job-screening
Job screening for campus recruiting and new-grad jobs: from one company's role list, pick the 1–3 jobs to apply for, identify the strongest fit, and explain every exclusion. Use when a student or new-grad candidate pastes, screenshots, or links a single employer's openings and asks which roles to apply to, or says "which jobs should I apply for here". First use builds a profile from the résumé and a short intake, and can also suggest other role directions. It checks eligibility and matches résumé evidence; it does not choose which companies to target, does not write the résumé unless the user asks later, and is not an employer tool for automated resume screening.
职位筛选
中文触发语
帮求职者在一家公司的招聘岗位列表里选出该投的 1–3 个岗位,说清楚哪个最适合、成功率最高,以及其余的为什么不投。首次使用会先收简历、做一轮求职访谈建档,并基于简历反推还能投哪些职位方向。用户会用截图、粘贴文本、PDF/Excel 岗位表、招聘链接的形式把岗位发进来。当用户说「这家能投哪个」「帮我看看投什么岗」「筛一下这些职位」「这个 JD 我合适吗」「我适合什么岗位」「秋招投递」,或直接丢来一张招聘页面截图时使用。只做单家公司内的选岗,不负责选公司。
校招每家公司通常只能投 1–3 个岗,但列表常有几十上百个。这个 skill 的职责是: 在一家公司的岗位列表里选出该投的那几个,指明哪个成功率最高,并说清楚其余的为什么不投。
不选公司(投哪些公司由用户自己定)。不写简历(那是可选的第二步,用户说了才做)。
每次开工:先确认有没有档案
档案和简历文件存在本 skill 目录下的 profile/。skill 装在哪,档案就在哪。筛选发生在用户自己的这次 agent 会话里:读到的简历文本会发给这个 agent 所配置的 AI 模型或服务商。不要把不愿意交给该服务商的敏感信息放进简历或对话。
| 用的是 | skill 目录 |
|---|---|
| Codex | ~/.codex/skills/job-screening/ |
| Claude Code | ~/.claude/skills/job-screening/ |
只检查当前这份 skill 自己的 profile 子目录,确认里面有没有候选人档案(文件名 candidate-profile.md)。SKILL_DIR 就是这份 SKILL.md 所在的目录。不要列出技能安装根目录,也不要去看别的 skill。
test -f "${SKILL_DIR}/profile/candidate-profile.md"
- 没有候选人档案 → 这是首次使用,读
references/onboarding.md,走完建档流程再筛岗。 不要跳过建档直接筛——没有档案就没有淘汰标准,筛出来的是通用建议,没有价值。 - 有档案 → 每次筛选前完整读一遍,不要凭记忆。
档案里记着用户的硬约束(城市、学历、序列偏好、不投什么)和简历的形状。 **档案是用户亲口确认过的,不要凭推测改它。**情况变了要用户明说,改完在档案的「变更记录」里留一行。
简历原件在档案头部记着路径,判断匹配时以招聘方实际看得到的那一份为准(见下面的证据可见性闸)。
读简历的办法见 references/onboarding.md 的「怎么读简历」。
三种使用模式
| 用户说什么 | 走哪条 |
