简历智能筛选评估

招聘初筛里常卡在哪

岗位 JD 写得很细，但简历一多，对照要求就变成「凭感觉」：有人盯年限、有人盯学校，同一份简历不同人给的结论还可能相反。更麻烦的是，必备条件和加分项混在一起时，容易漏掉硬门槛，或者把「顺眼」当成「匹配」。

技能在做什么

本技能把「岗位要求 ↔ 候选人材料」做成可重复的筛选流程，而不是单次聊天式点评：

• 单人 / 批量：一份简历出 Individual Screening Report，多份简历出 Batch Ranking Report
• 要求矩阵：用 Requirements Matrix 把 must-have / nice-to-have 拆开对照
• 统一打分：内置 Experience Scoring、Education Scoring 等 rubric，按职级（Entry / Mid / Senior / Lead）和技术岗 / 非技术岗区分权重
• 风险标注：对缺口、履历疑点等做 Flag potential concerns，便于 HR 复核

典型用法包括：Single Candidate、Batch Screening、With Criteria，以及按 Screening Framework 固定输出格式，方便留档和横向比较。

边界与合规

打分表是决策辅助，不能替代背调，也无法核实任职经历；非传统路径（自学、Bootcamp、转行）的上下文可能被低估。筛选应只基于与岗位相关的能力与经历，忽略受保护特征，并保持同一岗位同一标准；最终是否进入面试仍建议由人工结合团队需求判断。涉及对外发送或系统写入时，按简诗 AI 约定需先确认目标与影响。