# Resume Screening Audit

> 检查简历文本解析、JD 要求覆盖和经历证据，提供可解释的诊断与改稿。适用于担心 ATS 筛查、想核验简历可读性或分析“AI 评分”；不推测雇主内部评分、不承诺绕过筛选。

- Skill: `luyu2026/resume-screening-audit` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx get-skill add luyu2026/resume-screening-audit`
- Raw SKILL.md: https://api.skillmd.com/api/skills/luyu2026/resume-screening-audit/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Security
- Author: luyu2026 (https://skillmd.com/u/luyu2026)
- Updated: 2026-11-12
- Page: https://skillmd.com/skills/luyu2026/resume-screening-audit

---


# 简历筛查可读性诊断

## 一句话主餐

从简历实际文本与目标 JD 找出解析障碍和证据缺口，交付可验证修正，解决用不透明 AI 分数制造焦虑的问题。

## 输入

- 实际投递文件和可复制正文，优先读取已有简历
- 目标 JD、投递系统要求或用户看到的评分截图
- 能确认的项目、时间、职责和结果依据
- 用户希望核查解析、匹配还是两者
- 无 JD 时只做文本与证据审查，不给岗位匹配总分

材料优先级：用户现有原稿与记录优先；补充信息只追问会改变本轮判断的部分。
真实材料、合理推断与明确模拟内容分别标记。
不能读取附件时，请用户粘贴关键片段；先完成不依赖附件的部分。

## 核心判断

1. 解析失败、岗位证据不足和表达冗余是三个不同问题
2. 用户自己的文件提取成功不等于所有 ATS 都会成功
3. 匹配标记分明确支持、部分支持、未体现，不能推断不会
4. JD 中硬条件与偏好分列，不把每个关键词同等加权
5. 不从风格断言 AI 写作、造假或候选人诚信
6. 不隐藏关键词、伪造技能或增加用户未确认经历

## 编号工作流

### 1. 复现可读性问题

- 提取文本并记录所用工具与文件版本
- 比较姓名字段、经历顺序、日期与段落边界
- 用户只贴文本时说明没有验证原文件解析
- 失败时提供单栏纯文本重排版供用户替换

### 2. 拆解 JD 要求

- 标记必须项、职责、优先项与申请问答条件
- 每项保留 JD 原句位置
- 不自行添加学历、年龄或公司偏好门槛
- 条件不清时按待确认项处理

### 3. 建立证据映射

- 表格列 JD 要求、简历证据、支持程度、缺口
- 证据定位到具体项目与原句
- 同义表达先判断含义再决定是否补术语
- 没有经历依据时给补证问题，不能直接补关键词

### 4. 排序修正

- 先修提取丢失和联系方式等可执行问题
- 再修关键能力无证据、职责归属模糊与时间矛盾
- 最后调整冗余和表达顺序
- 每项说明影响、动作和如何复验；P0 为字段丢失或顺序错乱，P1 为必须项无证据，P2 为不影响事实的表达调整

### 5. 生成可投递改稿

- 只改最影响本轮目标的段落或整体文本版
- 保留真实数字、个人贡献与时间边界
- 没有数据时以已确认动作与范围表达
- 输出改前改后及改动依据，避免只给建议

### 6. 复验与交接

- 对实际新文件再次提取并比较关键字段
- 逐项复核 JD 映射是否因用户补证而改善；保留原文、补证来源及新句，不把重写本身当作新增能力
- 没有目标系统权限时明确只完成本地检查
- 用户交回新文件或真实筛查反馈后定位下一项

## 直接交付与下一步

- 文件解析结果与验证边界
- 逐项 JD 证据覆盖表及修正优先级
- 可复制的重点段落改稿或纯文本版
- 缺证问题、复验方式及材料使用说明

### 完成条件：解析与证据是否分别复验

- 记录实际测试文件版本、提取方式和关键字段；纯文本改稿只能声称文本检查通过，不能声称文件或雇主系统过筛。
- 必须实际执行一次，成品格式与验证边界见 [完整案例](references/review-example.md)。
- 交付前依据案例中的反例检查，不能只检查标题和行数。
- 用户交回材料后，先复查改变的输入，再沿原路径更新，不无故重做全部内容。

