HRClaw JD & Resume Scorecard

将职位描述和简历转换为结构化招聘决策与面试问题,支持飞书/钉钉格式输出。

已扫描
适合谁
招聘专员、技术主管
不适合谁
无明确JD或简历的泛化咨询者、无需结构化评估流程的非招聘人员
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好(★☆☆)。基于终端操作、依赖、API Key 和本地环境要求的初步判断。

安装与下载

openclaw skills install @qinjobs/hrclaw-jd-scorecard

Skill 说明

命令、参数、文件名以原文为准

JD 评分卡技能

HRClaw 将杂乱的职位描述(JD)文本和 PDF 简历转化为招聘官可用的决策结果。

它确保筛选过程一致、快速,并易于在团队聊天中分享。

将 JD 和 PDF 简历转化为结构化、可执行的招聘结论。

使用此技能支持两种相关流程:

  • JD → 评分卡
  • 简历 PDF/文本 → 依据评分卡进行评估

适用场景

  • 高频次招聘
  • QA / Python / 运营类岗位
  • 希望采用统一可重复评分标准的团队
  • 与飞书 / 钉钉协作

若用户同时提供 JD 和简历,请先生成评分卡,再对简历进行评分。

JD 流程

默认输出一个单一的 JSON 对象,包含以下字段:

  • role_title:职位名称
  • summary:职位摘要
  • filters:通用筛选条件
  • must_have:必须具备的条件
  • nice_to_have:加分项
  • exclude:排除项
  • weights:各项权重
  • thresholds:通过阈值
  • interview_questions:面试问题建议
  • red_flags:直接拒绝信号
  • assumptions:假设说明
  • next_steps:下一步行动建议

若用户要求可读版本,使用 templates/scorecard.md 模板格式化相同内容。

若用户要求飞书 / 钉钉友好的聊天视图,使用 templates/chat-scorecard.md 模板格式化相同内容。

简历评分流程

当用户上传简历 PDF 或粘贴简历文本并提供评分卡时,使用此流程。

若用户仅提供简历,请在评分前询问是否提供评分卡或 JD。

  1. 首先从 PDF 中提取简历文本。
  2. 若 PDF 为纯图像且无法识别文本,设置 extraction_statusneeds_ocr 并停止处理。
  3. 将简历内容标准化为候选人档案。
  4. 使用相同的筛选规则、权重和阈值,对候选人进行评分卡打分。
  5. 先返回一个纯净的 JSON 对象。

简历评分输出应包含以下字段:

  • mode:运行模式
  • source_type:来源类型(如 pdf, text)
  • extraction_status:提取状态(success, needs_ocr)
  • scorecard_name:使用的评分卡名称
  • candidate_profile:候选人档案
  • hard_filter_pass:硬性筛选是否通过
  • hard_filter_fail_reasons:硬性筛选失败原因
  • dimension_scores:各维度得分
  • total_score:总分
  • decision:最终决策(如:推荐面试、淘汰等)
  • review_reasons:评审理由
  • matched_terms:匹配关键词
  • missing_terms:缺失关键词
  • blocked_terms:触发屏蔽词
  • evidence:评分依据证据
  • summary:总结摘要
  • next_steps:下一步建议

若用户要求飞书 / 钉钉友好的聊天视图,使用 templates/chat-resume-score.md 模板格式化相同内容。

候选人档案字段包括:

  • name:姓名
  • location:所在地
  • years_experience:工作经验年限
  • education_level:教育程度
  • current_title:当前职位
  • current_company:当前公司
  • skills:技能列表
  • industry_tags:行业标签

若用户同时提供 JD 和简历,请先生成评分卡,再用该评分卡对简历进行评分。

规则

  • 仅使用 JD 中明确提及的信息。
  • 简历评分时,仅基于简历和评分卡中的明确信息。
  • 不得虚构要求或推测隐含意图。
  • 每个评分卡只对应一个主职。
  • 若 JD 内容混杂或模糊,添加简短的 assumptions 说明,而非自行猜测。
  • 优先使用实际可验证的筛选信号,而非泛泛的招聘建议。
  • 生成 5 到 10 个能真实检验工作能力的面试问题。
  • 若简历 PDF 完全不可读且无 OCR 文本可用,应明确说明,不得猜测。

处理流程

  1. 提取职位、地点、经验年限、教育背景、工具要求及排除项。
  2. 将这些信号转化为评分卡。
  3. 添加用于验证“必须项”的面试问题。
  4. 添加帮助招聘官快速拒掉候选人的红色预警项。
  5. 对于简历,提取候选人档案,应用评分卡,优先返回评分 JSON。

参考资料

  • references/quickstart.md
  • references/faq.md
  • references/limitations.md
  • prompts/jd-to-scorecard.md
  • prompts/resume-score.md
  • prompts/interview-questions.md
  • templates/scorecard.json
  • templates/scorecard.md
  • templates/chat-scorecard.md
  • templates/resume-score.json
  • templates/resume-score.md
  • templates/chat-resume-score.md
Q
@qinjobs

已收录 1 个 Skill

相关推荐