简历体检官·18维矩阵评分

问题在哪

简历好不好，往往卡在两件事：一是没有可对照的评分维度（HR 和候选人说的是两套话），二是改简历时不知道从哪几条下手。通读全文让大模型「凭感觉」打分，既费 token，又容易在格式、字段齐全度上和规则文档反复拉扯。

怎么评、怎么改

本技能把满分 100 拆成 6 个模块 × 3 个质量维度（清晰度、完整度、重点突出度），共 18 个评分点；权重上工作经历 + 项目经历约占一半，和常见校招/社招简历重心一致。评分模型参考 Harvard 职业中心、Harvard 公共卫生学院 Resume Guide 及国内高校就业指导公开材料（详见技能内 references/）。

执行顺序刻意做 token 分工：

• scripts/score_resume.py：用字段检测、日期/版式规则、强动词与量化模式等，确定性评满 73 分，输出 JSON + HTML 报告骨架。
• LLM：只评剩余 27 分（表述逻辑、成果相关性、技术深度、含金量、岗位匹配等）；若解析可信度低（如双栏 PDF、script_ratio 过低、工作经历未识别），则走全量 18 点补评分支。

优化建议只针对得分低于该项满分 60% 的条目，按分值损失排序，最多 5 条，格式要求强动词 + 量化 + 具体成果；脚本命中的禁忌词会附带改写示例。可选提供目标岗位 JD，用于专业技能与经历相关性的匹配评分。

边界与注意

• 支持 PDF / Word / TXT / MD / 粘贴文本；图片简历需先 OCR 成文本，脚本不内置 OCR。
• 双栏版式、字体一致性等视觉要素在抽取后只能启发式处理，细节可在建议里由 LLM 补充说明。
• 模型偏通用求职简历；学术 CV、设计作品集等需结合领域自行调整权重理解。