|---|---|
| 丢来一家公司的岗位列表 / 截图 / 链接 | 选岗(本文件主流程) |
| 「我适合什么岗位」「还能投什么方向」「帮我看看简历能投哪些」 | 机会扫描 → 读 references/opportunity-scan.md |
| 「这个岗我该怎么改简历」 | 可选第二步,见文末。用户明说了才做 |
⚠️ 列表页看不到任职要求。 大厂招聘列表通常只显示团队介绍和岗位职责,学历门槛、专业限制、 毕业年份写在详情页的「职位要求」里。排完序、给用户之前,推荐位上的每个岗都要拿到完整详情页。 只凭职责描述就推荐,会推出用户根本没资格投的岗。拿不到就在输出里明写 「学历/专业要求未核,投前先看详情页」。
输入分流
用户会用四种方式给岗位列表,按类型走不同的路,不要一律丢给文本转换工具:
| 输入 | 怎么处理 |
|---|---|
| 截图(最常见) | 能直接读图就直接读图。逐条读出岗位名、部门/业务线、地点、学历专业要求、投递上限提示。读不了图就让用户把文字复制过来 |
| 粘贴的纯文本 | 直接读 |
| PDF 岗位表 | pdftotext -layout 文件.pdf - |
| Excel / Word 岗位表 | 优先用已经装好的 markitdown;没有就让用户把文字粘贴过来(见下面) |
| 招聘官网 URL | 有浏览器工具就打开抓。多数招聘站要登录,抓不到就直接说,让用户改发截图 |
Excel / Word 不要自动装转换器。 按这个顺序:
- 本机已经有
markitdown就用它。macOS 上的 Word 也可以用系统自带的textutil -convert txt -stdout 文件.docx。 - 都没有,就让用户把文字粘贴过来,或另存成 PDF 后走上面的
pdftotext。 - 只有用户明确同意安装之后,才建议在虚拟环境里装钉死版本、且只带 Word 和 xlsx 所需 extras 的包:
python3 -m venv .venv
. .venv/bin/activate
pip install 'markitdown[docx,xlsx]==0.1.9'
⚠️ 图片不要走文本转换工具。 那些工具对图片只提 EXIF 元数据,招聘页截图基本提不出结构化岗位。
多张截图分批发来时,全部收齐再排序——不要看一张排一次。
第 0 步:先问能投几个
不要预设投几个。 每家公司的投递上限不一样,而这个数字直接决定输出几个岗。
来源优先级:
- 截图/页面上写了上限(常见「最多可投 3 个」「同时申请不超过 2 个职位」)→ 直接用
- 没写 → 问用户一句:「这家能投几个?」
拿到上限 N 之后:
- N = 1 → 只给 1 个
- N ≥ 2 → 给 2 个(主投 + 保底),不投满 N 凑数
- 匹配的岗位确实只有 1 个 → 就给 1 个,说明为什么没有第二个
主投和保底必须同序列(比如都是产品岗)。不能一个产品一个运营——HR 看得到,会读成没方向。
额度单位先搞清楚:有的公司额度按业务集团算,集团之间并行、互不占名额 (例如:每个集团 1 次、每次最多 2 个意向)。这种公司要按集团分别排,不是整家只挑 1–2 个。
顺便记下投递机制,它会改排序:
- 写明「第一个投递的优先处理」→ 主投必须放第一位
- 写明「志愿依次流转」→ 那是排队不是并行,第一志愿会截住流程, 第一位放「最想去且进得去」的,不是「最容易进」的
- 写明额度是整个招聘季共享、用完不刷新 → 提醒用户,别当次用满
硬淘汰:命中即出局,不进排序
淘汰标准全部来自档案,不要自己加。典型的几类(具体值以档案为准):
- 用户明确不去的岗位序列(档案「不投什么」栏)
- 专业限制:只招档案里没有的专业的(如只招计算机/电子等理工科)
- 毕业年份不符:要求的届别和用户毕业时间对不上
- 学历门槛:要求的学历高于用户。⚠️ 注意分辨措辞—— 「硕士及以上优先」可投;「需获得硕士及以上学位」是硬门槛,出局。 操作顺序:列表页如果直接显示学历,先按学历筛一遍再看职责,能省大量时间。 已知先验:金融科技 / 银行系 / 支付类公司的产品岗普遍卡硕士,遇到这类公司先核学历, 很可能整家都不用看
- 工作地不在档案的城市白名单里
