简历筛选&面试专家

招聘流程中的真实痛点

一份 JD 发布后，投递量往往会在短时间内超过人工筛选的承受上限。 recruiters 需要在几十秒内判断一份简历是否值得进入下一轮，疲劳状态下的评估口径很难保持一致：同一份简历，不同人看可能得出「匹配」或「勉强匹配」两种结论。与此同时，面试官准备提问和记录评估意见要消耗大量时间，而这些工作本身并不产生新的信息，只是信息的整理与结构化。

技能如何工作

@user_2a7beb1b/ysc-recruitment-expert 围绕招聘流程中的这两类重复劳动提供大模型辅助，核心能力可以拆解为以下步骤：

• 简历解析与要点提取：从简历文本中抽取教育背景、工作年限、项目经历、技能关键词等结构化字段，减少人工翻找信息的时间。
• 基于要求的条件筛选：将候选人画像与岗位要求逐条比对，输出结构化的匹配结果（如匹配/不匹配/待定及理由），让筛选标准对团队透明、可复核。
• 面试问题与评估表辅助：依据岗位要求生成面试关注点与提问方向，并提供统一的评估记录模板，使多位面试官的反馈可以落在同一维度上，便于横向比较。
• 评估意见汇总：将分散的面试反馈整理为结论摘要，辅助用人决策，但最终判断仍由人做出。

适用边界与注意点

• 该技能是辅助工具而非决策代理：简历匹配度、面试结论这类判断涉及业务上下文和用人策略，不应直接由模型输出决定。
• 简历包含大量个人敏感信息，调用前需确认数据处理方式符合隐私合规要求，必要时先做脱敏。
• 模型对简历格式的解析能力有限：排版混乱、关键信息缺失或大量使用隐喻式表述的简历，抽取结果需要人工复核。
• 筛选结论对提示词中岗位要求的写法敏感，要求写得含糊，比对结果也会随之模糊；建议给出可量化的硬性条件与优先级。