前言¶

給大模型接一個”簡歷評分”能力時，常見做法是把整份簡歷丟進上下文，讓模型自由發揮。問題是簡歷動輒一兩千字，評分又需要逐項對照標準，token 成本高且結論不穩定：同一版簡歷換個 prompt 可能差十幾分。

簡歷體檢官（@user_04c33885/resume-scorer）是 SkillHub 上的社區 Skill，把評分拆成兩層：結構、量化、動詞這類可判定的項目交給腳本零 token 打分，LLM 只在表述層面補評和給改寫示例。下面介紹它的模型、架構和使用方式。

這是什麼¶

簡歷體檢官是一個簡歷綜合評分與優化建議工具，由社區開發者 user_04c33885 發佈，當前版本 1.0.0，分類爲 content-creation。它解決的問題是：簡歷投出去沒有迴音時，往往不是經歷不夠，而是經歷沒有寫成 HR 和 ATS 能識別的語言。該 Skill 對用戶提供的簡歷做結構化評分，並對低分模塊直接給出改寫示例。

評分模型基於 Harvard 職業中心等權威求職指南建立，採用 6 大模塊 × 3 個質量維度（清晰度、完整度、重點突出度）= 18 個評分點的矩陣，總分 100，逐項打分。

核心功能¶

1、18 維矩陣評分。六大模塊各自從清晰度、完整度、重點突出度三個維度打分，共 18 個評分點，合計 100 分。評分標準來自 Harvard 職業中心等權威求職指南，不是模型即興發揮。

2、逐條改寫而不是空泛建議。低分模塊直接給出”強動詞 + 數據化”的改寫示例，形式是原句與改寫句的對照。例如把”負責用戶運營”改寫爲帶具體動作和結果的表述，用戶可以直接套用。

3、混合架構控制成本。結構、量化、動詞由腳本確定性判定，這部分不消耗 token；LLM 只做表述層補評。官方資料稱這種分工的目的是讓單次成本可控。

4、複雜排版識別。支持 PDF、Word、純文本三種輸入。自動識別雙欄等複雜排版，並在識別到複雜結構時觸發全量評估。

安裝與啓用¶

官方 SkillHub 頁面未給出可直接覈實的安裝命令或目錄配置。該 Skill 標記爲 requires_api_key=false，即使用時無需配置 API key。安裝和啓用方式以官方頁面爲準：

https://www.skillhub.cn/skills/user_04c33885/resume-scorer

典型用法¶

把簡歷文件交給 Skill，由它完成解析、評分和建議。官方資料列出的觸發方式如下：

1、用戶明確要求評分：”幫我評分簡歷”“看看我的簡歷怎麼樣”“簡歷打分”“評估簡歷”；
2、用戶要求優化：”優化我的簡歷”；
3、英文場景：”resume review”；
4、用戶直接提供簡歷文件並要求評價。

流程上先由腳本完成 18 項的確定性評分，再由 LLM 針對低分項生成表述層建議和原句到改寫句的對照。支持 PDF、Word、純文本格式；雙欄等複雜排版在解析階段被識別，隨後觸發全量評估。

適用場景與注意¶

適合的場景：個人求職者對自有簡歷做體檢，或者開發者把簡歷評分能力嵌入自己的產品，希望評分標準穩定、單次調用成本低。模型來源是權威求職指南，評分口徑有據可查。

需要注意的點：

1、輸入格式限定爲 PDF、Word、純文本。圖片輸入未在官方資料中列出，不要假定支持。
2、評分是模型驅動的結構化打分，改寫建議基於表述優化，不構成對求職結果的承諾。
3、官方頁面當前安裝數爲 0、下載 819，屬於較新的社區 Skill，實際效果建議先用一份簡歷自測。
4、不同平臺（Cursor、Codex CLI、Claude Code 等）對 Skill 的加載機制不同，官方資料未分別說明，啓用前以各平臺文檔爲準。

結語¶

簡歷體檢官的價值在於把”評分標準”和”表達建議”分開處理：前者交給腳本保證一致性和低成本，後者交給 LLM 產出可執行的改寫對照。對需要穩定、可復現的簡歷評估能力的場景，這是一個可以優先試的社區 Skill。

官方地址：https://www.skillhub.cn/skills/user_04c33885/resume-scorer