resume-batch-screener（恢复批量筛选器）

第一阶段：批量筛选简历（通用版）

核心定位

通用岗位简历批量筛选工具。输入任意岗位JD和候选人简历文件夹，自动解析JD提取评估维度，对多候选人进行统一打分排序，输出标准化筛选报告。

功能说明

批量解析多个候选人的简历，对照岗位JD进行多维度打分，输出：

• 简历筛选报告.xlsx（所有候选人分数、关键信息、排序）
• 面试邀请名单.xlsx（进入面试名单及邀请状态）

输入要求

必要信息

1. 岗位JD文件（docx/pdf/md/txt）— 支持任意行业/职能岗位
2. 简历文件夹（多份简历，支持docx/pdf/jpg/png）

可选信息

• 筛选标准（如：综合得分≥60分进入面试）
• 面试官安排
• 面试时间安排

核心流程

┌─────────────────────────────────────────────────────────────┐
│  步骤1：解析JD                                              │
│  ↓                                                          │
│  • 提取硬性要求（学历/年限/专业/证书等）                    │
│  • 提取评估维度（3-5个核心能力项）                           │
│  • 提取加分项（专利/证书/特定经验等）                        │
│  ↓                                                          │
│  步骤2：解析简历                                             │
│  ↓                                                          │
│  • 提取基本信息（姓名/学历/工作年限）                        │
│  • 提取工作经历（公司/职位/时间/业绩）                      │
│  • 提取技能/项目/证书等信息                                  │
│  ↓                                                          │
│  步骤3：多维度打分                                           │
│  ↓                                                          │
│  • 基础维度打分（6项通用维度）                               │
│  • JD专项维度打分（根据JD自动生成）                          │
│  ↓                                                          │
│  步骤4：排序输出                                             │
│  ↓                                                          │
│  • 生成筛选报告.xlsx                                        │
│  • 生成面试邀请名单.xlsx                                    │
└─────────────────────────────────────────────────────────────┘

评估维度体系

总分：100分制 - 所有候选人按同一标准评分，确保跨岗位可比性。

统一评分维度（所有岗位适用）

技能匹配评分计算方法

def calc_skill_match(skills, job_type):
    """计算技能匹配得分"""
    all_text = " ".join(skills).lower()
    
    if job_type == "tech":
        # 技术岗核心技能
        tech_skills = ["CUDA", "OpenCL", "SIMT", "SIMD", "GPGPU", "GPU", "NPU", "RISC-V",
                       "Verilog", "VHDL", "UVM", "RTL", "Gem5", "GPGPU-Sim", "SystemC",
                       "SoC", "FPGA", "芯片架构", "微架构", "指令集", "AI", "深度学习", "流片", "量产"]
        matched = [s for s in tech_skills if s.lower() in all_text]
        return min(25, len(matched) * 3 + (5 if len(matched) >= 5 else 0))
    
    elif job_type == "market":
        # 市场岗核心技能
        market_skills = ["市场开拓", "客户关系", "项目管理", "PMP", "AEC-Q", "ISO26262", "车规", "上车", "Tier1", "整车"]
        matched = [s for s in market_skills if s.lower() in all_text]
        return min(25, len(matched) * 4 + (5 if len(matched) >= 4 else 0))
    
    return 15  # 默认

项目经验评分标准

筛选标准

硬性门槛检测（先于打分）

JD解析方法

自动提取流程

def parse_jd(jd_content):
    """从JD内容中自动提取评估维度"""
    
    # 1. 提取硬性要求
    hard_requirements = {
        '学历': extract_education(jd_content),      # 如：硕士及以上
        '年限': extract_experience(jd_content),    # 如：5年+
        '专业': extract_major(jd_content),         # 如：计算机相关
    }
    
    # 2. 提取评估维度（3-5个核心能力）
    evaluation_dimensions = extract_core_abilities(jd_content)
    # 如：[架构设计, 算法开发, 团队管理, 客户对接]
    
    # 3. 提取加分项
    bonus_items = extract_bonus_items(jd_content)
    # 如：[PMP认证, CPA, 行业排名前十公司经验]
    
    return hard_requirements, evaluation_dimensions, bonus_items

JD关键词识别

不同岗位类型的权重策略

专业经验详细评分规则（20分）

根据JD提取的核心能力进行评估：

项目经验质量详细评分规则（25分）

注：卓越级指主导并产生明确成果的项目，良好级指完整参与但非主导，中等级指行业相近但岗位不同

筛选标准

注：分数区间可根据岗位紧急程度调整，如急招岗位可将"备选"区间提升至55-59分

中文简历解析实现要点

依赖库

import pdfplumber  # PDF文本提取
from docx import Document  # Word文档解析
import re  # 正则表达式
from pathlib import Path

