前言¶
簡歷初篩的瓶頸不在閱讀速度，而在判斷標準不統一。同一個候選人，不同 HR 會給出不同的結論；同一個崗位，標準會隨着面試官變動而漂移。事後復盤時也很難解釋「爲什麼這個人沒進面試」。
下面介紹的 HR簡歷自動篩選器，做的事情就是把資深 HR 的決策模型寫成可複用的 Skill：輸入一份簡歷，輸出結構化字段、五維評分、紅旗警示和三檔結論。判斷標準寫在代碼裏，而不是寫在人的腦子裏。
這是什麼¶
HR簡歷自動篩選器 是一款基於資深HR決策模型開發的 AI 技能，面向招聘者和 HR 團隊，覆蓋企業 HR 初篩、獵頭顧問評估、求職者自檢三類場景。
出品方信息如下：
- 名稱：HR簡歷自動篩選器
- 座標：
@user_8d7aa34e/hr-resume-auto-screener - 版本：1.0.0
- 來源：community
- 分類：business-ops
- 發佈者：user_8d7aa34e
- 是否需要 API Key：
requires_api_key=false - SkillHub 評分：100000，下載 951，安裝 0
它解決的核心問題是：讓一份簡歷經過同一套維度被打分、被審查、被定檔，輸出可直接落庫的 JSON，方便集成到現有招聘系統。
核心功能¶
結構化解析¶
自動提取簡歷中的姓名、聯繫方式、教育背景、工作經歷、項目經驗、技能棧等核心字段。這一步是後續所有評分的基礎——先把字段抽乾淨，再談維度打分。
五維評分體系¶
針對兩個崗位分別建立五個核心維度，每個維度配有明確的評分錨點和正負面信號檢測：
- 前端開發工程師：技術棧匹配度、項目深度、學歷與學習能力、穩定性、工程素養
- 新媒體運營：內容創作、數據敏感度、平臺經驗、網感、綜合素質
維度不是模糊的印象分，而是帶錨點的打分項。錨點的作用是把「感覺還行」翻譯成「在這個位置扣掉多少分」，讓不同批次的簡歷之間可以橫向比較。
嚴格審查機制¶
在打分之外單獨跑一輪審查，自動檢測以下疑點：
- 時間線矛盾
- 學歷信號
- 技能堆砌
- 成果量化不足
檢出的問題會標記爲紅旗警示，與評分結果一起輸出。這樣招聘方既能看到總分，也能看到具體是哪一處觸發了警示。
智能定檔與追問¶
根據加權總分自動輸出三檔結論：
- 推薦面試
- 待定
- 不推薦
同時生成 3-5 個針對簡歷缺口的面試追問。追問不是通用問題，而是對着簡歷裏缺證據的地方問——比如項目深度不足，就追問該項目的實際交付邊界。
輸出格式¶
輸出爲純 JSON 結構化數據，不含額外說明性文本，方便直接接入現有招聘系統或下游流程。
安裝與啓用¶
這個 Skill 基於通用 SKILL.md 格式，可放入本地 Skills 目錄後由支持該格式的客戶端加載。
需要說明的是：官方頁面的已抓取資料裏沒有列出安裝命令、目錄路徑或配置字段，只有 requires_api_key=false 一項可用性標記。因此這裏不寫未經覈實的命令，避免給出跑不通的步驟。完整的安裝與啓用方式請到官方頁面確認：
- 官方地址：https://api.skillhub.cn/user_8d7aa34e/hr-resume-auto-screener
- SkillHub 頁面：https://www.skillhub.cn/skills/user_8d7aa34e/hr-resume-auto-screener
典型用法¶
輸入是一份簡歷文本，處理鏈路爲：
- 結構化解析，抽出教育、工作、項目、技能等字段
- 按目標崗位匹配對應的五維評分體系
- 執行嚴格審查，標記時間線矛盾、技能堆砌等紅旗警示
- 計算加權總分，輸出三檔定檔結論和 3-5 個面試追問
- 彙總爲純 JSON 返回
直接消費 JSON 即可，不需要再解析自然語言段落。
適用場景與注意¶
適合的場景：
- 企業 HR 對批量簡歷做統一口徑的初篩
- 獵頭顧問在給客戶推人前做一次自檢
- 求職者在投遞前評估自己簡歷的短板
需要注意的地方：
- 崗位覆蓋範圍有限。評分體系明確寫死了兩個崗位——前端開發工程師和新媒體運營。投遞後端、算法、設計等其他崗位的簡歷，沒有對應的維度錨點，定檔結果不可靠。
- 版本是 1.0.0，來源爲 community，安裝數爲 0。這類 Skill 的能力邊界以官方頁面描述爲準，使用前建議先拿一批已知結論的簡歷做對照測試，確認評分錨點與團隊判斷一致。
- 紅旗警示和追問是基於文本信號生成的，最終錄用決策仍需人工複覈，不能只看加權總分。
結尾¶
HR簡歷自動篩選器的價值不在於替 HR 做決定，而在於把決定的標準固定下來：同樣的維度、同樣的錨點、同樣的紅旗規則，每份簡歷都走一遍。
官方地址：https://api.skillhub.cn/user_8d7aa34e/hr-resume-auto-screener
