⚡

简历解析与筛选技能Skill resume-screening

简历解析与筛选技能是一款基于人工智能的HR工具，专注于智能简历解析、候选人技能匹配、自动化评分和减少招聘偏见。核心功能包括简历数据提取、技能差距分析、风险信号检测、标准化评估和多元化报告。适用于企业招聘、人才评估、简历筛选、HR自动化和公平招聘流程优化。

招聘面试 31 次安装 828 次浏览 更新于 2/25/2026
名称 resume-screening
描述 智能简历解析与候选人筛选，具备减少偏见的能力 allowed-tools: - Read - Write - Glob - Grep - Bash metadata: specialization: 人力资源 domain: 商业 category: 人才获取 skill-id: SK-002 dependencies: - NLP库 - 简历解析引擎 - 技能分类法

简历解析与筛选技能

概述

简历解析与筛选技能提供智能的简历分析和候选人评估能力。该技能通过标准化的评估方法，实现结构化数据提取、技能匹配、匹配度评分以及偏见减少。

能力

简历解析

  • 解析多种格式的简历（PDF、Word、文本）
  • 提取结构化数据（技能、经验、教育背景）
  • 标准化职位名称和公司名称
  • 处理国际格式和语言
  • 处理LinkedIn个人资料和作品集

技能匹配

  • 根据职位要求匹配候选人
  • 将候选人技能映射到岗位胜任力
  • 识别可转移技能
  • 计算技能差距分析
  • 建议发展领域

匹配度评分

  • 基于可配置标准计算匹配度分数
  • 权衡经验、技能与教育背景
  • 应用最低门槛过滤器
  • 生成比较排名
  • 提供分数解释

风险信号检测

  • 检测潜在风险信号（职业空白期、不一致性）
  • 标记任职时间问题
  • 识别职业轨迹问题
  • 注明证书验证需求
  • 发现信息不一致之处

候选人摘要

  • 为招聘经理生成候选人摘要
  • 创建比较矩阵
  • 突出优势和发展领域
  • 总结相关经验
  • 注明文化契合度指标

偏见减少

  • 通过标准化评估支持偏见减少
  • 为盲审移除身份信息
  • 应用一致的评分标准
  • 跟踪筛选过程中的群体模式
  • 生成多元化渠道报告

使用方法

简历解析

const parseConfig = {
  format: 'auto-detect',
  extractFields: [
    'contact',
    'experience',
    'education',
    'skills',
    'certifications'
  ],
  normalization: {
    titles: true,
    companies: true,
    skills: 'standard-taxonomy'
  },
  redFlagRules: {
    maxGapMonths: 12,
    minTenureMonths: 12,
    flagJobHopping: true
  }
};

候选人评分

const scoringCriteria = {
  jobRequirements: {
    requiredSkills: ['Python', 'SQL', 'Machine Learning'],
    preferredSkills: ['AWS', 'Spark', 'Docker'],
    minExperienceYears: 5,
    education: {
      required: 'Bachelors',
      preferredFields: ['Computer Science', 'Data Science']
    }
  },
  weights: {
    requiredSkills: 40,
    preferredSkills: 20,
    experience: 25,
    education: 15
  },
  thresholds: {
    autoAdvance: 80,
    review: 60,
    autoReject: 40
  }
};

流程集成

此技能与以下HR流程集成：

流程 集成点
full-cycle-recruiting.js 候选人筛选、排名
structured-interview-design.js 面试重点领域

最佳实践

  1. 标准一致：对所有候选人应用相同的评分标准
  2. 定期校准：审查评分结果的一致性
  3. 偏见监控：按群体跟踪结果
  4. 人工审核：将AI评分作为输入，而非最终决定
  5. 透明度：准备好解释评分依据
  6. 技能更新：定期更新技能分类法

指标与KPI

指标 描述 目标
筛选准确率 与面试表现的相关性 >0.7
单份简历筛选时间 分钟/简历 <5 分钟
不利影响 不同群体的分数分布 无显著差异
误报率 低匹配度候选人被推进 <15%
漏报率 高匹配度候选人被拒绝 <10%

相关技能

  • SK-001: ATS集成（候选人寻源）
  • SK-003: 面试问题（评估连续性）