JD 人岗适配分析

作者 admin

2026年11月5日 2 分钟阅读

0 0

下载地址

代码

https://www.zhengdianxue.com/wp-content/uploads/skills/org-t9iphcmf--jd-resume-matcher.zip

将提示词发送给你的 AI 安装该 skills

代码

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-t9iphcmf/jd-resume-matcher。

|JD分析与人岗匹配专业技能，服务于人力资源招聘场景。触发条件： – 提到"JD分析"、"职位分析"、"解析职位描述"、"分析招聘要求" – 提到"人岗匹配"、"简历匹配"、"匹配度分析"、"简历评估" – 提到"生成匹配报告"、"招聘分析报告"、"候选人评估" – 提供JD文档并要求分析 – 提供JD和简历要求进行匹配分析支持文件格式：.docx、.pdf、.txt、.md

阅读全文（展开查看完整说明）

概述

JD分析与人岗匹配 Skill

为人力资源招聘提供专业的 JD 解析、人岗匹配、技能市场校验能力。分析结果直接通过消息展示给用户，不生成 .md 文件。

核心能力

JD分析 – 解析职位描述，提取结构化信息，评估JD质量，结果直接消息展示
人岗匹配 – 计算简历与JD的匹配度，结果直接消息展示
技能市场校验（A+B） – 静态知识库 + AI 语义推理，验证 JD 技能的市场合理性（零 API 依赖）
简历自动解析 – 支持 .docx / .pdf / .txt 格式，自动提取结构化信息

按模式按需读取参考文件（重要）

不同模式只需要读取对应的参考文件，不要读取当前模式不需要的文件。

模式	必须读取的文件	不需要读取的文件
模式0（技能市场校验）	`references/skill_taxonomy.md`（技能分类）、`references/job_profiles.md`（岗位画像）	`matching_criteria.md`、`jd_analysis_guide.md`、`output_format.md`
模式1（JD分析）	`references/output_format.md`（输出格式规范）	`skill_taxonomy.md`、`job_profiles.md`、`matching_criteria.md`、`jd_analysis_guide.md`
模式2（人岗匹配）	`references/output_format.md`（输出格式规范）、`references/job_profiles.md`（岗位画像，用于权重调整参考）	`skill_taxonomy.md`、`matching_criteria.md`、`jd_analysis_guide.md`

注意：matching_criteria.md 和 jd_analysis_guide.md 中的评分公式、解析方法论等已在 Python 脚本中实现，AI 不需要手动计算，因此任何模式下都不需要读取这两个文件。

工作流程

模式0：技能市场校验（A+B 混合方案）

代码

用户输入：岗位名称 + JD 技能清单
  ↓
步骤0：岗位画像匹配
  → 在 job_profiles.md 中精确匹配 + 模糊匹配
  → [兜底] 无匹配 → WebSearch 搜索，构建临时画像，置信度降一级
  ↓
步骤1：A方案 — 静态知识库校验
  → 运行：python scripts/market_validator.py <jd_parsed.json> --job-title "岗位名"
  → 输出：遗漏技能、过时技能、新兴技能（含热度标记）
  ↓
步骤2（可选）：B方案 — AI 语义推理
  → 运行：python scripts/market_validator.py <jd_parsed.json> --job-title "岗位名" --ai-prompt
  → 将生成的提示词提交给 AI，获取 JSON 结果
  → 合并：python scripts/market_validator.py <jd_parsed.json> --ai-result ai_response.json
  ↓
步骤3：输出结果
  → 结果直接通过消息展示给用户（不生成 .md 文件）

快速校验、批量处理 → 仅用 A 方案
深度分析、最新技术判断 → A+B 结合

模式1：JD分析

代码

用户输入：JD文档（.docx/.pdf/.txt）
  ↓
步骤1：提取JD文本
  → 使用 docx/pdf skill 读取文件，保存为临时文本
  ↓
步骤2：调用JD解析脚本
  → python scripts/jd_parser.py <jd_text_file>
  → 输出：JD结构化数据（JSON，输出到 stdout）
  ↓
步骤3：JD质量评估
  → 脚本已内置质量评分逻辑，直接读取 JSON 中的 quality_score 字段
  → 与岗位画像对比识别缺失维度（通过 market_validator.py 实现）
  ↓
步骤3：格式化输出
  → python scripts/output_formatter.py jd <jd_parsed.json>
  → 输出：标准化 Markdown 文本（到 stdout）
  → AI 读取 stdout 内容，直接在消息中展示给用户（不生成 .md 文件）

