HR简历筛选助手

这个技能做什么

帮HR快速筛选简历：读取JD和简历 → AI匹配评分 → 输出分析报告+面试提问清单 → 自动存档。

核心能力：

• 单份/批量简历筛选
• 候选人去重（避免重复分析）
• 文件夹自动监控（新简历自动匹配JD）
• 多渠道输入输出（10种输入 × 8种输出）
• 自动创建候选人档案包

目录

• 快速开始
• 工作流程
• 配置管理
• 渠道适配器
• 候选人去重
• 文件夹自动监控
• 错误处理
• 数据安全

快速开始

第一次使用：

1. 安装依赖：python scripts/install_deps.py
2. 直接说"帮我筛选简历"，按引导完成2轮配置
3. 配置后不再询问，自动按偏好执行

日常使用：

• 单份："用产品经理JD筛选这份简历" + 上传文件
• 批量："用产品经理JD筛选简历库"
• 改配置：说"修改配置"
• 自动化："启用文件夹监控"

支持格式： PDF/Word(.docx)/Excel/图片/文本(.txt/.md)

工作流程

执行简历筛选时按以下步骤：

Step 0 — 检查配置

检查 config.json 是否存在。如果首次使用：

1. 介绍技能能力
2. 第一轮：收集存储位置（平台：本地/腾讯文档/金山文档/IMA）
3. 第二轮：收集偏好（输出格式、输入渠道、是否启用自动化）
4. 写入 config.json

如果已配置，直接执行，不再询问。

修改配置时说"修改配置"，会引导分类修改（输入/输出/存储/自动化）。

Step 1 — 获取JD

按用户提供的JD来源获取：

• 岗位名称 → 从JD知识库读取
• 文件 → scripts/file_parser.py 解析
• 文本 → 直接使用
• IMA知识库 → 搜索获取

Step 2 — 获取并解析简历

用 scripts/file_parser.py 解析简历文件。

Step 3 — 候选人去重

用 scripts/candidate_registry.py 检查候选人是否已有分析记录：

• 姓名/手机号/邮箱任一匹配即视为同一人
• 找到记录：展示历史并询问（查看历史/重新分析/跳过）
• 未找到：继续分析

Step 4 — AI匹配分析

使用 references/resume_analysis_prompt.md 模板，填充JD和简历内容后提交AI分析。

Step 5 — 创建候选人档案包 ⭐ 必须执行

根据 config.json 中的 storage_platform 决定存储位置：

档案结构：

候选人档案库/候选人姓名-YYYYMMDD/
├── 01_原始简历.[格式]
├── 02_匹配分析报告.md   （按 references/candidate_report_template.md）
└── 03_面试提问清单.md   （按 references/interview_template.md）

存储平台处理：

• local → 本地文件系统
• tencent_docs → 用 tencent-docs Skill MCP 工具
• kdocs → 用 kdocs Skill MCP 工具
• ima → 用 ima-skills Skill

Step 6 — 输出结果

按 config.json 中的 preferred_output_channels 逐一输出，不询问。

支持的输出渠道：chat/json/excel/word/kdocs/tencent_docs/wechat_push/api_output。

配置管理

所有配置存储在 config.json（由 scripts/user_config.py 管理）。

核心配置项：

配置生效规则：

• 每个配置项独立生效，以最后一次修改为准
• 未改的保持不变
• 修改立即写入 config.json 并生效

渠道适配器

所有输入/输出通过统一渠道适配器（scripts/channels/）处理：

输入渠道（10种）：

local_file / text / local_kb / ima / user_file / dialog / folder_monitor / api_input / wecom_trigger / web_scraper(存根)

输出渠道（8种）：

chat / json / excel / word / kdocs / tencent_docs / wechat_push / api_output

使用方式：

from scripts.channels import get_channel_manager
manager = get_channel_manager()
result = manager.get_input("local_file").fetch(source="path/to/resume.pdf")
manager.get_output("excel").export(results=[...], output_path="report.xlsx")

候选人去重

使用 scripts/candidate_registry.py 管理候选人注册表。

三个维度匹配（任一命中即为同一人）：

• 姓名完全匹配
• 手机号完全匹配
• 邮箱完全匹配（不区分大小写）

注册表存储在 candidate_registry.json，API：

• registry.find_candidate_with_field(name, phone, email) — 查找
• registry.register(name, phone, email, source_file) — 注册
• registry.add_analysis(candidate_id, jd_name, score, report_path) — 记录分析
• registry.get_history(candidate_id) — 查看历史

自动化模式下重复简历直接跳过。

文件夹自动监控

启用后定时检查简历库，新简历自动匹配JD。

启用流程：

1. 询问是否启用
2. 选择匹配的JD（从知识库列出）
3. 选择检查间隔（每小时/每4小时/每天）
4. 用 automation_update 工具创建定时任务

rrule 对应：

• 每小时 → FREQ=HOURLY
• 每4小时 → FREQ=HOURLY;INTERVAL=4
• 每天 → FREQ=DAILY

查询状态：

from scripts.folder_watcher import FolderWatcher
status = FolderWatcher().get_status()

错误处理

数据安全

• 简历和分析结果保存在用户配置的文档平台
• JD知识库和候选人档案库均在用户自己的账号下
• 本地简历文件不上传服务器
• 存储位置以 config.json 最新配置为准

示例

单份筛选：

> 用户：用产品经理JD筛选这份简历 [上传 resume.pdf]

> 助手：解析JD→解析简历→去重→AI分析→输出结果→创建档案包

批量筛选：

> 用户：用产品经理JD筛选简历库

> 助手：扫描目录→逐一分析→每份创建档案包→汇总输出

去重提示：

> 助手：检测到候选人「张三」已有3份分析记录：[展示历史]

> 请选择：查看历史 / 重新分析 / 跳过