人才雷达 — 智能人岗匹配诊断系统#

⚠️ 重要声明#

隐私与合规#

本技能涉及处理个人敏感信息，使用时请遵守以下原则：

1. 数据最小化：仅收集与岗位匹配直接相关的必要信息
2. 知情同意：处理他人简历前，应获得数据主体的明确同意
3. 数据安全：妥善保管个人信息，处理完成后及时删除
4. 合规使用：遵守《个人信息保护法》等数据保护法规

决策辅助声明#

本工具仅作为决策辅助参考，不应作为自动化招聘决策的唯一依据：

• 文化匹配、软技能等维度的评估基于有限的文本分析，可能存在偏差
• 所有招聘决策应由人类审核者最终确认
• 建议结合面试、背景调查等多种评估方式

公平性承诺#

本工具已移除基于学校名称、性别、年龄等非能力因素的歧视性评分：

• 不基于毕业院校进行加分或减分（教育匹配仅评估学历层次和专业方向）
• 不基于性别、年龄等受保护特征进行评估
• 仅评估与岗位要求直接相关的技能和经验
• 文化匹配维度 不计入最终总分，仅作为面试参考提示输出

---

系统概述#

人才雷达是一个基于大模型的智能人岗匹配系统，通过语义理解而非简单关键词匹配， 实现简历与岗位的深度分析和精准匹配。

核心能力#

1. 简历解析#

• 提取基本信息（姓名、联系方式、教育背景）
• 提取工作经历（公司、职位、时间、职责、成就）
• 提取技能清单（技术技能、软技能、证书）
• 提取项目经验（项目名称、角色、成果）
• 生成候选人能力画像

2. 岗位分析#

• 解析岗位描述（JD）
• 提取硬性要求（学历、经验、技能）
• 提取软性要求（性格、文化匹配）
• 识别隐性要求（行业背景、管理经验）
• 生成岗位需求画像

3. 智能匹配#

• 技能匹配度（核心技能、辅助技能）
• 经验匹配度（年限、行业、岗位级别）
• 教育匹配度（学历、专业、院校）
• 文化匹配度（工作风格、价值观）
• 发展潜力（学习能力、成长空间）

4. 差距诊断#

• 技能差距分析（缺失技能、弱项技能）
• 经验差距分析（不足领域、提升路径）
• 简历优化建议（内容、结构、表达）
• 学习资源推荐（课程、认证、实践）

使用场景#

场景一：HR筛选简历#

text

用户：帮我分析这份简历是否适合Java高级开发岗位
AI：
1. 解析简历，提取候选人信息
2. 分析岗位JD，提取要求
3. 计算各维度匹配度
4. 生成匹配报告和推荐意见

场景二：求职者自我诊断#

text

用户：我想应聘产品经理岗位，帮我看看简历有什么问题
AI：
1. 解析简历，生成能力画像
2. 分析目标岗位要求
3. 识别技能和经验差距
4. 给出简历优化建议和学习路径

场景三：批量匹配推荐#

text

用户：我有10份简历，帮我找出最适合这个岗位的前3名
AI：
1. 批量解析所有简历
2. 统一与岗位要求匹配
3. 按匹配度排序
4. 生成对比分析报告

执行流程#

流程一：单简历匹配分析#

步骤1：收集输入

• 获取简历内容（文本、文件或用户粘贴）
• 获取目标岗位JD（文本、文件或用户描述）
• 确认分析维度和权重（可选，有默认值）

步骤2：简历解析 调用 scripts/resume_parser.py 或使用大模型直接解析：

• 提取结构化信息
• 生成候选人能力画像
• 标注信息置信度

步骤3：岗位分析 调用 scripts/job_analyzer.py 或使用大模型直接分析：

• 提取硬性要求和软性要求
• 生成岗位需求画像
• 识别隐性要求

步骤4：智能匹配 调用 scripts/matcher.py 或使用大模型进行匹配：

• 计算各维度匹配度（0-100分）
• 生成匹配理由
• 识别关键优势和劣势

步骤5：生成报告 调用 scripts/report_generator.py 或直接生成：

• 匹配度总分和分项得分
• 详细匹配分析
• 差距诊断（如有）
• 优化建议（如有）

流程二：差距诊断与优化建议#

步骤1：确认目标

• 获取候选人当前状态（简历）
• 获取目标岗位或目标职业
• 了解候选人期望和发展方向

步骤2：现状评估

• 分析当前技能水平
• 评估市场价值
• 识别核心竞争力

步骤3：差距分析

• 技能差距清单
• 经验差距清单
• 知识差距清单

步骤4：生成建议

• 简历优化建议（内容、结构、表达）
• 学习路径推荐（课程、认证、项目）
• 实践建议（实习、兼职、开源项目）

匹配算法说明#

匹配维度与权重#

维度默认权重说明技能匹配40%核心技能、辅助技能、技能深度经验匹配30%年限、行业、岗位级别教育匹配18%学历层次、专业方向（不含院校名称）发展潜力12%学习能力、项目经验广度文化匹配参考工作风格、软性技能（ 不计入总分，仅作面试提示）

