智能简历同步飞书多维表

要解决什么问题

HR 或招聘同学手里常见一堆格式不一的简历：本地 PDF、Word、扫描图，还有候选人发来的飞书文档链接。手工抄进飞书多维表格既慢，字段也不统一——手机号漏了、工作年限算错、985/211 要不要标全靠记忆。

本技能把「读文件 → 抽字段 → 写表格」收成一条流水线，并约定静默执行：批量处理时不中途问「是否继续」，单文件失败记日志后继续下一个。

核心能力与工作流

输入方式有三类：手动上传文件、粘贴飞书文档链接（识别 feishu.cn / open.feishu.cn 文档 ID 后拉取内容）、以及定时扫描监控目录（用状态文件比对文件名与 mtime，新增或更新则覆盖对应记录）。

预处理按类型分流：PDF 用文本提取库、Word 解析表格结构、图片走 OCR，WPS 可先转兼容格式；飞书文档会清理格式并保留表格文本，必要时对嵌入图片做 OCR。

结构化解析由大模型按固定 19 个字段落库，例如姓名/手机/邮箱、最高学历、毕业院校（匹配 universities.json 自动追加 (985)/(211)）、当前公司与职位、用 / 拼接的过往公司、技能多选、项目与备注等。年龄缺失时会按学历入学年份做推理；总体画像为必填长文本，按模板归纳行业、职能、技能与待核实疑点。

写入与收尾：结果写入飞书多维表格；监控模式下更新 state_file（含 record_id 便于同名文件更新），并输出执行报告，可选飞书机器人通知。

适用边界与注意点

• 依赖飞书开放平台 API 与事先配置好的表格字段类型（单选、多选、数字等需与技能定义一致）。
• OCR、扫描版 PDF 识别率受排版与语言包影响；无法推理的年龄会留空而非瞎填。
• 技能强调原子性批量处理，不适合需要「每份简历人工确认字段」的交互式校对流程；疑点应落在画像里的「待核实」项，由人在表内复核。