| name | html-report |
| description | 生成美观的简历筛选 HTML 报告。接受 resume-screener 输出的 screening_results.json，渲染候选人排名、5 维度评分进度条、评分依据、行动建议。
**本 Skill 不是工作流入口**。通用智能体应只通过
[boss-hr-auto](../boss-hr-auto/SKILL.md) → 统一 CLI `boss-hr report` 调用。
本文档保留作为：HTML 报告渲染实现参考 / 模板说明 / 内部脚本接口文档。
**唯一方案**：通用 schema 渲染 + LLM 自由填写的 highlights/concerns/advice 直接展示。任意岗位通用。
|
HTML 报告生成（统一方案）
设计核心
- 通用 schema：接受
resume-screener/scripts/score_resumes.py 输出的 screening_results.json，任意岗位都能用
- LLM 自由填写：candidates[].highlights / concerns / actions[].{background, action, strengths} 由 LLM 决定内容，脚本只负责渲染
- 字段鲁棒：所有字段
.get() 处理，缺失自动跳过
- 视觉风格：黑蓝渐变 header + 玻璃质感 meta-item + 三色 stat-card 配色
核心不变量（不要修改）
| 项 | 值 |
|---|
| 输入文件 | screening_results.json（由 score_resumes.py 产出） |
| 输出文件 | *.html（自包含单文件，无外部依赖） |
| 字体栈 | Inter, "PingFang SC", "Microsoft YaHei" |
| 主色（header） | linear-gradient(135deg, #1a1a2e, #16213e, #0f3460) |
| 背景色 | #f5f7fa |
| 卡片圆角 | border-radius: 12px |
| Tier 颜色 | 推荐 #059669（绿）/ 待定 #d97706（黄）/ 不推荐 #dc2626（红） |
| 进度条颜色 | ≥70% 绿 / 50-69% 黄 / <50% 红 |
工具脚本
scripts/generate_html_report.py（唯一渲染脚本）
工具函数（agent 可直接 import）：
| 函数 | 作用 |
|---|
render(data: dict) → str | 输入 screening_results.json 数据，输出 HTML 字符串 |
bar_color(pct) → str | 根据百分比返回进度条颜色（绿/黄/红） |
tier_badge(tier) → str | 根据 tier 返回徽章 HTML |
render_candidate(c, labels, rank) → str | 渲染单个候选人卡片 |
render_action(name, score, body) → str | 渲染单个行动建议行 |
CLI：
python generate_html_report.py \
--input <screening_results.json> \
--output <report.html> \
--job-name "<岗位名>" \
--encrypt-job-id "<BOSS 的 encryptJobId>" \
--run-id <run_id>
🚨 新接口必传 --encrypt-job-id：与 Step 1/2/3 保持一致。也可以设 env BOSS_HR_ENCRYPT_JOB_ID 作为 fallback。
兼容模式：如果不传，脚本会从 --input 路径里反推 job_name（旧中文目录）作为兜底，但新设计必须显式传，避免与新 job 混目录。
templates/report.html（HTML 模板）
Jinja2 风格模板占位符。当前未使用（脚本直接生成自包含 HTML），保留作为参考。
完整工作流
boss-recommend-downloader/scripts/run_all.py
list + download 串起来
→ 输出 runs/<run_id>/process/{recommend_geek_ids,new_resumes,failed_resumes,run_summary}.json
↓
resume-screener/scripts/score_resumes.py
LLM 评 4 维度（exp/skill/proj/major）
+ school_tier 强制覆盖 edu
+ 公式重算 total
+ 判定 tier
→ 输出 runs/<run_id>/process/screening_results.json
↓
html-report/scripts/generate_html_report.py
读取 screening_results.json
→ 输出 runs/<run_id>/<run_id>_<岗位名>_简历筛选报告.html（自包含）
↑ 文件名含 run_id，永不覆盖历史报告
↑ 头部展示 run-badge：🆔 run_id: <run_id> | 🕐 生成时间: ...
↓
preview_url 在 IDE 内置浏览器打开
工作区路径约定（新设计 · 2026-07-29+）
所有数据统一存放在 ~/Desktop/boss-hr-output/<encryptJobId>/ 下，目录名直接用 BOSS 的 encryptJobId（不再用中文岗位名）。job_name 仅作为 jobs.json 里的可读元数据。
~/Desktop/boss-hr-output/
├── jobs.json # JobRegistry：encryptJobId → {name, company}
└── <encryptJobId>/
├── state/ # 跨 run 保留
└── runs/<run_id>/ # 一次筛选任务
├── <run_id>_screening_report.html ← 本 skill 输出
└── process/
├── screening_results.json ← 本 skill 读取
└── ...
