| name | AnonyHire |
| description | 【必要前置步驟 — 所有履歷分析的隱私閘門】
只要 session 中出現以下任一情境，必須先完成 AnonyHire 脫敏流程，再進行任何分析： - 使用者提供履歷 PDF、履歷檔案、或候選人資料 - 呼叫任何招募分析工具（如：評分、篩選、比對工具等） - 提到「候選人」、「應徵者」、「履歷」、「篩選」、「評分」、「面試」
未完成脫敏前，禁止對履歷進行任何評分、比較或分析。 本 Skill 是企業倫理招募的隱私防火牆，具備中英雙語 PII 遮蔽、物理黑條 PDF 產出、公平性稽核與自動學習能力。
**【隱私防護協議 (Privacy Protocol)】** 為了在同一對話中安全運作，AI 必須嚴格遵守： 1. **禁止讀取對照表**：絕對禁止開啟或讀取 `masked/vault_*.json` 內容。 2. **環境隔離**：分析分析報告時，僅能根據「脫敏後的 PDF」進行。 3. **拒絕還原**：禁止試圖利用上下文資訊還原候選人真實姓名或其他 PII。
|
| allowed-tools | ["Bash(python scripts/pii_mask.py *)","Bash(python scripts/pii_audit.py *)","Bash(python scripts/self_improve.py *)"] |
AnonyHire Skill (AI Protocol)
本 Skill 是所有招募 AI 的必要前置閘門。在同一 session 內，任何履歷分析、候選人評分、或招募決策工具執行前，必須先完成本 Skill 的脫敏流程。
本 Skill 不直接進行評分，而是確保後續所有 AI 行為都在去識別化、去偏見的基礎上進行。
設定
所有路徑皆相對於 skill 根目錄（~/.claude/skills/anonyhire/）：
rules/masking_rules.md 遮蔽規則（Regex + 遮蔽清單）
rules/fairness_principles.md 公平性稽核原則
scripts/pii_mask.py 遮蔽核心 (Masking Engine)
scripts/pii_audit.py 稽核協調器 (Audit Coordinator)
reports/projects/ 候選人倫理審核證書存檔
reports/summary_YYYY-MM-DD.md 每日治理彙整報告
masked/ 物理遮蔽 PDF + vault JSON
工作流程
Step 0 — 閘門確認 (Gate Check)
每次 session 中首次遇到履歷或候選人資料時，必須執行此步驟。
- 確認使用者提供的是原始履歷（PDF 或候選人資料）
- 詢問使用者：「您目前使用的是哪一個招募分析工具？」
- 工具授權確認：比對
rules/authorized_tools.md。
- 若工具未經授權：提供**【合規提示】**：「資訊：此工具未在預設授權名單中。為了確保招募流程的一致性與合規記錄，本次使用將標註於治理日誌中。建議後續與管理部門確認。」並紀錄該工具名稱後繼續執行。
- 若工具已授權：告知使用者：「AnonyHire 隱私閘門已啟動，專案 ID：[ID]」，繼續下一步。
- 執行 Step 1 脫敏，產出
masked/audit_ready_*.pdf
- 後續所有分析 AI 工具僅接收脫敏後的輸出
若使用者試圖跳過此步驟直接分析原始履歷，應提醒：
「根據 AnonyHire 倫理招募規範，需先完成脫敏與工具授權確認。這是確保招募公平性與個資安全的核心防護機制。」
Step 1 — 物理脫敏 (Masking)
PDF 模式（推薦）：
python scripts/pii_mask.py --pdf real/<file>.pdf --name <主要姓名> [--ename <英文名>] [--cname <額外中文名>]
批次模式（資料夾內所有 PDF）：
python scripts/pii_mask.py --batch real/
產出：
masked/audit_ready_<name>.pdf — 物理黑條 PDF（無法還原，用於 Step 2 分析）masked/vault_<id>.json — Token ↔ 原始值對照（僅本機，嚴禁外傳）
保證遮蔽項目（含包容性設計）：
- 年齡、性別（含多樣性性別特徵）、民國年次、出生日期
- Email、電話、地址、身分證字號
- 所有年份 (1900–2099) →
[YEAR_REDACTED]
備援機制：
- PDF 提取：PyMuPDF → pdfminer.six（CID 字型自動切換，適用各式 CID 字型 PDF）
- 中文姓名：
--cname 明確指定 或 detect_chinese_name.py 自動偵測
Step 2 — 外部 AI 分析（隔離分析）
使用 Step 1 產出的 masked/audit_ready_<file>.pdf 進行分析，確保分析過程中僅接觸脫敏後的資訊。
分析時可附上 reports/feedback_for_ai.md（若已存在）作為補充指令，包含歷史違規的強化提示。
Step 3 — 倫理稽核 (Audit)
python scripts/pii_audit.py <candidate_id> <analysis_output.txt> --tool "<tool_name>"
稽核與報告產出：
- Privacy Audit：偵測 AI 報告中是否洩漏真實個資。
- Fairness Audit：偵測內容是否含偏見關鍵字或違反國際合規標準 (EU AI Act/EEOC)。
- 個案報告：於
reports/projects/<PID>/<CID>/CERTIFICATE.md 產出**「倫理審核證書」**。
- 治理日誌：結果追加至
reports/violations_log.json。
Step 4 — 治理彙整 + 自我優化
python scripts/self_improve.py
功能：
- 產出
reports/summary_YYYY-MM-DD.md 每日彙整報告與人工審查清單。
- 產出
reports/feedback_for_ai.md 下次分析的補強指令。
- 自動學習：將漏網個資自動補入
rules/masking_rules.md。
報告格式
CERTIFICATE.md — 每位候選人的合規證明，用於招募檔案留存。summary_YYYY-MM-DD.md — 治理儀表板，供 HR 與合規官進行人工覆核。
稽核狀態說明：
PASS — 完美狀態。WARN — 疑似代理偏見或敏感詞，需人工確認。FAIL — 嚴重違反隱私或公平性，需重新分析。ERROR — 稽核執行失敗。
規則維護
編輯 rules/masking_rules.md 可擴充遮蔽清單 (Masking List)。
編輯 rules/fairness_principles.md 可調整公平性稽核標準與參照法規。
注意事項
- 物理遮蔽 PDF 已移除底層文字流，無法透過選取或 OCR 還原。
- Vault 檔案僅供本機稽核使用，嚴禁上傳或傳入任何 AI 系統。
- AI 必須遵守「隱私防護協議」，嚴禁在分析階段讀取
masked/vault_*.json。
self_improve.py 的自動學習會累積至 violations_log.json，重新執行不會重置歷史記錄。
授權協議 (License)
本專案採用 MIT License 授權。