- 跨境岗位(香港、新加坡、海外)多一道核:工作签证。 JD 写「不提供签证担保」 或「仅限某类本地签证持有者」而用户没有对应身份的,直接出局,哪怕城市在白名单里。 没提签证的进排序,但在输出里标「签证未核」。
- 到岗时间冲突:要求的实习/入职时间用户去不了的
不淘汰、但要单独标出来:
- 到岗时间踩线但可能可行的(如「暑期实习转正」正好撞上用户毕业)→ 标出来让用户判断
- 要求线下面试且用户在外地/国外的 → 标出来让他自己判断值不值得跑一趟
- 岗位名和实质不符的 → 见下面这条,这是最容易误判的地方
⚠️ 岗位序列看职责实质,不看岗位名。 名字叫「产品运营」而职责是产品设计与原型验证的,是产品岗; 名字叫「AI 数据分析工程师」而 JD 第一句写「我们在找一位 AI 数据产品经理」的,是产品岗; 反过来名字带「AI」实为算法/工程岗的,不是产品岗。 机械执行「XX 岗一律不投」会误杀。读职责前三条再定序列。
排序:四层,从上往下压
第一层 · 岗位序列(决定性)
按档案里定死的顺位排,不要动。同一家同时开多个序列时,按档案顺位选高的那个。
管理类/管培生这类跨职能岗(如果档案里把它列为机会型)要过三道闸才进排序:
- 能看到公司经营全貌 —— 轮岗制管培生、战略、投资并购、总裁办、新业务孵化。 判据是这个岗位让你接触多个职能和真实的经营决策,而不是在某一个职能内部做协调。 只在一个职能内部轮方向的管培生不算(比如「全球运营培训生」下面四个方向全是运营)。
- 稀缺性 —— 顶级公司的旗舰管培项目,或明确写了向高管直接汇报、专属导师带教。 普通职能管理岗不满足。
- 不挤占主序列名额 —— 该公司允许投 ≥2 个,或这家根本没有匹配的主序列岗位。 只能投 1 个时,主序列永远优先。
⚠️ 名字带「管理」但不算的:项目经理、项目管理、NPI 项目经理、供应链管理、服务管理。 这些是职能内的执行协调岗,核心是排期、风险管控、跨部门推动,不通向经营判断。
第 1.5 层 · 同名岗位先看「业务方在买什么能力」
**同样叫「AI 产品经理」(或任何热门岗位名),各家要的人可能完全不一样。**不看岗位名,看 JD 判断它属于哪一类,再决定排在哪。
| 类型 | 怎么认(JD 信号) | 业务方在买什么 |
|---|---|---|
| Builder 型(AI 原生 / 0→1) | 「vibe coding」「快速搭 Demo / 原型」「会用 AI Coding 工具」「有可展示的作品」「独立完成的产品项目」「0→1」 | 能自己把产品做出来、有作品能证明的人 |
| 业务场景型(业务 + AI 提效) | 写了具体业务场景(生活服务、交易、投放、电商、客服、风控治理);「有相关业务实习 / 项目经历」;不强调技术深度 | 在这个具体场景里干过事、能分析处理问题的人;面试常拿真实业务问题来考 |
| 技术型(平台 / 企业服务 / 模型侧) | 「计算机等相关专业」「Python / SQL」「工程笔试」「懂 RAG / Agent 原理」「AI 平台 / 中台 / infra」 | 有技术背景、能过工程笔试的人 |
按档案判断用户最像哪一类买家要的人,同类排前,不同类往后压。非技术背景的用户,技术型当减分处理(只写「优先」的还能投,写死专业的走硬淘汰)。
**业务场景型再拆一刀:增长岗 vs 后台治理岗。**JD 写「治理」「赔付」「风控」「平台秩序」「消费者服务」的是治理岗, 用户证据全在增长 / 0→1 时,匹配度往下压一档,反之亦然。
场景关联要换成具体场景说:用户的经历不在 JD 的行业里时,在「为什么」里把它翻成 JD 的具体场景 (例:做过「帮人决定吃什么」的小程序 → 本地生活 / 到店决策场景)。只能用招聘方看得到的经历来关联。
风险栏固定提醒一条:这类岗面试常追问「遇到过什么失败 / 冲突、怎么解决的」,从档案里挑一个现成的例子写上。
画像卡与三级匹配(选「最适合」而不是「能投」)
建档时在档案里写一张画像卡:一句话画像,加上「强 / 弱」两列(做事方式、用户类型、岗位重心、技术、行业)。排序时拿每个岗跟它比。
判断最适合的岗,按这个顺序问:
- 这岗在买的能力(第 1.5 层三类),是不是画像卡里「强」的那一列?
- 「三级匹配」能落到第几级?
