前言¶
简历初筛的瓶颈不在阅读速度，而在判断标准不统一。同一个候选人，不同 HR 会给出不同的结论；同一个岗位，标准会随着面试官变动而漂移。事后复盘时也很难解释「为什么这个人没进面试」。
下面介绍的 HR简历自动筛选器，做的事情就是把资深 HR 的决策模型写成可复用的 Skill：输入一份简历，输出结构化字段、五维评分、红旗警示和三档结论。判断标准写在代码里，而不是写在人的脑子里。
这是什么¶
HR简历自动筛选器 是一款基于资深HR决策模型开发的 AI 技能，面向招聘者和 HR 团队，覆盖企业 HR 初筛、猎头顾问评估、求职者自检三类场景。
出品方信息如下：
- 名称：HR简历自动筛选器
- 坐标：
@user_8d7aa34e/hr-resume-auto-screener - 版本：1.0.0
- 来源：community
- 分类：business-ops
- 发布者：user_8d7aa34e
- 是否需要 API Key：
requires_api_key=false - SkillHub 评分：100000，下载 951，安装 0
它解决的核心问题是：让一份简历经过同一套维度被打分、被审查、被定档，输出可直接落库的 JSON，方便集成到现有招聘系统。
核心功能¶
结构化解析¶
自动提取简历中的姓名、联系方式、教育背景、工作经历、项目经验、技能栈等核心字段。这一步是后续所有评分的基础——先把字段抽干净，再谈维度打分。
五维评分体系¶
针对两个岗位分别建立五个核心维度，每个维度配有明确的评分锚点和正负面信号检测：
- 前端开发工程师：技术栈匹配度、项目深度、学历与学习能力、稳定性、工程素养
- 新媒体运营：内容创作、数据敏感度、平台经验、网感、综合素质
维度不是模糊的印象分，而是带锚点的打分项。锚点的作用是把「感觉还行」翻译成「在这个位置扣掉多少分」，让不同批次的简历之间可以横向比较。
严格审查机制¶
在打分之外单独跑一轮审查，自动检测以下疑点：
- 时间线矛盾
- 学历信号
- 技能堆砌
- 成果量化不足
检出的问题会标记为红旗警示，与评分结果一起输出。这样招聘方既能看到总分，也能看到具体是哪一处触发了警示。
智能定档与追问¶
根据加权总分自动输出三档结论：
- 推荐面试
- 待定
- 不推荐
同时生成 3-5 个针对简历缺口的面试追问。追问不是通用问题，而是对着简历里缺证据的地方问——比如项目深度不足，就追问该项目的实际交付边界。
输出格式¶
输出为纯 JSON 结构化数据，不含额外说明性文本，方便直接接入现有招聘系统或下游流程。
安装与启用¶
这个 Skill 基于通用 SKILL.md 格式，可放入本地 Skills 目录后由支持该格式的客户端加载。
需要说明的是：官方页面的已抓取资料里没有列出安装命令、目录路径或配置字段，只有 requires_api_key=false 一项可用性标记。因此这里不写未经核实的命令，避免给出跑不通的步骤。完整的安装与启用方式请到官方页面确认：
- 官方地址：https://api.skillhub.cn/user_8d7aa34e/hr-resume-auto-screener
- SkillHub 页面：https://www.skillhub.cn/skills/user_8d7aa34e/hr-resume-auto-screener
典型用法¶
输入是一份简历文本，处理链路为：
- 结构化解析，抽出教育、工作、项目、技能等字段
- 按目标岗位匹配对应的五维评分体系
- 执行严格审查，标记时间线矛盾、技能堆砌等红旗警示
- 计算加权总分，输出三档定档结论和 3-5 个面试追问
- 汇总为纯 JSON 返回
直接消费 JSON 即可，不需要再解析自然语言段落。
适用场景与注意¶
适合的场景：
- 企业 HR 对批量简历做统一口径的初筛
- 猎头顾问在给客户推人前做一次自检
- 求职者在投递前评估自己简历的短板
需要注意的地方：
- 岗位覆盖范围有限。评分体系明确写死了两个岗位——前端开发工程师和新媒体运营。投递后端、算法、设计等其他岗位的简历，没有对应的维度锚点，定档结果不可靠。
- 版本是 1.0.0，来源为 community，安装数为 0。这类 Skill 的能力边界以官方页面描述为准，使用前建议先拿一批已知结论的简历做对照测试，确认评分锚点与团队判断一致。
- 红旗警示和追问是基于文本信号生成的，最终录用决策仍需人工复核，不能只看加权总分。
结尾¶
HR简历自动筛选器的价值不在于替 HR 做决定，而在于把决定的标准固定下来：同样的维度、同样的锚点、同样的红旗规则，每份简历都走一遍。
官方地址：https://api.skillhub.cn/user_8d7aa34e/hr-resume-auto-screener
