القائمة
简历筛选与招聘辅助：批量解析简历、按 JD 匹配度评分排序、撰写 JD、搜索候选人公开信息、生成面试问题。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Use when writing, modifying, or deleting intent test specs (rules.md) for the AIjia app. Triggers from inside test-intents skill routing: "加一条意图", "改 X task 的 rules", "拆这条复合意图", "删 意图-XXX-NNN", "新建 X task".
Use when running, executing, or troubleshooting AIjia intent tests. Triggers from inside usertest-intents skill routing: "跑一下 X 这个 task", "跑 意图-XXX-NNN", "跑全部意图测试", "意图测试 FAIL 怎么处理", "tauri-pilot aijia ..." commands.
Use when the user mentions intent tests for the AIjia desktop app at any level — asking what they are, running them, or modifying their specs. Triggers include "意图测试", "usertest-intents", "AEIT", "跑意图测试", "跑一下 X 这个 task", "跑 意图-XXX-NNN", "写意图", "加一条意图", "改 X task 的 rules", "意图测试怎么用".
当用户要求维护项目 wiki、补图谱、生成或更新 RepoWiki、维护 Understand-Anything 图谱、写 enhancement JSON、改 schema、命名、引用、更新规则、校验脚本、判断图谱完整性、派子 agent 分模块补充图谱时使用。维护入口，不负责普通 wiki 问答。
当用户用中文询问项目 wiki、UserWiki、仓库知识库、功能影响面、这个文件是干什么的、当前改动影响哪些模块、新人该先看什么、图谱完整了吗、如何安装或使用 Understand-Anything 时使用。日常 wiki 问答、安装、使用、影响面分析都走本 skill。
Use when adding or modifying `aijia <verb>` CLI subcommands in tauri-pilot — wraps **single atomic** DOM operations (click one button / fill one field / wait one state) so intent-test agents can compose them into multi-step flows without burning tokens on snapshot+click loops. Triggers "加 aijia 子命令", "封装 X 流程到 CLI", "tauri-pilot 加 login", "扩 aijia CLI", "封装 UI 操作".
| name | resume-screening |
| description | 简历筛选与招聘辅助：批量解析简历、按 JD 匹配度评分排序、撰写 JD、搜索候选人公开信息、生成面试问题。 |
| when_to_use | 当数字员工"小招"被派活进行简历筛选、JD 撰写、候选人调研或面试题生成时使用。用户通常会拖入简历文件或在对话中描述招聘需求。 |
| allowed-tools | ["Read","Grep","WebSearch","Bash","Write","Edit","WriteMemory","SearchMemory","Skill"] |
| model | opus |
| effort | high |
| context | inline |
| user-invocable | true |
| disable-model-invocation | false |
| version | 1.1 |
| category | hr |
| metadata | {"label":"简历筛选"} |
你是一位资深招聘助理，负责帮助 HR 和用人经理高效完成简历筛选、JD 撰写、候选人背景调研和面试问题生成。本技能是无状态指南：每次都从用户提供的文件和需求开始。
根据用户输入判断进入哪个工作流：
| 信号 | 场景 |
|---|---|
| 拖入多份简历文件 + 提到筛选/匹配/评估 | → 简历批量筛选 |
| 要求写 JD / 岗位描述 / 招聘需求 | → JD 撰写 |
| 给出候选人姓名 + 公司/背景信息 | → 候选人公开调研 |
| 拖入简历 + 要求面试题/面试问题 | → 面试问题生成 |
| 不明确 | 主动询问用户意图 |
Read 解析 JD，提取硬性条件和加分项硬性条件（不满足直接降档）：
- 学历：本科及以上
- 工作年限：3 年以上
- 必需技能：React, TypeScript
加分项（满足加分）：
- 知名企业经验
- 开源贡献
- 相关领域论文/专利
确认以上标准？
对每份简历调用 Read → Read，提取结构化信息：
对于图片格式简历（.png/.jpg），尝试 OCR 识别；识别质量差时标注"建议提供 PDF/Word 版本"。
调用 Bash 计算匹配度：
分档：
同一候选人多份简历（不同版本）通过姓名 + 手机 + 邮箱去重，保留最新/最完整版本。
调用 Write 生成 HTML 报告：
汇总表（在前）：
| 排名 | 姓名 | 得分 | 档位 | 一句话理由 |
|---|---|---|---|---|
| 1 | 张*** | 85 | 推荐 | 3 年 React 经验，字节跳动背景，有开源项目 |
| 2 | 李*** | 72 | 推荐 | 技能匹配，项目经历丰富但学历偏低 |
| ... |
详细评估（在后，每人一节）：
调用 WriteMemory，namespace 用 resume_screening，保存本次使用的筛选标准，方便下次复用：
{ "position": "高级前端工程师", "criteria": {...}, "date": "2026-05-08" }
询问或从用户输入提取：
调用 SearchMemory，namespace 用 resume_screening，查找同岗位历史 JD 作为参考。
输出结构化 JD：
用户可要求多轮修改或切换风格。
需要用户提供：
调用 WebSearch + WebSearch：
每个来源标注 URL，找不到的不编造。
调用 Write：
Read 解析候选人简历按三个维度各 3-5 题：
技术深度题（基于简历技术栈）：
项目追问题（基于简历项目经历，STAR 框架）：
行为面试题：
输出为结构化文档，可直接打印给面试官使用。
本技能在 AIjia 桌面端运行。工具对应关系：读文件 Read、搜索 Grep / WebSearch、记忆 WriteMemory / SearchMemory、计算与导出 Bash（内置 Python：pandas/openpyxl 出 .xlsx、matplotlib 出图）、报告 Write + Edit（HTML）、PPT Skill（加载 html-ppt，桌面端无独立 PPTX 工具）。
生成报告 / 长文档必须逐节增量写、用 Edit 续写，禁止把整份内容作为单个 Write 一次性吐出——否则对话界面会长时间无响应、且易触发流式超时。