核心用法
JD Scorecard Skill 提供两大核心功能：职位描述解析与简历自动评分。
JD → Scorecard 流程：输入职位描述后，系统自动提取关键要素，生成包含角色标题、硬性筛选条件（filters）、必备条件（must_have）、加分项（nice_to_have）、排除项（exclude）、权重分配（weights）、通过阈值（thresholds）、面试问题、红旗标记（red_flags）及后续步骤的结构化评分卡。输出格式灵活，支持纯JSON、可读Markdown或飞书/钉钉友好的聊天视图。
简历评分流程：上传PDF简历或粘贴文本后，系统先提取候选人信息（姓名、地点、经验年限、学历、当前职位、公司、技能、行业标签），再对照评分卡的权重与阈值进行多维度打分。输出包含硬性筛选通过状态、各维度得分、总分、录用决策、审核理由、匹配/缺失/阻断关键词及证据引用，确保评分可追溯、可解释。
显著优点
1. 结构化标准化：将模糊JD转化为可量化、可对比的评分体系，减少招聘主观偏见。
2. 双模式协同：JD解析与简历评分联动，支持"先建卡、后评分"的完整招聘漏斗。
3. 多格式输出：兼顾机器可读JSON与人工友好Markdown，适配飞书/钉钉等协作场景。
4. 风险前置识别：内置"红旗标记"机制，帮助 recruiters 快速识别高风险候选人。
5. 证据驱动评分：严格基于JD和简历的显式信息，避免臆测隐藏意图。
潜在缺点与局限性
- 依赖文本质量：图像型PDF需OCR支持，若提取失败则中断流程。
- 单一角色限制：每次仅支持一个主角色，复杂JD需拆分处理。
- 模糊JD处理：遇到混合或模糊描述时，仅能添加假设说明，无法自动澄清。
- 面试问题泛化：生成的5-10个问题虽基于must-haves，但仍需面试官根据实际岗位微调。
- 评分卡维护成本：权重与阈值的合理性依赖用户输入，系统不做行业基准校验。
适合人群
- 招聘HR/猎头：批量筛选简历、统一团队评估标准。
- 用人经理：将业务需求快速转化为可执行的面试指南。
- ATS系统开发者：作为结构化数据接口，对接现有招聘系统。
- 中小企业：缺乏专职HR时，快速建立规范化招聘流程。
常规风险
1. OCR失败风险：扫描件或复杂排版PDF可能导致提取中断。
2. 过度依赖风险：自动化评分不能替代人工面试判断，需保留复核环节。
3. 数据隐私风险：简历含敏感个人信息，需确保处理环境符合GDPR/个人信息保护法。
4. 评分偏差风险：权重设置不当可能导致优秀人才被系统过滤，建议定期校准阈值。
5. 幻觉风险：尽管规则禁止臆测，但复杂表述仍可能引发错误匹配，需人工抽检证据链。