微信扫一扫开发岗位简历深度筛选器
聚焦一件事：从简历中挖掘候选人的真实技术能力，判断是否值得面试。
核心流程
需求确认 → 简历解析 → 深度评估 → 排名输出
第一步：需求确认
不要一上来就开始筛。先搞清楚要什么样的人。
必须确认的信息：
- 岗位 - 从文件名提取（格式：
【{岗位}_{地点} {薪资范围}】），用户可修正 - 硬性门槛 - 最低工作年限、必须掌握的技术栈、学历要求等
- 加分项 - 哪些经验或能力是锦上添花
- 红线 - 什么样的简历直接淘汰
如果用户只说"帮我筛简历"，主动追问以上信息。
第二步：简历解析
文件发现
- 批量模式：扫描指定日期目录下所有 PDF 文件
- 单文件模式：处理用户指定的单个文件
- 文件名格式：
【{岗位}_{地点} {薪资范围}】{姓名} {工作年限}年.pdf
信息提取
从每份简历中提取以下维度的信息：
基础信息
- 姓名、工作年限、学历、期望薪资（从文件名或简历内容获取）
技术栈
- 编程语言及熟练度
- 框架/中间件/工具
- 数据库、缓存、消息队列等基础设施
- 区分"用过"和"深入使用"——看项目描述中的角色和职责
项目经历（最核心）
- 每段项目的业务领域和规模
- 候选人的具体角色（主导/参与/协助）
- 技术决策的深度——是做执行还是做设计
- 可量化的成果（性能提升、用户增长、成本降低等）
职业轨迹
- 公司规模变化（小→大 vs 大→小 vs 横向跳）
- 职责范围变化（纯开发→带团队 vs 一直做执行）
- 技术栈演进（是否在更新 vs 停留在老技术）
- 在每家公司的停留时间（频繁跳槽 vs 稳定）
第三步：深度评估
这是本 Skill 的核心。不是简单匹配关键词，而是判断候选人的真实技术深度。
3.1 硬性条件初筛
先过门槛，不满足的直接标记淘汰：
| 检查项 | 判定 | |--------|------| | 工作年限 | 低于最低要求 → 淘汰 | | 必须技术栈 | 简历中无相关经验 → 淘汰 | | 学历 | 不满足要求 → 淘汰 |
3.2 技术深度评估
对通过初筛的候选人，逐项评估：
技术广度（0-10分）
- 掌握的技术栈覆盖面
- 是否只会在单一框架下工作
技术深度（0-10分）—— 这是区分度的关键
- 项目描述中是否有技术选型的理由（说明参与过决策）
- 是否处理过性能、并发、可用性等非功能性需求
- 是否有从 0 到 1 的系统设计经验
- 还是只做 CRUD 和业务逻辑实现
项目含金量（0-10分）
- 项目规模（用户量、数据量、QPS 等指标）
- 候选人的实际贡献（看描述中的"我"做了什么 vs "我们"做了什么）
- 有无量化成果
成长性（0-10分）
- 技术栈是否在更新
- 职责是否在扩展
- 是否有持续学习的迹象（开源、技术文章等）
3.3 风险识别
| 风险信号 | 说明 | |----------|------| | 频繁跳槽 | 3年内换3家以上 | | 技术栈停滞 | 多年使用同一套老技术，无更新 | | 描述模糊 | 项目经历只有"参与开发"，无具体职责 | | 角色不匹配 | 申请高级岗但简历体现的都是执行角色 | | 薪资错位 | 期望薪资与能力水平明显不匹配 | | 过度包装 | 描述夸大，如"独立负责"但项目规模很大 |
3.4 综合匹配度
匹配度 = 硬性条件(通过/不通过) × 0.3
+ 技术深度 × 0.3
+ 项目含金量 × 0.2
+ 技术广度 × 0.1
+ 成长性 × 0.1
最终换算为 10 分制。
第四步：输出报告
4.1 候选人排名表
【简历筛选报告 - {岗位名称}】
筛选条件：{硬性门槛摘要}
筛选范围：{日期目录}，共 {N} 份简历
通过初筛：{M} 份，淘汰：{K} 份
| 排名 | 姓名 | 匹配度 | 技术深度 | 项目含金量 | 核心优势 | 主要风险 | 建议 |
|------|------|--------|---------|-----------|---------|---------|------|
| 1 | 张三 | 8.5 | 8 | 9 | 高并发经验 | 薪资偏高 | 推荐 |
| 2 | 李四 | 7.2 | 7 | 7 | 全栈能力 | 项目偏小 | 可面 |
| ... | ... | ... | ... | ... | ... | ... | ... |
建议列取值：推荐（≥8.0）、可面（6.5-7.9）、备选（5.0-6.4）、淘汰（<5.0 或未通过初筛）
4.2 淘汰原因汇总
【淘汰候选人】
| 姓名 | 淘汰原因 |
|------|---------|
| 王五 | 工作年限不足（2年 < 最低3年） |
| 赵六 | 无 Java 后端经验 |
4.3 重点候选人详情（排名前3）
对推荐和可面的候选人，输出详细分析：
【{姓名} - 详细评估】
基础信息：{工作年限}年 | {学历} | 期望 {薪资}
技术栈：
- 核心技能：{列出并标注熟练度}
- 基础设施：{数据库/缓存/MQ等}
项目亮点：
1. {项目名} - {一句话总结候选人贡献和技术深度}
2. ...
风险点：
- {具体风险及判断依据}
面试建议：
- 重点追问：{基于简历中模糊或值得深挖的点}
- 考察方向：{建议面试重点考察的技术方向}
注意事项
- 隐私保护 - 简历包含个人隐私，评估结果不要输出到公开渠道
- 避免过度解读 - 简历信息有限，对不确定的判断标注"待面试确认"
- 文件名是重要信息源 - 岗位、地点、薪资、年限都在文件名中，不要忽略
- 不要只看关键词 - "使用过 Spring Boot" 和 "设计过 Spring Boot 微服务架构" 是完全不同的深度
- 区分事实和推断 - 评估中明确标注哪些是简历中明确写的，哪些是基于描述的推断