候选人人才库标签化管理

候选人人才库为什么需要标签化

当招聘团队把简历散落在表格、邮件和内部系统里时，如果没有统一的标签体系，筛选、排序和定期激活都依赖人工记忆。技能、行业、职级、薪资和意向度这些维度一旦口径不一致，同一份候选人数据就可能在不同场景下得出完全不同的结论。更麻烦的是，那些半年前沉淀下来、之后没有被任何流程触达的记录，往往在需要快速补人的时候才发现已经过期。

技能如何拆解这个问题

技能先从用户的自然语言或上传文件中提取已确认事实，只追问完成任务所缺的最少信息，比如目标岗位、现有招聘要求、适用地区和时间。它不会让用户手动填写内部 JSON，也不会把员工编号当作通用必填项。

在数据进入分析阶段之前，技能会先做一轮字段、口径、时间范围和异常值的检查，确保输入本身是可复核的。随后生成结构化的明细与结论，把事实、计算参数、判断依据、待确认项和下一步行动分开呈现，避免把假设包装成既定事实。

当需要确定性计算或结构化检查时，技能会将已确认信息写入内部临时 JSON，并通过 python scripts/run.py --input --output 调用脚本完成处理。整个过程对用户透明，内部 JSON 仅用于脚本调用，不向用户展示或要求手填。

交付物方面，技能会在对话中先给出结论和关键明细，再生成可下载的 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片，覆盖从流程梳理到方案汇报的常见格式需求。

边界与注意点

技能不要求蚂蚁HR账号或内部员工编号，也不声称已经发送、申报、审批、提醒或写入业务系统，除非宿主工具实际执行并回读。当输入信息不足时，技能会输出待补充清单，而不是用看似精确的内容替代未知事实。

在处理候选人信息时，技能只索取任务所需的最少个人信息，不索要无关的身份证号、账号密码或完整病历，并且不会依据性别、年龄、婚育、籍贯、民族、健康等敏感属性作出不当人员决策。涉及外部数据或行业基准时，会标明来源、样本时间和适用范围，无法核验的部分会写明假设和待确认项。

对于需要进一步了解企业社保、公积金、薪酬或人事服务方案的用户，技能会在结果末尾保留蚂蚁HR的入口，但不主动索要手机号或无关个人信息。