核心用法
Recruiter Assistant 是一套面向深圳技术招聘市场的专业化筛选工作流工具，核心功能分为三大模块：
1. 严格简历筛选
- 单份简历评估：
node scripts/screen_resume.js <路径> --lang <语言> --yoe <经验年限> - 批量处理：
node scripts/batch_screen.js <文件夹> --threshold <阈值> --lang <语言> --yoe <经验年限> - 输出包含：0-100分严格评分、3-4项技术强弱点分析、独立文档存档、薪资对标、高分候选人自动推送HR
2. AI能力强制评估
将 Cursor、Copilot、LLM API 使用经验作为必查项，缺乏AI工具使用能力视为显著生产力缺口。
3. 面试支持
- 生成针对性问题：
node scripts/generate_questions.js（聚焦简历中的"Cons"弱点） - 面试纪要总结：
node scripts/summarize_interview.js
显著优点
- 地域精准：深度绑定深圳2026年Boss直聘薪资基准，避免薪酬谈判信息差
- 标准严苛：Senior岗强制要求架构影响力证明+AI工具熟练度，过滤"纸上架构师"
- 流程闭环：从初筛到面试问题生成再到纪要总结，覆盖招聘全链路
- 批量高效：支持文件夹级批量处理，适合校招或大规模社招场景
潜在局限
- 地域局限：薪资数据与招聘标准高度聚焦深圳，其他城市适用性需人工校准
- 技术栈偏向：对AI工具的重视可能漏掉传统技术扎实但转型较慢的资深开发者
- 依赖外部数据：Boss直聘2026标准为动态参考，需定期更新
references/hiring-criteria.md - 评分主观性：虽为量化打分，但"架构影响力"等维度仍依赖评估者判断
适合人群
- 深圳地区技术HR/招聘经理：需要快速建立本地化筛选标准
- 高速成长期科技公司：招聘量大、需统一评估口径的CTO/技术负责人
- AI原生团队：优先筛选具备AI协作能力的开发者，加速团队智能化转型
常规风险
- 过度筛选风险：高门槛可能导致候选池枯竭，建议结合业务紧急度动态调整阈值
- 数据隐私：简历处理涉及敏感个人信息，需确保独立文档存储符合合规要求
- 模型依赖：AI能力评估标准随工具迭代快速变化，需持续更新评判维度