- 领域对上:JD 的行业就是用户做过的 → 最好
- 场景对上:行业不同,但具体场景做过 → 次之
- 方法对上:场景也不同,只有解决问题的方法一样 → 最弱,只在没有更好的岗时投
- 三级都落不到 → 不推
- 同一家两个岗打平,选离画像卡「强」那一列更近的,不选名字更好听的。
给 HR 的理由:每个推荐都写清楚「凭哪一级匹配、拿哪段经历让 HR 停下来」。HR 先过简历,业务方才看你。
不同公司看重的点不一样:同样的经历,讲给重 C 端用户旅程的公司,要讲用户路径、留存、转化和验证;讲给重细节和落地的公司,要讲用了哪些数据、为什么这样取舍、代价是什么。有依据的公司偏好可以记进档案,没依据的别编。
第二层 · 业务匹配度
按用户简历的真实形状打分(档案「简历的形状」栏里记着他最强的几段和对应的业务类型), 从高到低排。没有通用的业务排序表——一个做过内容增长的人和一个做过 B 端工具的人, 同一个岗位的匹配度完全不同。匹配度必须能落到简历里的具体一段经历上,落不到就是低。
第三层 · 竞争力校正
同分时用这两条拉开:
- 加分:JD 的关键词命中档案「最硬的证据」栏
- 减分:JD 的要求撞在档案「最薄的地方」栏(几乎每个人都有一块空白,档案里写着是哪块)。 这类岗不淘汰,但排后面,且要在「风险」栏里点出来
第四层 · 录取概率
前三层算的都是「合不合适」,这一层算「进不进得去」。 只在前三层接近时用来拉开顺序,不能用它把明显不匹配的岗位提上来。
加分信号:
- 培训生 / 管培项目 >> 单一具体岗位。 这是最重要的一条。两者录取逻辑不同: 具体岗位是「找一个能马上干这活的人」,看经验对口度,headcount 常常只有个位数; 培训生项目是「找有潜力的人培养」,看综合素质和成长性,池子大、常分多个方向、面试后再定岗。 经历密度高但不标准的画像,在培训生项目的评价体系里明显更占便宜。
- headcount 写得大(42 人 vs 5 人 vs「若干」)——写了人数就用,没写按岗位类型估
- 同一岗位在多个城市/多个部门重复开 —— 总名额比单条看起来大
- 有内推码或邮箱直投 —— 简历不进公海池,显著提高进面率。看到就提醒用户去找内推
- 新业务、新团队、实验室 —— 更缺人,也更看重「能自己把事干完」
减分信号:
- 明确要求名校、竞赛获奖、论文成果
- 要求用户没有的具体领域经验(金融投研、电商货品、影像、汽车、推荐算法……)
- JD 极垂直且精品化,明显只招一两个人
培训生项目的反向风险,必须检查: 培训生常是「产品/运营混合」或「面试后分配方向」,有被分到用户不去的方向的可能。 JD 里出现「XX/XX 校招生」「根据你的特质与志向匹配方向」这类措辞时, 要在风险栏明写这一条,让用户自己权衡——不能只报概率高不报分配风险。
排序完之后:证据可见性闸(强制,必过)
排完序先别输出。逐条检查每个推荐: 我用来论证匹配的证据,在招聘方实际看得到的那份简历上找得到吗?
