技能介绍

解决的问题

简历初筛常被主观印象带偏：同样写“负责 K8s 运维”，有人只是使用工具，有人主导架构；同样写“提升性能”，有人给出延迟、成本、QPS，有人只剩套话。AI-Resume-Judge 把这种判断拆成可复核的评分维度，先从文本证据判断简历是否达到“信息完整、成就量化、技术有层次、经历有深度”的基准线。

评分流程与边界

技能接收 Markdown 文本或文件路径，先做 AI 领域检测：命中 LLM、RAG、Agent、PyTorch 等强关键词，或较多弱关键词时按 AI 简历体系评分；非 AI 简历会识别行业并用等价系数换算，例如 DevOps 系数 0.72。
评分按 100 分制拆解：

基本信息完整性（15 分）：邮箱、手机、GitHub、LinkedIn、所在地等。
成就量化程度（25 分）：数字、百分比、业务影响、成本/收益。
技术深度与广度（20 分）：技术栈、LLM/Agent/RAG 等前沿能力、熟练度分层。
工作经历质量（20 分）：公司背书、主导/参与、成长轨迹。
教育背景、个人品牌/影响力、表达能力：合计 20 分。

关键扣分规则会惩罚“参与、配合、协助”等模糊动词、无量化数字、技能平铺、自我评价套话。最终输出结构化 Markdown 报告，也可使用 report_template.html 生成可视化报告。注意：它适合做文本层面的初筛和改写建议，不代表实际面试表现；跨行业换算依赖行业系数，非技术岗或高度规范岗位的解释要更谨慎。