用途
review 是一个简历评审技能，用于在用户希望评估简历质量、检查问题、获取评分，或询问「我的简历怎么样」「这份简历有什么问题」时触发。它的核心定位是审稿人而非修改者：只指出问题，不动笔修改。被评估的简历可以来自任何来源（用户自写、其他工具生成、或本系统 generate / polish 产出），不预设其来源与质量。
职责边界明确：负责评分、定位问题、给出建议；不负责重写句子、改写段落、调整结构（属于 polish），不负责追问用户挖掘新素材（属于 dig），不负责重新生成简历（属于 generate）。输出是纯诊断结果：评分 + 问题清单 + 总结。
主要能力
核心维度（始终评估）
- 表达力 expression（0-1）：衡量语言是否有力、具体、量化、聚焦动作。1.0 表示全部 bullet 动词开头、量化充分、动作-结果链清晰、无空话；0.7 表示大部分表达良好，少数描述偏模糊或缺量化；0.4 表示较多空洞描述、存在主观形容词、被动语态偏多；0.1 表示几乎全是「负责 xxx」「参与 xxx」「协助 xxx」式空话。
- 结构合理性 structure（0-1）：衡量整体编排是否突出重点、逻辑通顺、篇幅恰当。1.0 表示 section 顺序合理（如应届优先教育、资深优先经历）、重点项目篇幅充足、次要项简短；0.7 表示整体可读但部分顺序或篇幅可优化；0.4 表示重点不突出、section 顺序不当；0.1 表示完全混乱、无清晰主线。
- 可信度 credibility（0-1）：衡量描述是否有事实支撑、逻辑自洽、可被验证。1.0 表示全部描述有具体事实支撑（数字、技术栈、产出物、协作角色）、数字符合常理、逻辑自洽；0.7 表示大部分可信、少数缺支撑细节；0.4 表示较多空泛描述、自我评价无事实背书、存在不合理数字；0.1 表示充斥主观判断和未经验证的成果声明。
条件维度
- JD 匹配度 jdMatch（0-1）：仅在提供 jd 时评估。方法是从 JD 抽取 5-15 条关键要求（技能、经验年限、项目类型、软技能等），逐条在简历中判定为已覆盖、部分覆盖或未覆盖，评分 = 已覆盖比例（部分覆盖按 0.5 计入）。每条 JD 要求的覆盖状态都必须作为一条 type=jdMatch 的问题记录，未覆盖与部分覆盖均需给出建议。
- 真实性 truthfulness（0-1）：仅在提供 sourceTexts 时评估。对照原始素材检查简历中的数字、事实、经历、产出物是否有依据，区分有依据、合理推断、明显编造三种情况。发现编造内容时必须作为严重问题（type=truthfulness）输出，并精确指出哪一条数字或事实缺乏依据。
总分计算
score 为各维度加权平均，保留两位小数：仅核心三维度时取三者均值；含 jdMatch 时核心三维度共占 60%、jdMatch 占 40%；含 truthfulness 时其作为门槛项，若小于 0.5 则总分上限为 0.5；同时含两者时为核心 50% + jdMatch 30% + truthfulness 20%，并应用 truthfulness 门槛。
使用方式
必须输入 resume（要评估的简历 Markdown 内容）。可选输入包括 jd（目标岗位 JD，有则评估匹配度，没有则跳过）、sourceTexts（原始素材文本，有则做反幻觉检测，没有则跳过真实性维度）、language（输出语言，默认 zh-CN）。输入处理原则为：不假设缺失输入，jd 缺失时输出中不得包含 jdMatch 字段，sourceTexts 缺失时不得包含 truthfulness 字段；不因输入缺失而拒绝评审，核心三维度始终评估。
评估流程为：通读简历全文形成整体印象；若有 sourceTexts 先做真实性核查；若有 jd 则抽取关键要求逐条匹配；评估核心三维度给出 0-1 浮点分；收集所有问题并按严重程度排序（真实性 > jdMatch 未覆盖项 > 严重 credibility 问题 > 严重 expression / structure 问题 > 一般问题 > 轻微优化建议）；撰写 2-3 句 summary（先点优点，再点核心改进方向）；按规则计算 score；输出结构化 JSON 结果。
每个问题是一个对象，字段包括 type（expression / structure / credibility / jdMatch / truthfulness）、location（简历中的具体位置，如「工作经历 - 阿里巴巴 - bullet 3」，整体性问题可填「全文」）、problem（具体问题描述）、suggestion（可操作的改进建议）。问题数量通常 5-15 条，不为凑数硬挑无关问题，也不因整体不错只给一两条。
适用场景
适用于简历自查、投递前的质量评审、以及确定后续改进方向。在 summary 或相关 issue 的 suggestion 中，会根据问题类型主动建议下游动作：表达空洞、bullet 不够动词化、句子冗长或结构混乱时建议使用 polish；量化不足、素材太薄、缺乏支撑事实时建议使用 dig；JD 匹配度低、关键要求未覆盖时建议先用 dig 针对缺口追问，再用 generate 或 polish 补充；发现编造内容时建议立即修正并用 dig 重新挖掘真实素材。
评估原则与限制
评估原则包括：客观公正，不因简历来源（AI 生成或人工撰写）而偏袒或苛刻；问题必须能定位到 section / 经历 / bullet；建议必须可操作，禁用「写得更好」「更专业」这类空话；区分缺点与风格选择（如项目优先排序或按时间倒序属于风格，不因个人偏好扣分）；JD 匹配以 JD 为唯一标尺，不脑补 JD 之外的要求；真实性问题零容忍；不修改不重写。
输出契约要求严格按照 schema.json 中 output 部分的结构输出 JSON，不输出 schema 之外的字段，不输出 Markdown 包裹的代码块，直接输出 JSON 对象；所有评分保留两位小数且必须在 [0, 1] 区间；缺失的条件维度（jdMatch / truthfulness）不作为 0 出现，而是完全省略该字段。
该技能的具体实现方式、安装命令、运行环境与平台支持暂未提供。