---
name: resume-review
description: >
  简历评估：用户丢来简历文件（PDF/图片/文本，单份或一批，常见于猎头推荐、内推、
  候选人主动投递），说"帮我看看这份简历"、"review 一下这几位"、"这人符合 XX 岗要求吗"、
  "按最新标准评一下"时使用；也处理回查（"XX 的评级是啥"）。按工作区 CONTEXT.md 的
  现行标准评估，落面试档案、更新台账。区别于 recruit-daily（平台上的增量初筛），
  本 skill 处理平台之外送到你手上的简历。
---

# 简历评估（单份深评 / 批量 review）

平台之外送到你手上的简历——猎头推的、朋友内推的、候选人直投的——用和每日初筛**同一套标准**评估，
评完落进同一套台账和档案，不另立体系。

## 标准来源（每次现读，永不缓存）

**评估标准永远从工作区 `CONTEXT.md` 现读**——标准在动态演进，用户说"按新规评"指的就是它的最新版。
重点读：「初筛硬规则」「招聘底层方法论」+ `01-jd/<岗位>.md`（硬性要求）+ `01-jd/_internal/<岗位>.md`（命脉与排除信号）。

**本文档不写任何标准数字。** 用户当场口述新标准可以用，但评完提醒：要不要写回 CONTEXT/JD 沉淀？
不沉淀，下次评估就还是旧标准。

对应岗位还没梳理过（JD 和硬规则都是空的）→ 先走 `skills/recruit-grill/SKILL.md`，没有标准的评估是白评。

## 流程

1. **解析输入**。岗位从文件名/用户话推断（猎头简历常见命名 `【岗位_城市 薪资】姓名 年限.pdf`，能解析就省一步），
   不确定就问一句。PDF/图片用对应读取能力取全文。
2. **收集他人初评**：用户常附带同事/用人经理意见（聊天记录粘贴、口头转述）——纳入分析，并在档案中注明来源，
   与自己的判断做交叉对照，不直接照抄。
3. **逐份评估**，每人输出固定结构：
   - 基本信息一行（年龄/学历/年限/期望薪资/城市）
   - **硬规则过滤**：逐条对照 CONTEXT 硬规则，任一命中直接给结论，不再展开长篇分析
   - ✅ 达标项：项目经历与岗位命脉/硬性要求的重合点（**引用简历原文佐证**，不凭感觉）
   - ❌ 不匹配项：硬伤放最前
   - 风险点：跳槽频率、经历断档、方向漂移、薪资倒挂、短任期贴金
   - 他人意见与交叉判断（如有）
   - **评级** ⭐~⭐⭐⭐（与台账同一套语义）+ 一句话结论先行 + 建议动作（约面 / 观望 / 婉拒待确认）
4. **落档案**：单份深评或批量中的"约面"级候选，按 `_shared/templates/interview-record.md` 写入
   `03-interview/<姓名>.md`（已存在则更新对应节，不重建）。
5. **更新台账** `02-sourcing/dedup-ledger.csv`：增记/更新（去重键=姓名+应聘岗位，来源轮次记
   `YYYYMMDD猎头` / `YYYYMMDD内推` 等）。台账是唯一事实源。
6. **批量场景出汇总**：≥2 份时额外产出一份汇总（按岗位分组，每人一行：姓名｜评级｜一句话结论｜建议动作）。
   有 lark-cli 且已配置 → 飞书云文档并把链接发给用户；没有 → 落 `runtime/reports/resume-review-<日期>.md`。

## 完成判据

- 每份简历都有评级和建议动作，无遗漏；
- "约面"级候选都有档案文件；
- 台账写入后回读核对：条数对得上、无重复行；
- 批量场景：汇总文档已生成且路径/链接已回给用户。

## 回查模式

用户问"XX 的评级是啥/我记不清了"：先查 `03-interview/<姓名>.md`，再查台账，直接给评级+当时理由，**不重新评估**。

## 边界

- 只评估、只落档，**不对外做任何动作**——不发消息、不打招呼、不在平台点"不合适"（那些走 `recruit-daily` 且必须用户确认）。
- **事实不足不脑补**：简历里没有的信息标"未知"，不演绎。婉拒理由基于标准，不基于臆测。