路径选择集中在 shared/output_manager.JobOutputManager——CLI 脚本只接收并透传 --encrypt-job-id，不参与路径拼接。
| Step | Skill | 脚本 | 输出文件 |
|---|
| 1 | boss-job-detail | boss_jd.py | runs/<run_id>/process/job_detail.json |
| 2B | boss-recommend-downloader | run_all.py | runs/<run_id>/process/{recommend_geek_ids,new_resumes,failed_resumes,run_summary}.json |
| 3 | resume-screener | LLM agent | runs/<run_id>/process/_llm_scores.json |
| 3 | resume-screener | score_resumes.py | runs/<run_id>/process/screening_results.json |
| 4 | html-report | generate_html_report.py | runs/<run_id>/<run_id>_<岗位名>_简历筛选报告.html |
上游脚本（Step 1 / 2）已自动写入工作区，下游脚本（Step 3 / 4）通过 --input/--output 读取工作区。
JobOutputManager 提供的标准路径属性：jd_path / recommend_geek_ids_path / new_resumes_path / screening_results_path / report_path / run_summary_path。
同一 run 必须传同一个 --run-id 给所有脚本，产物才落在同一个 runs/<run_id>/。
输入 schema（screening_results.json）
必填字段（缺失会报错）：
{
"job_name": "车架工程师",
"summary": {"total": 32, "recommend": 0, "pending": 2, "reject": 30},
"candidates": [
{
"rank": 1,
"name": "陈瀚",
"tier": "待定",
"total": 69.8,
"dimensions": [
{"pct": 62, "weighted": 15.5, "weight": 25
可选字段（缺失自动跳过对应渲染块）：
| 字段 | 渲染位置 |
|---|
meta.title / meta.subtitle | header 标题/副标题 |
meta.job.{company,location,salary,experience_required,degree_required} | meta-grid 卡片 |
meta.type_judgment.{type,reason} | 元信息栏（岗位类型） |
meta.core_requirements | 核心要求列表 |
dimension_labels | 进度条维度名（默认 ["学历","工作经验","专业技能","项目经历","专业匹配"]） |
candidates[].school | 候选人卡片学校 |
candidates[].work_years | 候选人卡片工作年限 |
candidates[].current_role | 候选人卡片当前岗位 |
candidates[].hard_pass / hard_reason | 硬门槛标签（一般不出现） |
candidates[].dimensions[].reason | 评分依据列表 |
candidates[].highlights | 候选人亮点列表 |
candidates[].concerns | 候选人顾虑列表 |
actions.recommend[] | 推荐面试清单 |
actions.pending[] | 待沟通确认清单 |
actions.reject[] | 不推荐清单 |
视觉规范
排版结构（5 段式）
- Header — 渐变色（
#1a1a2e → #16213e → #0f3460），标题 + subtitle + meta-grid（岗位名称/薪资/地点/候选人总数）
- 筛选总览 — 4 张 stat-card（蓝/绿/黄/红），分别显示总数/推荐/待定/不推荐
- 排名表格 — 5 维度列（学历 25% / 经验 30% / 技能 25% / 项目 15% / 专业 5%）
- 候选人详情 — 每候选人一张卡片：基础信息 + 5 维度进度条 + 评分依据列表 + 亮点/顾虑
- 行动建议 — 三段式（✅ 推荐 / 📌 待沟通 / ❌ 不推荐），每段按 actions 字段渲染
配色规则
| 元素 | 颜色 | 触发条件 |
|---|
| Tier 徽章 - 推荐 | #059669 绿底 | total ≥ 70 |
| Tier 徽章 - 待定 | #d97706 黄底 | 60 ≤ total < 70 |
| Tier 徽章 - 不推荐 | #dc2626 红底 | total < 60 |
| 进度条 - 高 | #059669 绿 | pct ≥ 70 |
| 进度条 - 中 | #d97706 黄 | 50 ≤ pct < 70 |
| 进度条 - 低 | #dc2626 红 | pct < 50 |
容器尺寸
- 最大宽度：1200px
- 卡片 padding：28px
- meta-item padding：12px 16px
- 进度条高度：4px（细圆角）
- 字体标题：28px / 副标题 14px / 标签 11px（大写）/ 数值 16px
关键设计决策
为什么用通用 schema（不用字段硬编码）
- 旧
generate_report.py 字段名写死（edu_pct / exp_pct / skill_pct / ...）
- 任何字段增减都要改 HTML 模板，改一处坏一片
- 新通用模板只读
dimensions[] 数组，任意数量、任意顺序的维度都能渲染
- 加新维度（如"语言能力"）只需在
WEIGHTS 加一行 + LLM 评分，HTML 不用动
为什么 LLM 自由填写 highlights/concerns/advice（不用 if/else 模板）
- 旧
generate_report.py 行动建议用 if/else 模板拼接
- 所有"待定"候选人的建议长得几乎一样（"3 年经验 + 软件能力 + 需确认设计能力"）
- 旧版字段写死会 KeyError 崩溃
- 新方案让 LLM 在评 4 维度时一起写好 highlights / concerns / advice
- 脚本只负责渲染，不强制格式
为什么字段全部 .get() 处理
- screening_results.json 字段可能缺失（不同 JD / 不同 LLM 输出风格不同）
- 缺失字段自动跳过对应渲染块，不报错
- 旧版本字段写死会 KeyError 崩溃
为什么 templates/report.html 当前不用
- 旧模板用 Jinja2 占位符，需要额外的模板引擎依赖
- 新方案直接 Python f-string 拼字符串，零依赖
- templates/ 目录保留作为参考，不删除
CLI 调用示例
python generate_html_report.py \
--job-name "线控底盘制动、转向工程师" \
--encrypt-job-id "9a7759badfd95d350nFz3d-_F1NX" \
--run-id "2026-07-29_150915"
输出：
HTML 报告已生成: .../9a7759badfd95d350nFz3d-_F1NX/runs/2026-07-29_150915/2026-07-29_150915_screening_report.html
文件大小: 25314 字节
候选人: 5 人
关键变化：输出文件名包含 run_id，永不会覆盖历史报告。报告头部展示 run-badge（🆔 run_id + 🕐 生成时间），方便区分同一岗位的多次筛选结果。
若希望脚本自动从 JobOutputManager.report_path 拼路径，run_id 不传则使用默认值。
注意事项
- 输入文件必须是
resume-screener 产出的 screening_results.json，不要手工构造
- tier 字段值必须是
推荐 / 待定 / 不推荐 之一（脚本硬编码匹配）
- dimensions 数组按
score_resumes.py 的固定顺序输出：edu / exp / skill / proj / major
- 候选人按 rank 升序展示（rank=1 在最前）
- HTML 是自包含单文件，所有 CSS 内联，无外部依赖，可直接邮件发送或打印
