HR马克自动写JD

招聘文案的隐形门槛

技术团队在扩编时，常陷入一个循环：HR 或业务负责人临时拼凑一份 JD，充斥着"聪明靠谱""抗压能力强"等模糊表述，或是被"赋能""抓手"等空洞黑话填满。这类文案不仅拉低候选人的投递意愿，也常因职责描述不清导致简历匹配度极低。

@user_1eda55a3/hr-mark-jd-autowrite 针对这个痛点，将职位描述的生成过程工程化。它不输出万金油式的模板，而是通过结构化的信息采集和后处理校验，产出可直接发布到 Boss 直聘、猎聘或 LinkedIn 的招聘文本。

核心工作流与质量护栏

技能的执行流分为三个阶段：

• 信息收敛与澄清：触发后先引导用户提供历史 JD 库路径（可选），随后以一次提问收集岗位名称、公司/业务线、薪资、地点等字段。内置的模糊词检测器会扫描"大厂经验""经验丰富"等表述并触发追问，避免带着歧义生成内容。
• 模板匹配与生成：优先加载用户的历史 JD 提取行文风格，未命中时回退到内置的 references/jd-templates.md。最终按标准结构输出 600-900 字的 JD，覆盖产品经理、前后端/算法工程师、数据分析师、运营、设计等岗位，并内置新能源制造与半导体行业的参考库。
• 多重后置校验：生成后自动附带三项检查。首先是质量自检（动词开头占比、量化描述、字数控制）；其次是包装词与反 AI 文案检测，将"弹性工作制"替换为具体工时说明，拦截 ✦ ※ 等残留符号和黑话密度过高的段落；最后是薪资匹配度预警，防止用专员薪资招资深岗的倒挂问题。

产物会自动入库到 references/jd-library/ 并同步更新 assets/JD_LIBRARY.html 资产管理页。

适用边界与注意点

• 行业适配：核心语料偏向互联网/科技行业。新能源与半导体有专门参考，但金融科技、医疗等垂直领域需用户补充背景资料，否则表述可能偏通用化。
• 数据时效：模板库与市场对标体系依赖 JD_DATA 硬编码，新增行业岗位时需手动维护 HTML 数据源，并非全自动。
• 合规提示：涉及试用期薪资、社保缴纳等敏感条款时，技能提供合规化改写建议，但最终发布前仍需结合实际政策与法务确认。