PDF文本提取

def read_pdf(path):
    text = ""
    with pdfplumber.open(path) as pdf:
        for page in pdf.pages:
            text += page.extract_text() or ""
    return text

Word文档解析

def read_docx(path):
    doc = Document(path)
    return "\
".join([p.text for p in doc.paragraphs])

姓名提取（重要：多种格式兼容）

def extract_name(content, filename):
    """提取简历姓名，兼容多种格式"""
    # 1. 优先匹配 "姓    名：冯亮" 格式（中间有空格/制表符）
    name_match = re.search(r'姓\s*名[：:]\s*([\一-\龥]{2,4})', content)
    if name_match:
        return name_match.group(1)
    # 2. 备用：从文件名获取（当简历正文无标准姓名格式时）
    return filename.replace('.docx', '').replace('.pdf', '').strip()

工作年限提取

def extract_work_years(content):
    """提取工作年限"""
    # 优先匹配 "工作年限：9年" 格式
    year_match = re.search(r"工作年限[：:]\s*(\d+)", content)
    if year_match:
        return int(year_match.group(1))
    # 备用：从工作经历时间范围推算（取最早年份）
    dates = re.findall(r"(\d{4})[.\-/~]", content)
    if dates:
        try:
            years = [int(d) for d in dates if len(d) == 4]
            if years:
                return 2026 - min(years)
        except:
            pass
    return 5  # 默认值

学历提取

def extract_education(content):
    """提取学历层次"""
    if "博士" in content:
        return "博士"
    elif "硕士" in content or "研究生" in content:
        return "硕士"
    elif "本科" in content:
        return "本科"
    else:
        return "大专"

核心技能提取（大小写不敏感）

def extract_skills(content):
    """提取核心技能关键词"""
    skills = []
    content_lower = content.lower()
    skill_pool = [
        "CUDA", "OpenCL", "ROCm", "SIMT", "SIMD", "GPGPU", "GPU", "NPU", "TPU", "RISC-V",
        "Verilog", "VHDL", "SystemVerilog", "UVM", "RTL",
        "Gem5", "GPGPU-Sim", "SystemC",
        "SoC", "FPGA", "ASIC",
        "Linux", "KVM", "虚拟化",
        "AEC-Q", "ISO26262", "车规",
        "芯片架构", "微架构", "指令集", "ISA",
        "AI", "人工智能", "深度学习", "机器学习",
        "市场开拓", "客户关系", "渠道管理", "项目管理", "PMP",
        "流片", "量产", "EDA",
        "物理", "电路", "半导体", "器件",
    ]
    for skill in skill_pool:
        if skill.lower() in content_lower:
            skills.append(skill)
    return list(set(skills))

公司提取

def extract_companies(content):
    """提取工作单位"""
    companies = re.findall(r'([\一-\龥]{2,15}(?:公司|集团|科技|技术|有限|股份|研究所))', content)
    return list(set(companies))[:5]

输出文件

简历筛选报告.xlsx

Sheet1: 筛选结果汇总（全部候选人）

数据要求：

• 按综合得分降序排序
• 得分保留整数
• 邀请状态：✅强烈推荐/✅推荐/⚠️备选/❌不推荐

Sheet2-N: 各岗位筛选结果（含评分依据）

每个岗位一个Sheet，Sheet命名=岗位名称（最长20字符）

包含两部分内容：

第一部分：候选人得分汇总表

第二部分：候选人详细评分依据（每人占用约15行）

每位候选人包含以下评分明细：

【候选人：XXX】

■ 学历评分（满分15分，得X分）
  评价依据：[学历层次]，[院校背景]（如适用）
  结论：满足/不满足JD学历要求

■ 工作年限评分（满分10分，得X分）
  评价依据：工作年限X年，对应档位[X年+]，得X分
  结论：满足/不满足JD年限要求

■ 技能匹配评分（满分25分，得X分）
  匹配技能：[列出所有匹配的技能关键词，用"/"分隔]
  计算方法：匹配X个技能 × 3分 = X分（上限25分）
  结论：技能匹配度[X/高/中/低]

