母版用绿标题，以绿标题母版为准。
2026-08-21 新增排版细则（用户明确指令，属授权改动，覆盖上述对应项）
以下 6 条是用户在本轮明确要求的具体排版动作，已由 scripts/fill_report.py 落地，渲染时自动执行，无需手动调格式：
- R-FONT：全篇（含母版既有段落、注入段落、所有表格单元格）字体统一为「微软雅黑」。
- R-SPACE：全文（正文 + 表格单元格）行间距固定 21 磅（EXACTLY）。
- R-TABLE：职业概述下方表格字号 10；列宽按比例（时间段 0.22 / 公司 0.46 / 职位 0.32），尽量每段经历一行。
- R-EDU：教育经历「年份 / 学校 / 专业 / 学历」4 部分同行平均分散——渲染为 4 列等宽无边框表。
- R-PERIOD：每一条正文（推荐理由、工作职责/业绩等叙事内容）以「。」结尾；章节标题、角色标题行、表格数据单元格不强制。
- R-NUM：工作职责/业绩分条编号——一级
1、2、3、；二级一、1、2、二、1、2、；三级及以上按原文序号呈现。内容模型blocks支持lines（扁平→一级）或items（结构化→二级/三级）。
输入契约
- 必需输入：候选人简历材料（文件或文本，任意格式）
- 建议输入（缺失时降级，不阻塞）：
1. 候选人与顾问的沟通记录（求职动机/离职原因/期望薪资/到岗时间）→ 缺则薪资/风险部分标「待核实」
2. 客户名称、目标职位（用于文件名）→ 缺则文件名省略对应段
3. 客户职位 JD → 缺则推荐理由不强制逐条对应 JD
执行步骤
- 格式识别与简历归一化（仅用于起草内容，不影响最终格式）
接收材料后判定格式并解析，统一产出「候选人简历」结构化内容（基本信息、每段经历、项目、业绩）。解析路径：
| 输入格式 | 解析路径 | 注意事项 |
|---|---|---|
| PDF（文本型） | markdown-converter（markitdown） | 多栏/表格可能丢排版，需人工核对 |
| PDF（扫描型）/ 图片/手机拍照 | 图像读取（OCR/多模态） | 回显姓名与数字供核对，错漏率高 |
| Word（docx/doc） | markdown-converter 解析 | — |
| 网页/微信纯文本 | 直接整理为结构化文本 | 去除无用前缀 |
| Excel/飞书表格简历 | sheetagent / markdown-converter | 保留行列 |
- 强制核对：解析后回显姓名、公司、职位、时间段、关键数字；OCR 类必须标注「OCR 结果，请核对」。
-
按沃弗模板章节起草内容（内容质量规则，沿用 recruiter-recommendation-report）：
-RULE-02：职业概述按时间线分段，突出相关项目与量化成就，不复制简历原文。
-RULE-03：推荐理由仅用可验证事实（项目成果、业绩数字）支撑；无量化则「职责+行为评价」并标「定性判断」。有 JD 时推荐理由逐条回应 JD 要求。
-RULE-05：候选人有重大风险（影响录用）时如实披露并给应对建议；小问题不主动写。 -
渲染（格式零改动的关键步骤）
- 以母版assets/wolf-template.docx为基底，只注入内容，Logo/页脚/配色/字体/页边距原封不动。
- 运行scripts/fill_report.py：
python scripts/fill_report.py <母版.docx> <内容.json> <输出.docx>
- 该脚本从母版读取全部格式，按内容模型替换/重建正文（个人信息值、教育、猎头评估、推荐理由、职业概述表+详情、可选项目经验、注中姓名），并自动处理：① 白字隐形 run（保留标签）② 变长职业概述表 ③ 可选的「项目经验」章节插入 ④ 全局姓名替换（覆盖个人信息值与《注》）⑤ 全文字体统一微软雅黑 ⑥ 全文行距固定 21 磅 ⑦ 教育经历 4 列等宽分散 ⑧ 职业概述表字号 10 ⑨ 正文以「。」收尾 ⑩ 工作职责/业绩分级编号（1、 / 一、1、2、 / 原文保留）。 -
落盘与命名
- 默认输出到用户桌面~/Desktop（见 config）。
- 文件名：YYYYMMDD[客户名称]-[职位]-[姓名]-沃弗咨询.docx。日期为当日；客户名称、职位仅用户提供时才包含，未提供则省略该段；姓名自动提取。示例：20260821客户名称-职位-姓名-沃弗咨询.docx。 -
发送报告后：补全命名 + 输出核实提醒（顾问 SOP）
- 依次询问顾问：发出 Word 后，按顺序提问 ① 客户名称？② 职位名称？拿到后按规则重命名（未提供则维持默认名YYYYMMDD-姓名-沃弗咨询.docx）。
- 输出「需核实清单」：提醒顾问向候选人/渠道核实：- 工作经历断档 ≥ 3 个月（逐段比对相邻经历起止月，列空窗区间与时长）；
