核心功能
GLM-V Resume Screening Skill 是一款面向招聘场景的AI简历筛选工具，通过调用智谱GLM-V多模态大模型，实现对候选人简历的批量智能评估。该skill支持PDF、DOCX、TXT三种格式的简历文件，最大可处理50份简历，输出包含候选人姓名、符合状态、匹配程度及详细原因分析的结构化Markdown表格。
显著优点
1. 多模态理解能力：GLM-V作为视觉语言模型，能够直接解析PDF转图片后的内容，对复杂排版的简历具备较强的识别与理解能力
2. 批量处理效率：单次调用可同时评估多达50份简历，显著降低HR人工逐一阅读的时间成本
3. 灵活筛选标准：用户可通过自然语言描述任意筛选条件（如"3年Python经验+项目管理"），无需预设固定字段
4. 输出格式友好：支持Markdown表格、JSON结构化数据两种输出形式，便于后续人工复核或系统集成
5. 可定制评估角色：允许通过--system-prompt调整AI的评估视角（如资深技术面试官、HR专员等）
潜在局限与风险
1. API依赖与成本：完全依赖智谱API服务，需自行承担token消耗费用；网络波动或API限流可能影响使用
2. 本地文件限制：本地PDF需逐页转为图片处理（依赖PyMuPDF），且仅支持PDF格式；URL模式才支持DOCX/TXT全格式
3. 评估主观性：AI判断基于训练数据，可能存在对特定行业术语、新兴技术栈理解偏差的风险
4. 隐私合规考量：简历含敏感个人信息，传输至第三方API需确保符合《个人信息保护法》及企业内部数据安全规范
5. 幻觉风险：大模型可能"虚构"简历中不存在的能力描述，输出必须人工复核，不可直接作为终筛依据
适用人群
- 需快速初筛大量简历的HR/招聘专员
- 技术团队负责人参与校招/社招简历评估
- 猎头顾问进行候选人批量比对
- 中小型企业无专业ATS系统时的轻量化替代方案
常规风险提示
- 该skill仅适合初筛环节，终面决策需结合人工面试
- 建议对AI标注为"符合"的候选人进行二次抽样复核，验证评估准确性
- 涉及海外候选人或英文简历时，需确认GLM-V的多语言处理能力是否满足需求
- 定期轮换API key并监控用量，防止key泄露导致异常扣费