招聘方看得到的只有档案里登记为「投递版」的那一到两份简历。 看不到的:作品集里的内容、个人网站上的内容、建档访谈里说过的话、这个 skill 的档案本身。 这些是你的信息优势,不是他的。
处理方式按档案里「愿不愿意改简历」这一栏分两种:
- 用户不改简历(默认)→ 论证依据必须能在投递版简历里找到。找不到的,这条推荐直接降级或剔除。 不要给出「建议把 X 加进简历」这种方案——他不会改,给了等于没给,还占篇幅。
- 用户愿意改 → 可以推,但必须在输出里写明「这条成立的前提是把 X 加进简历」, 并给出具体改哪一句(见文末第二步)。
为什么这条是硬闸:招聘方和公司的筛选算法看到的东西完全一样,就是那份简历。 用简历上没有的东西论证匹配,算出来的是「真实但不可见」的匹配——在简历关就死了,等于没推。
建档时会在档案里列一张**「已知不可见证据」清单**(那些只在作品集/网站/聊天里的经历)。 筛选时用到清单上的任何一条,就触发降级。
行业阅历不可见 ≠ 劝退:某些行业的岗(游戏、影像、3C 等)会问「你玩 / 用什么、怎么看」,简历上可能没有痕迹。 如果用户已主动投了多家同类公司,说明这是他认的方向——照常排序,只把「阅历会被追问」写进风险栏,不建议删岗。
输出格式(默认给这个)
## 投这 N 个
### 1. <岗位名>|主投 ⭐ 最适合
- 匹配度:<高/中/低>
- 这岗在买什么:<Builder 型 / 业务场景型(增长 or 治理)/ 技术型>——<一句话依据,引 JD 原词>
- 进面概率:<高/中/低> —— <依据:培训生项目还是具体岗位、headcount、有无内推、有无减分信号>
- 证据可见性:<已过闸>——<列出用到的证据分别在哪份简历里>
- 画像匹配:<领域对上 / 场景对上 / 方法对上>——<给 HR 的理由:拿哪段经历让 HR 一眼认出来>
- 为什么是它:<两三句,必须引用简历里的具体证据,不要空话>
- 风险:<面试会被追问什么、你哪里答不上;培训生项目要写明方向分配风险>
- 面试怎么讲:<这家看重什么、用哪段经历、讲到什么细度;附一句用户自己的体会,不要只有数字>
### 2. <岗位名>|保底
(同上)
### 3. <岗位名>|机会型(管理类,仅当过闸时才出现)
- 过闸依据:<逐条说明怎么满足经营全貌 / 稀缺性 / 不挤占名额>
- 为什么:<同上>
- 风险:<同上>
## 淘汰的(<数量>个)
| 岗位 | 淘汰原因 |
|---|---|
| <名> | <不投的序列> |
| <名> | 只招理工科 |
| ... | ... |
## 要注意的
<线下面试 / 到岗时间冲突 / 岗位名与实质不符 / 投递顺序机制 等,没有就不写这节>
主投那条必须明确写出「最适合 + 成功率最高的是哪个」,这是用户唯一真正要的答案, 不要让他自己从三段描述里推。如果「最适合」和「成功率最高」不是同一个岗,明说这个分歧, 并给出你的建议(通常按档案里用户更看重天花板还是更看重稳的偏好来定)。
淘汰理由必须给全。 这是用户纠正筛选偏差的唯一入口——只给结论他没法判断筛得对不对。 岗位多时淘汰表可以按原因归类合并,但不能省略。
筛完之后:更新档案
在档案的「各公司投递上限与已投记录」表里加一行:公司、上限、投了哪几个、特殊机制备注。 下次遇到同一家或同类公司能直接复用(比如「这家全站共享 1 个名额」「这家卡硕士」)。
碰到通用的新规律(不只对这家成立的),加进档案的「变更记录」,并考虑是不是该改这份 SKILL.md。
可选第二步:简历该改哪几句
用户定了投哪个之后,他说了才做,不要默认输出——一天筛五六家,每次都做会淹掉结论。 档案里写了「不改简历」的,这一步整个跳过,也不要主动提。
做的时候:
- 读档案里登记的简历全量素材(如果有母版文件)
- 对着 JD 的关键词,指出投递版里哪一句改成什么
- 最多改 2–3 句,不要重写整份简历
- 只用简历和作品集里已有的事实,不许为了贴 JD 编经历
不要做的事
- 不要建议投用户明确说过不去的序列,哪怕匹配度看起来很高
- 不要为了凑满投递上限而放宽标准
- 不要替用户决定投不投——给排序和理由,投递他自己点
- 不要在筛选时顺带重写简历,那是第二步
- 不要编造用户没有的经历去贴 JD
- 不要主动点评简历写法——没问就别提
- 用户给的事实只用于过滤,不用于改排序。 他说「这个岗本科可投」只是排除了一个淘汰理由,不等于这个岗该升到主投。 要改排序,必须是他给出改排序的理由(如「我更看重天花板」),或有新的岗位信息进来。 这条是真实翻车记录:一轮筛选里因为用户随口纠正了一个事实,主投被换了四次, 每次都现编了论证。
Related skills
- Downloads
- 167All time
- Security audit
- Pass
- Last updated
- 3h ago
- Current version
- v1.0.3
- License
- MIT-0