- 学业就读时间与工作时间重合（尤其全日制学历 vs 在职就读）；
- 职业晋升断档 / 不合规律（职级倒挂、研发→注册→研发 职能回跳、短期连降等）；
- 其他：年龄/出生年自洽、手机/邮箱一致性（邮箱疑似拼写错误）、任职时长 sanity（<6 月短任 / >15 年超长任）、专利数量与排名一致、薪酬"待核实"是否补齐。
- 用时间线算法自动计算断档与重叠，产出结构化清单供顾问确认。
质量、失败与回退
- 合格标准：版式/Logo/页脚与母版一致（未重新设计）；六部分+可选项目经验齐全；优势有事实支撑；重大风险已披露；候选人姓名在个人信息与《注》中一致；《注》保密条款完整；Word 可正常打开。
- 常见错误：擅自改格式/配色/字体（最大禁忌）；简历原文粘贴；优势无证据；隐瞒重大风险；OCR 姓名/数字错漏未核对；漏掉《注》条款或漏改《注》中姓名。
- 失败模式：输入缺失；OCR 失败；渲染脚本异常。
- 回退策略：渲染失败时，输出结构化内容 JSON + 说明，由顾问手动打开母版填入；绝不可用从空白重画的 docx 冒充。
输出契约
- 输出：Word(.docx)（格式=母版）+ 中间内容 JSON；默认落盘用户桌面。
- 回传：
rules_fired（命中规则 ID）与uncertainties（如「待核实」项）。 - 使用者：沃弗顾问 → 客户企业 HR/用人部门。
- 验收：顾问人工复核内容准确性与《注》姓名一致性后，以沃弗名义发出。
人工审批
- 暂停条件：报告以沃弗名义发出客户之前。
- 审批点：顾问必须复核①内容事实 ②《注》中候选人姓名是否全局一致 ③风险披露 ④OCR 字段 ⑤文件名。
- 责任人：猎头顾问本人；AI 仅生成初稿，不承担对客户的事实责任。
自学习机制（Self-Learning）
> 在不触碰「格式零改动」硬约束的前提下，让 Skill 跨会话积累顾问的修正与偏好，越用越准。自学习只改内容与命名层的偏好，绝不写入或修改 assets/wolf-template.docx 的格式 / 配色 / Logo / 页脚。
存储位置（均在 skill 目录内 learning/）
learning/learning_log.md：可读累积日志（人类审阅，AI 写入）。learning/learning_log.json：同内容的结构化版本（脚本写入，便于检索）。learning/client_index.json：客户 / 职位索引，跨会话复用命名与偏好。
循环三步骤
- 读（每次生成前，Step 0）：运行
python scripts/learn.py summary，或读取learning/learning_log.json，把已沉淀的偏好 / 客户约定应用到本次起草（如默认命名规则、内容倾向、需额外核对的项）。 - 写（顾问反馈 / 修正时）：
- 当顾问纠正报告（格式外的任何点：事实、措辞、命名、风险口径、核实清单增补），或主动说「下次这样」时，立即：
python scripts/learn.py record --type correction --summary "..." [--client 客户名] [--action "..."]
- 当「补全命名 SOP」确认了新客户 / 职位，写入索引：
python scripts/learn.py record --type client --client "客户名" --summary "标准命名/偏好" [--action "..."] - 校准（周期性、需顾问复核）：某条 correction 同类型重复出现 ≥ 2 次，或影响重大 → 将其提升（promote）为
references/domain-rules.md的正式规则WOLF-LEARN-NN（NN≥10），从「日志」升级为「常驻规则」。未复核不提升，避免噪声污染规则文件。
自学习写入规范
- 每条记录包含：日期、type（
correction/preference/client/gotcha）、summary、action、client（如有）、linked_rule（提升后填）。 - 日志只增不删；纠正类记录保留原始表述，便于回溯。
- 格式禁区：任何 learning 动作都不得改母版格式；如需改版式，仍只替换
assets/wolf-template.docx。
参考与资源
- 母版（格式唯一真相源）：
assets/wolf-template.docx - 格式保留渲染脚本：
scripts/fill_report.py - 内容结构说明（仅内容，非格式）：
assets/report-template.md - 沃弗规则、格式规格与 gotchas：
references/domain-rules.md - 示例（仅含虚构演示样例，不含任何真实候选人/客户/职位数据）：
examples/ - 可调参数：
config/config.example.json
