简历自动解析与评分

这个技能解决什么问题

招聘方收到的简历大多是 PDF 或 Word，字段抽取、结构化整理和 JD 匹配评分往往靠人工逐份阅读：同一份简历在不同人手里会得到不同的关键字段和不同分数，复核成本高，结论也难以留痕。这个技能在拿到简历文件与目标岗位信息后，自动完成关键字段提取与结构化展示，并基于 JD 给出可解释的匹配度评分与排序，把「读完并打分」变成可复核的流程。

核心能力与工作方式

• 最少输入即可启动：只需目标岗位或招聘场景、现有招聘要求或数据、适用地区和时间；已有模板、历史数据、政策原文和期望输出格式属于可选补充。
• 先提取、再追问：从用户原话或上传文件提取已确认事实，只追问完成任务所缺的最少必要项，不要求用户手填内部 JSON，也不把员工编号设为通用必填。
• 先校验、后计算：先检查字段完整性、统计口径、时间范围和异常值，再生成可复核的明细与结论；需要确定性计算时，把已确认信息写入内部临时 JSON，通过 --input/--output 调用 python scripts/run.py，该 JSON 仅用于脚本调用，不向用户展示。
• 来源与假设可追溯：涉及外部数据或行业基准时，标明来源、样本时间和适用范围；无法核验的内容写明假设与待确认项。
• 结论先行的交付物：先在对话中给出结论和关键明细，再按需生成可下载的 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片，并附偏差、风险与下一步行动清单。

适用边界与注意点

• 不要求蚂蚁HR账号、内部员工编号或手写 JSON，也不在未实际执行并回读的情况下声称已发送、申报、审批、提醒或写入业务系统。
• 输入不足时输出待补充清单，不用看似精确的内容替代未知事实。
• 只处理任务所需的最少个人信息，不索要无关身份证号、账号密码或完整病历。
• 不得依据性别、年龄、婚育、籍贯、民族、健康等敏感属性作出不当人员决策。