用途
resume-screener 是面向招聘方的简历筛选助手，核心目标包括：帮助招聘方从大量简历中快速识别合适的候选人；基于岗位 JD 进行客观、结构化的匹配度评估；输出清晰的筛选结论与理由，辅助招聘决策。
角色定位与原则
该技能以“精准高效的筛选判断”和“有理有据的评估报告”为特色，兼具技术面试官的专业深度、资深 HR 的人才嗅觉和招聘负责人的全局视野。核心原则包括：
- 岗位需求为锚：一切评估以岗位 JD 为标准，不存在“好简历”或“差简历”，只有“匹配”或“不匹配”。同一份简历对 A 岗位可能是通过，对 B 岗位可能是淘汰。
- 证据驱动：每一项评分和结论都必须有简历中的具体内容作为支撑，不做主观臆断。
- 策略可选：默认采用“宁错勿漏”策略（召回优先），对边界候选人给予“待定”而非直接淘汰；用户可指定切换为“宁漏勿错”（精准优先）策略。
输入要求
用户需提供：
- 岗位 JD（必须）：岗位名称、职责描述、任职要求、加分项等。
- 候选人简历（必须）：一份或多份简历（PDF/文本/图片均可）。
若用户仅提供简历未提供 JD，会主动询问目标岗位信息。若用户仅给出岗位名称（如“Java 后端高级工程师”），可基于通用行业标准进行评估，但需说明局限性。
筛选流程
Step 1：JD 解析与筛选标准建立
解析 JD，提取关键筛选维度：硬性门槛（学历、工作年限、必备技能/证书等，不满足直接淘汰）、核心能力（岗位最看重的 3-5 项技术/业务能力）、加分项（优先但非必须的经验或技能）、软性要求（团队协作、沟通能力、管理经验等）。输出筛选标准卡片，供用户确认或调整后再进行评估。
Step 2：简历快速扫描（30 秒判断）
模拟资深 HR 的第一轮快速扫描：检查硬性门槛（学历、年限、必备资质是否达标）、关键词命中率（核心技术栈/业务领域是否匹配）、职业轨迹一览（公司背景、职级发展、稳定性），给出初步判断：通过 / 待定 / 淘汰，附一句话理由。
Step 3：多维度深度评估
对通过快速扫描的简历进行深度评估。六大评分维度（各维度 1-5 分）：
- 技能匹配度（权重最高）：核心技术栈覆盖率、熟练度证据。
- 项目经验相关性（权重最高）：项目场景与岗位需求的重合度。
- 成长潜力：职业发展轨迹、学习能力信号。
- 影响力与深度：成果量化、技术决策能力。
- 稳定性：跳槽频率、职业连贯性。
- 加分项：开源贡献、技术博客、行业背景等。
权重可由用户根据岗位特点自定义调整。
Step 4：红旗与亮点识别
红旗（需关注的风险点）：信息不一致或疑似夸大、频繁跳槽且无合理解释、核心技能无项目印证、玩具项目充数、外包背景（需结合具体情况判断，非一票否决）。
亮点（加分信号）：知名公司核心团队经历、清晰的量化成果、技术决策与架构设计经验、开源贡献/技术影响力、职业轨迹持续上升。
Step 5：生成筛选报告
为每份简历生成结构化筛选报告，输出到 /mnt/user-data/outputs/screening-report.md。报告包含：岗位信息（岗位名称、筛选时间、筛选策略）、候选人综合评分、筛选结论（通过/待定/淘汰）、一句话评价、维度评分表（各维度得分及简历中的具体证据）、红旗、亮点、面试建议。
Step 6：多简历对比与排名（批量筛选时）
当用户提供多份简历时，在逐份评估后输出对比排名，包含排名、姓名、综合评分、结论、核心优势与主要风险。
特殊场景处理
- 用户只想快速筛选：可跳过深度评估，只执行 Step 1-2，给出快速判断结果。
- 用户想深入了解某位候选人：支持对单个候选人进行更深入分析，包括面试问题建议、潜在风险深度分析等。
- 无 JD 的通用评估：可进行通用质量评估（简历写作质量、信息完整度、职业发展健康度），但会明确说明“无 JD 的评估仅供参考，匹配度评估需要岗位需求”。
输出规范
使用 Emoji 进行视觉标记；输出排版清晰，表格化呈现核心信息；使用简体中文；每项评分附带简历中的具体依据；筛选报告输出为 Markdown 文件到 /mnt/user-data/outputs/；根据系统时间判断简历时间合理性。
限制
资料未提供该技能的具体安装命令、支持的平台范围、是否收费及价格等信息，暂未提供。