HR 简历加权初筛
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c76ea7b1/hr-resume-screening。
技能介绍
问题在哪
校招或社招一轮往往要面对几十份 PDF / DOCX 简历,HR 却要对照同一份 JD 在学历、年限、技术栈、项目深度上口径一致地排序。手工逐份翻简历,维度权重各人心里不一样,结论也难复盘;更麻烦的是,性别、年龄、地域等字段一旦误入判断,就踩招聘合规红线。
技能怎么做
本技能走一条可复现的流水线:收集简历文件夹路径与 JD → 用 parse_resumes.py 把文档抽成结构化 JSON(.doc 不支持,会单独报错)→ 结合 references/scoring_rubric.md 定维度与权重(总和 1.0)、划出 hard_filters 硬性熔断条件 → 通读整批简历建立相对尺度后,按锚点给各维度 0–100 分,并写 strengths / weaknesses / summary → 结果写入 JSON,再由 generate_report.py 生成 Excel 排名表 与 Markdown 报告。
语义打分由助手按 rubric 完成,脚本只做解析与渲染;weighted_total 以脚本按权重重算为准。推荐结论映射为:≥85 强烈推荐、75–84 推荐、60–74 待定、<60 不推荐;硬性条件不达标则不得给「推荐」及以上。
边界与注意
主场景是文件夹内的 PDF/DOCX;若用户直接粘贴简历文本,可跳过解析直接进入评分。JD 不完整时应先补齐岗位名称、级别、硬门槛与核心技能。评分须遵守 references/compliance.md,JD 含歧视性表述时需先提示修正。报告含敏感个人信息,仅限内部使用、勿外传。
使用场景
- 根据一份 Java 高级工程师 JD,对文件夹内 10 份 PDF 简历做加权排名并导出 Excel
- 校招批量收到 DOCX 简历,需按统一维度打分并生成 Markdown 筛选报告
- 用户粘贴单份简历全文且无附件,跳过解析直接对照 JD 做语义评分
- JD 写明本科及以上与 3 年经验等硬条件,需在打分同时做硬性熔断并标红未通过者
适合人员
- 社招 HR:同一岗位积压多份 PDF/DOCX,需要在面试前产出可复现的排名表给业务对齐
- 校招负责人:近百份应届生简历要按 rubric 维度加权,避免各面试官口头标准不一致
- 招聘运营:要把 JD 权重模板、维度得分与推荐结论整理成 Excel+MD 双报告归档
- 使用 AI 助手的 HRBP:既要语义读简历写评语,又要严格遵守 compliance 忽略歧视性字段