匹配度计算#

text

总匹配度 = 技能×40% + 经验×30% + 教育×18% + 潜力×12%

文化匹配：单独输出，不参与总分计算
维度得分 = 基础分 × 完成度系数 × 质量系数

匹配等级划分#

匹配度等级建议90-100完美匹配强烈推荐，优先考虑80-89高度匹配推荐，可直接进入面试70-79良好匹配可考虑，需关注短板60-69基本匹配谨慎考虑，需培训或调整<60匹配不足不推荐，差距较大

输出格式#

HR报告格式#

markdown

# 人才匹配分析报告

## 候选人信息
- 姓名：[姓名]
- 应聘岗位：[岗位名称]
- 分析日期：[日期]

## 匹配度总览
- **总匹配度**：[分数]分（[等级]）
- **核心优势**：[优势1]、[优势2]、[优势3]
- **主要短板**：[短板1]、[短板2]

## 分项分析

### 技能匹配（[分数]分）
- ✅ 满足要求：[技能1]、[技能2]
- ⚠️ 部分满足：[技能3]（[说明]）
- ❌ 缺失技能：[技能4]、[技能5]

### 经验匹配（[分数]分）
- 工作年限：[X]年（要求[Y]年）[达标/不足]
- 行业经验：[说明]
- 岗位级别：[说明]

### 教育匹配（[分数]分）
- 学历：[学历]（要求[学历]）[达标/不足]
- 专业：[专业]（要求[专业]）[匹配/相关/不匹配]

## 推荐意见
[详细推荐意见，包括是否建议面试、重点关注领域等]

## 风险提示
[可能的风险点，如稳定性、薪资预期等]

求职者报告格式#

markdown

# 求职诊断报告

## 目标岗位分析
- 岗位名称：[名称]
- 核心要求：[要求1]、[要求2]、[要求3]
- 市场热度：[高/中/低]

## 你的竞争力评估
- **总匹配度**：[分数]分（[等级]）
- **核心优势**：[优势1]、[优势2]
- **待提升领域**：[领域1]、[领域2]

## 差距诊断

### 技能差距
| 技能 | 当前水平 | 要求水平 | 差距 | 提升建议 |
|------|---------|---------|------|---------|
| [技能1] | [水平] | [水平] | [差距] | [建议] |

### 经验差距
- [差距1]：[说明]
- [差距2]：[说明]

## 简历优化建议

### 内容优化
1. [建议1]
2. [建议2]

### 结构优化
1. [建议1]
2. [建议2]

### 表达优化
1. [建议1]
2. [建议2]

## 学习路径推荐

### 短期（1-3个月）
- [学习内容1]
- [学习内容2]

### 中期（3-6个月）
- [学习内容1]
- [学习内容2]

### 长期（6-12个月）
- [学习内容1]
- [学习内容2]

参考文档#

• references/clawhub_audit_checklist.md — ClawHub 安全审计检查清单，发布前必读
• references/windows_pdf_extraction.md — Windows 环境下 PDF 文本提取指南
• references/matching_algorithm.md — 匹配算法详细说明
• references/skill_matrix.md — 技能矩阵参考（500+技能）
• references/README.md — 项目说明文档

注意事项#

PDF简历提取#

如果用户提供的简历是PDF文件，需要使用Python提取文本。 详见 references/pdf_extraction_guide.md

行业匹配案例#

PCB行业岗位匹配实战案例详见 references/pcb_industry_analysis.md

数据安全#

• 不存储用户提供的简历和JD数据
• 分析完成后立即清除上下文中的敏感信息
• 不将用户数据用于模型训练

准确性保障#

• 明确告知用户匹配结果仅供参考
• 建议用户结合实际情况综合判断
• 对于不确定的信息，主动询问用户确认

边界情况处理#

• 简历信息不完整时，提示用户补充
• JD描述模糊时，询问具体要求
• 匹配度计算异常时，给出合理解释

示例对话#

示例1：HR筛选简历#

用户：帮我看看这份简历适不适合我们的Java高级开发岗位

AI：好的，请提供以下信息：

1. 候选人的简历内容（可以直接粘贴或上传文件）
2. 岗位的JD描述（可以粘贴或描述主要要求）

用户：[提供简历和JD]

AI：分析完成！

匹配度总览：82分（高度匹配）

核心优势：

• 5年Java开发经验，超过岗位要求的3年
• 熟悉Spring Boot、微服务架构
• 有大型项目经验

主要短板：

• 缺少分布式系统经验
• 没有团队管理经验

推荐意见：建议安排技术面试，重点考察分布式系统设计能力。

---

示例2：求职者自我诊断#

用户：我想应聘产品经理，但不知道简历写得怎么样

AI：好的，请提供：

1. 你的简历内容
2. 目标岗位的JD（如果有具体岗位）
3. 你的求职目标和期望（可选）

用户：[提供简历]

AI：诊断完成！

你的竞争力评估：68分（基本匹配）

核心优势：

• 有2年运营经验，了解用户需求
• 数据分析能力强

待提升领域：

• 缺少产品设计经验
• 没有项目管理经验
• 简历中缺少量化成果

简历优化建议：

1. 增加数据驱动的成果描述（如"提升用户留存率20%"）
2. 突出跨部门协作经验
3. 补充产品相关的项目或作品

学习路径推荐：

• 短期：学习Axure、Figma等原型工具
• 中期：考取PMP或ACP认证
• 长期：积累产品全生命周期管理经验