### 工具与数据降级

- 不能解析附件时请求粘贴正文并交单栏文本；无 JD 不做岗位映射，无经历补证保留缺口，不补写技能。
- 文件生成失败就交付可复制正文，说明未生成文件；不把文本方案说成成片、图表或附件。

### 外部参考与延展

- 何时研究：系统解析与本地结果不同、特定格式失效或评分规则不明时启动。
- 去哪找：先查招聘平台官方帮助与职业服务资料；检索“resume parsing supported format applicant tracking”。
- 看什么：比较文件类型、字段读取和可解释要求映射，不采信万能过筛分数。
- 怎么用：用同一份用户文件复验关键字段，不能把第三方评分提升当录用概率提升。
- 采用前比较至少两个可行机制或与当前方法对照，说明材料成本及适用边界。
- 用触发问题的同一输入验证改动，保留有效方法，丢弃不能改善交付的装饰功能。
- 外部资料帮助调整方法，不能替代用户事实；实际复用受许可约束的内容时保留必要声明。

### 本轮执行门槛

- 第一关：解析与证据是否分别复验；不满足时收窄输出到有依据的部分。
- 第二关：按原输入复算或逐句比对，记录具体通过项，不以“已检查”代替证据。
- 第三关：输出一个可以直接使用的成品，并明确本轮待补材料。
- 采用岗位定制与事实核验机制；与现有逐项证据映射对照，不引入无法解释的通用 AI 分数。
- 方法入口：[Harvard 职业服务：AI 与简历](https://careerservices.fas.harvard.edu/ai-resumes-and-cover-letters/)。
- 来源用于改进方法，不提供用户事实；没有读取具体资料时不写“已研究验证”。
- 持续反馈若暴露同类缺陷，保留触发输入与旧输出，在授权目录中修改候选版，再用原例和受影响场景复验。
- 本轮只推进当前卡点；下一步验收以用户补交的材料为准，不承诺后台自动跟进。

### 明确模拟的执行示范

完整原始输入、可直接使用的成品、关键判断和失败反例均在 [执行案例](references/review-example.md)。
按本轮用户选择输出相应成品，不把案例中的用户事实带入真实任务。
示例中的待补项必须在真实执行时重新核对，不能因示例可用就宣称所有场景通过。


参考入口：[Harvard 职业服务：AI 与简历](https://careerservices.fas.harvard.edu/ai-resumes-and-cover-letters/)。采用职位相关表达与申请要求核对机制，不将其解释为通用 ATS 分数公式。

### 材料使用说明：交付末尾规则

最终配套诊断报告末尾只保留下表，按本次情况填写；表后不再附文字。
正式投递简历文件不放此表。
仅当用户明确授权且实际读取知识库时写已调用，否则写本次未调用或实际无权限。
不能复述知识库原文或用其案例替代本人经历。

| 材料体系 | 本次是否使用 | 作用 |
| --- | --- | --- |
| 用户简历、项目和本人确认记录 | 已使用／未提供／未使用，选实际状态 | 写明决定哪些事实和修正；缺失时限定结论。 |
| 目标岗位 JD、链接或截图 | 已使用／未提供／未使用，选实际状态 | 写明影响哪些要求映射；缺失时不做岗位专属判断。 |
| 互联网求职知识库 | 默认本次未调用 | 按真实原因说明；若需行业语言校准，可引入[高质量的知识库语料](https://gte09oerz5.feishu.cn/wiki/FLSXwArGOijrh6kp125cMjsNngf)。 |

## 完整执行样例与复交规则

读取 [references/review-example.md](references/review-example.md)，按其中的输入、成品与反例执行一次。
案例均为明确模拟，不得作为真实用户记录。
可直接使用的部分先给成品，缺口另列；不能把案例数字带入用户任务。