■ 项目经验评分（满分25分，得X分）
  评价依据：[简要描述项目经验质量]
  等级认定：[卓越/良好/中等/基础级]
  结论：项目经验与岗位要求[匹配度高/中/低]

■ 职业稳定性评分（满分15分，得X分）
  评价依据：工作年限X年，平均每段工作时间约X年
  结论：职业稳定性[高/中/低]

■ 软性能力评分（满分10分，得X分）
  评价依据：[从简历中提取的软性能力描述]
  结论：软性能力[强/中/弱]（默认8分）

■ 综合评价
  总分：X分（学历X+年限X+技能X+项目X+稳定X+软性X）
  建议：✅强烈推荐/✅推荐/⚠️备选/❌不推荐

■ 核心优势
  1. [优势1]
  2. [优势2]

■ 风险点
  1. [风险点1]
  2. [风险点2]

■ 面试关注要点
  1. [关注点1]
  2. [关注点2]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

面试邀请名单.xlsx

Sheet1: 邀请名单

Sheet2: 候选人关键信息

每个候选人一个区块：

【候选人：姓名】
综合得分：XX分 排名：第X名
关键经历：━━━━━━━━━━━━━━━━━━━━
核心技能：━━━━━━━━━━━━━━━━━━━━
风险提示：━━━━━━━━━━━━━━━━━━━━
面试关注点：━━━━━━━━━━━━━━━━━━

评分标准模板.xlsx

Sheet1: 评分维度总览

Sheet2: 筛选标准

Sheet3: 学历评分细则

Sheet4: 各项评分细则 详细列出其他维度的评分标准

候选人详细评分依据.xlsx

Sheet1: 全部候选人汇总

Sheet2-N: 各候选人详细评分说明

（每行一个维度的详细评分说明） 核心优势：xxx 风险点：xxx

排版格式

Excel格式要求：

• 表头：加粗，背景色#E0E0E0，黑色边框
• 数据行：白底，黑色细线边框
• 综合得分列：黄色背景#FFFF00（可编辑），居中对齐
• 强烈推荐/推荐：绿色背景#C6EFCE
• 备选：橙色背景#FFEB9C
• 不推荐：红色背景#FFC7CE
• 列宽：自动适应（建议width=14）

文件命名：{岗位名称}-筛选报告-{日期}.xlsx

文件写入注意事项（WSL环境）

权限问题处理：WSL环境下直接写入/mnt/d/路径可能遇到PermissionError

# 解决方案：先写入/tmp，再复制到目标目录
import shutil
output_path = '/tmp/简历筛选报告.xlsx'
wb.save(output_path)
# 复制到Downloads目录
shutil.copy(output_path, '/mnt/c/Users/{用户名}/Downloads/')

注意事项

1. 通用性优先：本Skill适用于任何行业/职能岗位，不预设任何特定行业词汇
2. 批量处理时保持每个候选人评估标准一致
3. 关键信息（核心技能、量化指标）需在备注中标注
4. 对不确定的信息在备注中标注"待核实"
5. 排序必须按综合得分降序
6. 中文文件名可能有空格（如"周光迪 .pdf"），解析时需注意strip处理
7. PDF文件必须使用pdfplumber库提取文本，不要用PyPDF2（中文支持差）
8. JD解析时优先提取JD中的专有词汇作为评估维度，确保评分与岗位需求精准匹配

重要：重新生成文件时的处理流程

当用户要求重新生成筛选报告时，必须遵循以下步骤避免数据不一致：

步骤1：删除旧文件

# 删除该目录下所有之前生成的筛选报告文件
rm -f /目标目录/简历筛选报告*.xlsx
rm -f /目标目录/面试邀请名单*.xlsx
rm -f /目标目录/候选人详细评分依据*.xlsx

步骤2：使用验证过的评分数据

• 不要重新解析简历（解析结果可能因算法微调而变化）
• 使用已验证的、用户确认过的正确评分数据
• 如无验证数据，需先与用户确认评分标准

步骤3：生成后一致性检查

• 验证"筛选结果汇总"和"面试邀请名单"中的候选人数据一致
• 确保总分、排名、建议在所有sheet中保持一致

错误示例（避免）

❌ 先生成文件A发现问题后修改评分再生成文件B ❌ 筛选结果汇总和面试邀请名单使用不同的评分结果 ❌ 保留旧的Excel文件只覆盖部分sheet

正确示例

✅ 确认评分标准 → 删除旧文件 → 生成新文件 → 验证一致性