（10345期）afrexai-hiring-scorecard – 结构化招聘决策助手

结构化招聘决策助手 AfrexAI 出品的结构化招聘评分工具，通过六维加权模型消除主观偏见，帮助团队建立标准化、可量化的候选人评估流程。 使用说明 核心用法 Hiring Scorecard Skill 是一款面向招聘场景的结构化评估工具，旨在将主观直觉转化为可量化的决策依据。用户通过自然语言指令即可启动评分流程，例如"为后端工程师岗位评估候选人张三"或"对比三位候选人的综合表现"。 该技能采用六维评估框架：技术能力（25%）、相关经验（20%）、文化契合度（15%）、沟通能力（15%）、问题解决能力（15%）和成长潜力（10%）。每个维度按 1-5 分制打分，系统自动计算加权总分并生成排名对比。用户可根据岗位特性灵活调整权重，例如将技术能力权重提升至 40% 以匹配高级工程师招聘需求。 显著优点 决策客观化：通过预设权重和评分标准，有效抑制"光环效应"和"首因效应"等认知偏差，使不同面试官的评估结果具备可比性。 流程标准化：提供完整的 Markdown 评分卡模板，包含评分指南、备注栏和最终推荐意见，便于团队建立统一的招聘语言。 协作友好：支持多面试官独立评分后汇总对比，减少群体讨论中的从众压力，让数据驱动最终决策。 轻量无依赖：纯文档型设计，无需安装额外软件或配置复杂环境，即开即用。 潜在缺点与局限性 权重设定依赖经验：默认六维权重虽具普适性，但针对特定行业或岗位的优化仍需 HR 或用人主管具备足够的招聘经验。 评分主观性残留：1-5 分的量化评分仍需面试官主观判断，不同面试官对"4 分"的理解可能存在差异，需要校准培训。 缺乏历史数据沉淀：当前版本为单次评分工具，不支持跨周期候选人数据积累与趋势分析，难以追踪团队招聘标准的演变。 功能边界清晰：明确定位为辅助评分工具，不提供简历解析、面试安排、Offer 管理等端到端招聘流程支持。 适合的目标群体 初创至中型企业 HR 团队：需要快速建立规范化招聘流程，但无力采购昂贵 ATS 系统的组织。 技术团队负责人：希望用结构化方法评估工程师候选人，减少"聊得开心就招"的随意性。 招聘委员会成员：需要在多人面试后高效整合多方意见，形成可讨论的决策依据。 猎头与 RPO 服务商：向客户交付候选人时提供标准化评估报告，增强专业可信度。 使用风险 数据管理风险：评分卡以本地 Markdown 文件形式存在，若未纳入统一文档管理，可能导致候选人信息分散或泄露。 过度量化风险：用户可能误将加权总分作为唯一决策依据，忽视评分无法捕捉的软性因素（如价值观冲突、职业动机等）。 权重误用风险：不恰当的调整可能扭曲评估重点，例如过度强调技术能力而忽视团队协作需求，导致"高分低能"录用。 版本一致性风险：若团队成员使用不同版本的评分模板或自定义权重，跨候选人对比将失去意义，需建立内部使用规范。 原始说明 Objectively score and compare job candidates using customizable weighted criteria to support data-driven hiring decisions.