技能介绍

简历筛选的真实痛点在于：简历散落在层层子文件夹里，格式五花八门（.docx、.pdf、.txt），按岗位、城市、学历、工作年限和具体技能（如 SpringCloud、MySQL，或钳工、焊工这类技工岗位）做批量初筛时，只能逐份打开人工比对，耗时且标准不统一。

它如何解决

这套技能采用两步法：

Step 1 确认条件：岗位名称、base 地、学历、工作经验、技能描述、行业经验、业务领域、结果存储目录，每一项都弹出确认卡片（文件夹选择则走 Windows 原生对话框），禁止在用户未确认时沿用默认值。其中岗位、城市、学历、经验、技能是“与”关系的主条件；技能关键字是硬性门槛，多技能间为“或”关系——填了但一个都没命中直接不通过，行业/领域这类软条件无法放宽。
Step 2 执行筛选：递归扫描所选文件夹（深度上限 3 层），命中简历复制到结果目录，生成 screening_report.csv / .json，逐份记录判定依据、识别年限、行业/领域命中与是否 ★优先（双命中置顶），控制台输出总数/通过/未通过/解析失败汇总。

工作经验年限综合“X年经验”、工作经历日期区间求和、最高学历毕业年份三处识别。除逐步确认的 CLI 流程外，还有 Windows 原生 GUI 可一次性填完条件，筛选中可终止，完成后手动关闭窗口并点击结果目录链接直接跳转。

付费与边界

已改造为基于微信支付 Agent Pay X402 的 Pay Skill：POST /preflight 免费校验参数并报价，POST /screen 未付费返回 402；参数非法直接 400 且不收费；已支付但执行失败返回 422 并附签名退款凭证，全额原路退款，同一支付指纹重试不会重复扣费。

需要注意：简历解析是启发式的，识别不准时用 --verbose 定位，可在 screen_resumes.py 的 EDU_RANK、INDUSTRY_SYNONYMS 等处扩充关键字；.doc 只做尽力而为的文本抽取，建议转成 .docx 再筛。