简历筛选

要解决什么问题

招聘里常见痛点不是「没简历」，而是口径不一致：同一份简历，不同 HR 或用人经理各看各的，硬性条件漏筛、软性判断难复核，批量场景更没法横向比。本技能把流程收成一条六阶段漏斗，并强制「先读量规再评估、分数必须带依据」，把判断落到可比较的分数与可交付的报告上。

技能如何工作

核心原则是 先硬后软、先筛后读、量化优先、循证决策。执行时先把 references/rubric.md 的三维度量规（基础 / 能力 / 动机稳定）加载进上下文，再按场景走不同阶段：

• 阶段 1 量化初筛：从 JD 抽硬性门槛（学历、年限、必备技能、地点/到岗等），一票否决项不满足直接标「不匹配」；通过者按量规 0–100 打分并分级（强匹配 ≥80 等）。
• 阶段 2–3：结构化解析简历，结合 references/jd_match.md 做 JD 逐项匹配与缺口清单；单份可走深度评估（含 Topgrading 式经历复盘思路）。
• 阶段 4–5（批量 ≥5 份）：横向排序、排名表与多维分布（学历、年限、技能覆盖等），圈定建议面试短名单。
• 阶段 6：基于 references/interview_bank.md 为入围者设计结构化面试指南、维度评分与亮点/风险追问清单。

交付物按场景裁剪，模板在 references/report_templates.md；简历文本提取可配合 scripts/parse_resume.py。

适用边界与注意点

• 只评估岗位相关要求；明确禁止用年龄、性别、婚育、地域、照片、民族等受保护特征做判断。
• 禁止只给总分不写理由——每条分数都要对应命中或缺失的标准。
• 小批量可侧重初筛报告、深度评估与面试方案；大批量再补齐匹配排序与批量评分报告。