核心用法
本 Skill 定位于「招聘流程推进助手」，而非概念型 HR 咨询机器人。核心场景聚焦互联网招聘中最高频的痛点：面试反馈汇总与候选人推进。HR 只需输入散落的面试官备注（飞书、企微、邮件、表单截图等），即可自动输出结构化决策建议、可直接发送的候选人话术、以及可回写 ATS 的 tracker 记录。
支持 5 个标准化动作：
score_candidate：JD+简历匹配评分summarize_interview_feedback：多源反馈整合（当前最成熟场景）create_offer_approval_pack：Offer 前内部审批材料生成generate_candidate_message：候选人沟通话术update_candidate_tracker：ATS/表格回写格式
输出严格遵循 7 字段结构：normalized_data（结构化数据）、decision_summary（明确决策建议）、missing_information（阻塞字段清单）、next_action（当日可执行动作）、message_draft（可直接复用的话术）、record_update（单行 tracker 摘要）、compliance_warning_if_any（实质性合规风险提示）。
显著优点
1. 端到端闭环设计：从「零散输入」到「可执行输出」完整覆盖，附带可直接运行的 Node.js 脚本 generate_interview_packet.js 和 JSON 样例，降低接入成本。
2. 本土场景深度适配：针对中国互联网招聘习惯优化——JD 常含硬性/软性要求、简历缺失薪资期望、面试反馈分散在聊天记录中、审批流需精简业务价值说明。
3. 输出可直接商用：话术默认适配飞书、企微、邮件；tracker 行格式兼容主流 ATS 及表格工具；支持 DOCX/CSV 可下载产物。
4. 风险感知克制精准：仅在存在具体劳动法或隐私风险时触发 compliance_warning，避免过度敏感导致 HR 操作瘫痪。
潜在缺点与局限性
1. 场景成熟度不均：文档明确标注仅 summarize_interview_feedback 达到「production-ready」，其余 4 个动作可能需额外调试。
2. 依赖外部数据格式：若输入为 OCR 错误严重的截图或非结构化语音转文字，归一化效果可能下降。
3. 无内置 ATS 直连：ATS_EXPORT_PATH 仅为可选本地路径，无 API 级集成，需人工 copy-paste 回写。
4. 合规覆盖有限：虽提及劳动法与隐私，但未内置具体法条引用或地区差异（如北上广深社保政策区分），高敏场景仍需法务复核。
适合人群
- 互联网/科技公司招聘 HR、HRBP、招聘专员
- 需快速处理大量面试反馈、追求决策效率的招聘团队
- 使用飞书、企微作为协作工具，ATS 或表格管理候选人的组织
- 具备基础技术对接能力（能运行 Node.js 脚本或理解 JSON 结构）的团队
常规风险
1. 数据隐私：候选人简历、面试官评价含个人信息，需确保输入环境符合《个人信息保护法》要求，避免在公共 LLM 服务中处理敏感字段。
2. 决策偏差风险：match_score 和 hire_recommendation 为算法辅助判断，最终录用决策仍需人工复核，防止自动化歧视。
3. 版本迭代：当前版本 0.2.4，API 或输出格式可能变更，生产环境建议锁定版本或 fork 维护。
4. 脚本执行安全：generate_interview_packet.js 涉及本地文件读写，需校验输入 JSON 防止路径遍历或恶意代码注入（虽当前实现未见过滤逻辑）。