核心用法
JD Scorecard Skill 是一个面向HR和招聘团队的智能化简历筛选工具，专注于将非结构化的职位描述（JD）和候选人简历转化为标准化的评分决策。该工具采用双流程设计：
流程一：JD→评分卡生成
- 解析职位描述，提取角色标题、核心职责、硬性门槛（学历/经验/技能）、加分项、排除项
- 自动生成带权重的多维度评分框架，包含阈值设定
- 输出结构化面试问题（5-10题），聚焦实际工作能力验证
- 标注红旗信号（red flags），帮助快速识别风险候选人
流程二：简历评分
- 支持PDF简历文本提取（含OCR失败检测机制）
- 将候选人信息标准化为统一画像（姓名、地点、经验年限、学历、当前职位、技能标签等）
- 严格依据评分卡进行多维度打分，输出量化总分与录用建议（通过/拒绝/待定）
- 生成匹配/缺失/排除项清单及证据链，确保决策透明可追溯
显著优点
1. 标准化与一致性：消除人工筛选的主观差异，确保同一岗位所有候选人在统一标尺下评估
2. 效率优化：特别适合高并发招聘场景（如QA、Python开发、运营岗位批量筛选），显著缩短初筛周期
3. 协作友好：原生支持飞书/钉钉聊天场景输出格式，便于团队内部快速同步与讨论
4. 决策可解释：每项评分均附带证据来源，降低招聘偏见风险
潜在局限
- 文本依赖：对JD和简历的文本质量要求较高，图像型PDF需OCR支持
- 隐性判断盲区：仅能识别显性信息，无法评估软性素质（如文化契合度、抗压能力）除非JD明确定义
- 单一岗位限制：每张评分卡仅对应一个核心角色，复合型岗位需拆分为多个卡片
- 边界模糊处理：当JD表述含糊时，系统采用「假设标注」而非自动推断，可能增加人工复核工作量
适合人群
- 负责技术类岗位（Python/QA/运维）大批量招聘的HR专员
- 需要建立统一用人标准的成长型团队
- 依赖飞书/钉钉进行招聘协作的互联网/科技型企业
常规风险
- 过度筛选：权重设置不当可能导致优质候选人因硬性门槛被误筛
- 证据误读：系统严格依据文本证据评分，若简历表述不规范可能产生偏差
- OCR失败场景：扫描版PDF无法提取文本时需人工介入，存在流程中断风险