（13912期）HRClaw JD & Resume Scorecard – JD简历智能评分，招聘决策一键生成

JD简历智能评分，招聘决策一键生成 将JD和PDF简历转化为结构化招聘决策与面试问题，支持飞书/钉钉格式输出，提升大批量招聘筛选效率。 使用说明 核心用法 JD Scorecard Skill 是一个面向HR和招聘团队的智能化简历筛选工具，专注于将非结构化的职位描述（JD）和候选人简历转化为标准化的评分决策。该工具采用双流程设计： 流程一：JD→评分卡生成 解析职位描述，提取角色标题、核心职责、硬性门槛（学历/经验/技能）、加分项、排除项 自动生成带权重的多维度评分框架，包含阈值设定 输出结构化面试问题（5-10题），聚焦实际工作能力验证 标注红旗信号（red flags），帮助快速识别风险候选人 流程二：简历评分 支持PDF简历文本提取（含OCR失败检测机制） 将候选人信息标准化为统一画像（姓名、地点、经验年限、学历、当前职位、技能标签等） 严格依据评分卡进行多维度打分，输出量化总分与录用建议（通过/拒绝/待定） 生成匹配/缺失/排除项清单及证据链，确保决策透明可追溯 显著优点 标准化与一致性：消除人工筛选的主观差异，确保同一岗位所有候选人在统一标尺下评估 效率优化：特别适合高并发招聘场景（如QA、Python开发、运营岗位批量筛选），显著缩短初筛周期 协作友好：原生支持飞书/钉钉聊天场景输出格式，便于团队内部快速同步与讨论 决策可解释：每项评分均附带证据来源，降低招聘偏见风险 潜在局限 文本依赖：对JD和简历的文本质量要求较高，图像型PDF需OCR支持 隐性判断盲区：仅能识别显性信息，无法评估软性素质（如文化契合度、抗压能力）除非JD明确定义 单一岗位限制：每张评分卡仅对应一个核心角色，复合型岗位需拆分为多个卡片 边界模糊处理：当JD表述含糊时，系统采用「假设标注」而非自动推断，可能增加人工复核工作量 适合人群 负责技术类岗位（Python/QA/运维）大批量招聘的HR专员 需要建立统一用人标准的成长型团队 依赖飞书/钉钉进行招聘协作的互联网/科技型企业 常规风险 过度筛选：权重设置不当可能导致优质候选人因硬性门槛被误筛 证据误读：系统严格依据文本证据评分，若简历表述不规范可能产生偏差 OCR失败场景：扫描版PDF无法提取文本时需人工介入，存在流程中断风险 原始说明 Turn job descriptions and PDF resumes into structured hiring decisions, interview questions, and Feishu/DingTalk-friendly output.