Skip to content

LeoYeAI/agent-master-skills / skills/batch-resume-screener

batch-resume-screener

Verified

Batch screens multiple resumes against multiple job positions using strict evaluation rules from java-resume-screener skill. Invoke when user asks to batch screen resumes or evaluate multiple candidates against multiple job requirements.

FileKindSize
README.mdmarkdown7.3 KB
SKILL.mdskill md18.7 KB
_meta.jsonconfig296 B
step1_extract_resumes.pyscript2.4 KB
# Batch Resume Screener

批量简历初筛技能,支持多候选人、多岗位的自动化简历评估与筛选。

## 功能特点

- **批量处理**: 支持批量处理多份简历,评估多个岗位
- **多格式支持**: 支持 PDF、ZIP 压缩包等多种简历格式
- **七维度评分**: 学术背景、职业稳定性、技术栈能力、项目匹配、问题解决能力、学习能力、加分项
- **动态权重**: 根据岗位级别(初级/中级/高级)自动调整评分权重
- **硬性要求检查**: 学历、工作年限等硬性要求一票否决机制
- **置信度评分**: 每份评估结果包含置信度,标记需要人工复核的简历
- **多格式输出**: Markdown 报告、Excel 数据、对比表格、亮点摘要

## 使用方法

### 触发方式

当用户请求以下任务时,自动触发此技能:

- 批量筛选简历
- 评估多位候选人
- 处理简历 ZIP 包
- 针对多个岗位进行简历筛选

### 输入要求

1. **岗位要求文档**: 每个岗位一份要求文档
2. **简历文件**: 多份简历(PDF/DOC/DOCX)或包含简历的 ZIP 压缩包

### 示例用法

```
请帮我筛选这批简历,岗位要求如下:
1. Java高级工程师:5年以上Java开发经验,本科及以上学历
2. 后端开发工程师:3年以上开发经验

简历文件:resumes.zip
```

## 执行流程

```
┌─────────────────────────────────────────────────────────────┐
│  Step 1: 提取简历内容 (脚本)                                  │
│  - 解压 ZIP 文件(如有)                                      │
│  - 提取 PDF/DOC 文本内容                                      │
│  - 保存为 .txt 文件                                           │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│  Step 1.5: 预筛选 (AI直接)                                    │
│  - 关键词快速匹配                                             │
│  - 标记匹配级别 (high/medium/low)                             │
│  - 不拒绝候选人,仅标记参考                                    │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│  Step 2: 评估简历 (AI直接)                                    │
│  - 识别岗位级别                                               │
│  - 应用动态权重                                               │
│  - 硬性要求检查 + 七维度评分                                   │
│  - 生成置信度评分                                             │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│  Step 3: 汇总报告 (AI直接)                                    │
│  - 候选人排名                                                 │
│  - 多格式报告输出                                             │
│  - 面试建议                                                   │
└─────────────────────────────────────────────────────────────┘
```

## 评分体系

### 动态权重分配

| 评分维度 | 初级 | 中级 | 高级 |
|---------|------|------|------|
| 学术背景 | 15% | 10% | 5% |
| 职业稳定性 | 5% | 10% | 10% |
| 技术栈能力 | 15% | 15% | 15% |
| 项目匹配 | 20% | 25% | 25% |
| 问题解决能力 | 10% | 15% | 20% |
| 学习能力 | 20% | 15% | 10% |
| 加分项 | 15% | 10% | 15% |

### 硬性要求(一票否决)

- 学历门槛:是否满足岗位明确要求的最低学历
- 工作年限:是否满足岗位明确要求的最低年限
- 其他硬性要求:岗位明确标注"必须/不可或缺"的要求

### 总分评级参考

| 分数区间 | 评级 | 说明 |
|---------|------|------|
| 90-100 | 优秀候选人 | 远超岗位要求,核心维度表现突出 |
| 75-89 | 推荐面试 | 完全满足岗位要求,核心维度匹配度高 |
| 60-74 | 可备选 | 刚满足基本要求,有明显短板 |
| <60 | 不推荐 | 满足硬性门槛,但核心能力差距较大 |

## 输出格式

### 1. Markdown 综合报告

包含统计概览、候选人排名、通过/未通过汇总、低置信度候选人标记等。

### 2. Excel 就绪数据

CSV 格式,可直接导入 Excel 进行筛选和排序。

### 3. 候选人对比表

横向对比多位候选人的各维度得分。

### 4. 亮点摘要

为面试官提供的候选人核心优势和面试建议。

## 文件结构

```
batch-resume-screener/
├── SKILL.md                    # 技能定义文件
├── README.md                   # 本说明文件
└── step1_extract_resumes.py    # 简历文本提取脚本
```

## 依赖

- Python 3.x
- pdfplumber(PDF 文本提取)

安装依赖:
```bash
pip install pdfplumber
```

## 注意事项

- 所有评估仅基于简历文本内容,不做无根据假设
- 低置信度评估结果建议人工复核
- 评分严格遵循给定权重和评分规则
- 每位候选人推荐得分最高的岗位
# 使用效果
## 批量简历筛选完成!
我已完成对22份简历的批量筛选评估,以下是筛选结果摘要:

### 📊 筛选统计
项目 数量 总简历数 22份 推荐面试 4人 可备选评估 18人 未通过 0人

### ⭐ 推荐面试候选人(按分数排序)
|排名 |姓名 |工作年限 |加权总分 |核心亮点 |
|1| 韩xx| 6年| 80.35| AI项目经验(Langchain4j、Spring-AI)、项目组长经验、技术栈非常全面 |
|2| 魏xx| 17年| 78.05| 稳定性极佳(9年)、Spark源码修改经验、架构改造经验 |
|3| 陈xx| 5年| 75.45| AI项目经验、性能优化案例(7s→1.5s)、线上问题排查经验 |
|4| 史xx| 6年| 73.05| 技术栈全面、项目经验丰富、与岗位要求高度匹配|

### 📁 输出文件
评估结果已保存至:
- 详细评估JSON : evaluation_results.json
- 汇总报告 : 批量简历筛选报告.md
### 💡 重点推荐
韩xxx 是最匹配的候选人:

- 熟悉Langchain4j、Spring-AI、DeepSeek、YOLO等AI框架
- 有AI水质分析、智能代驾等AI相关项目经验
- 担任项目组长,有架构设计和团队管理能力
- 完全符合岗位"有AI、知识库项目优先"的要求
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 472kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 322kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 322kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 322kUpdated Claude CodeCodexVerifiedInstall