模式2：人岗匹配

代码

用户输入：JD文档 + 简历文档（1份或多份）
  ↓
步骤1：解析JD
  → python scripts/jd_parser.py <jd_text_file> > jd_parsed.json
  ↓
步骤2：解析简历（自动化）
  → python scripts/resume_parser.py <resume_file_path>
  → 支持 .docx / .pdf / .txt
  → 输出：简历结构化数据（JSON，输出到 stdout）
  ↓
步骤3：执行匹配算法
  → python scripts/matching_engine.py <jd.json> <resume.json>
  → 自动检测岗位类型（技术/测试/创意/高管）并应用对应权重
  → 输出：匹配结果（JSON，输出到 stdout）
  ↓
步骤4（可选）：技能市场校验
  → python scripts/market_validator.py <jd.json> --job-title "岗位名"
  ↓
步骤5：格式化输出
  → python scripts/output_formatter.py match <result.json> --jd <jd.json> --resume <resume.json>
  → 输出：标准化 Markdown 文本（到 stdout）
  → AI 读取 stdout 内容，直接在消息中展示给用户（不生成 .md 文件）
  ↓
步骤6（批量时）：结果汇总
  → 将多份匹配报告按总分排序，输出汇总表

脚本命令速查

BASH

# JD 解析
python scripts/jd_parser.py <jd_text_file>

# 简历解析（支持 .docx/.pdf/.txt）
python scripts/resume_parser.py <resume_file_path>

# 人岗匹配
python scripts/matching_engine.py <jd.json> <resume.json>

# 技能市场校验
python scripts/market_validator.py <jd.json> --job-title "岗位名"
python scripts/market_validator.py <jd.json> --job-title "岗位名" --ai-prompt  # 生成AI提示词
python scripts/market_validator.py <jd.json> --ai-result ai.json               # 合并AI结果

# 格式化输出（输出到 stdout，AI 读取后直接消息展示，不生成文件）
python scripts/output_formatter.py jd <jd.json>           # JD分析报告
python scripts/output_formatter.py match <result.json> --jd <jd.json> --resume <resume.json>  # 匹配报告

Python 路径说明：使用 ~/.workbuddy/binaries/python/versions/3.13.12/bin/python3，脚本目录为 /Users/tianye/.workbuddy/skills/jd-resume-matcher/scripts/。

知识库兜底机制（简要）

当技能不在 skill_taxonomy.md 或岗位不在 job_profiles.md 时：

用 WebSearch 查询该技能/岗位的分类、热度、技能要求
临时纳入评估，在报告中标注"以下信息来自网络搜索"
整体置信度自动降一级

参考文件说明

文件	用途	何时读取
`references/skill_taxonomy.md`	15大类500+技能分类与别名映射	模式0
`references/job_profiles.md`	28个岗位标准化技能画像	模式0、模式2
`references/output_format.md`	固定输出格式规范（章节结构、显隐规则）	模式1、模式2
`references/matching_criteria.md`	评分公式与权重配置	不需要读取（已在脚本中实现）
`references/jd_analysis_guide.md`	JD解析方法论	不需要读取（已在脚本中实现）

输出规范

所有分析结果直接通过消息展示给用户，不生成 .md / .docx / .xlsx 文件
output_formatter.py 输出到 stdout，AI 读取后直接在对话中呈现
人岗匹配报告固定4大模块（v1.11）：一、基本信息 → 二、匹配总览（评估总结 + 评估维度分析）→ 三、技能详细对照（技能对照分析 + 技能加分项）→ 四、匹配分析（匹配优势 + 匹配差距 + 面试建议 + 小结）
人岗匹配补充信息（按条件出现）：岗位类型说明、技能市场校验、JD质量评估、缺失维度识别
JD分析报告固定8章节（v1.10，无数据模块显示"无"）：一、JD基本信息 → 二、职责解析 → 三、任职要求 → 四、JD质量评估 → 五、核心问题分析 → 六、缺失维度识别 → 七、优化建议 → 八、招聘风险评估
重要区分：人岗匹配和JD分析的分析报告结构完全不同，人岗匹配为4模块结构，JD分析为8章节结构
详细格式规范见 references/output_format.md

版本

当前版本: v1.11
更新日志:
- v1.11 (2026-06-11) – 人岗匹配报告重构为固定4大模块：基本信息 → 匹配总览（含评估总结+维度分析）→ 技能详细对照（技能对照+加分项）→ 匹配分析（优势+差距+建议+小结）；无数据模块显示"无"；语义匹配详情融入技能对照分析
- v1.9 (2026-06-11) – 分析结果直接消息展示，不生成 .md 文件；output_formatter.py 移除 –output 参数，仅输出 stdout
- v1.8 (2026-06-11) – 取消JD补齐逻辑，改为原内容分析 + 缺失维度识别；章节编号动态化；中文岗位名匹配优化
- v1.7 (2026-06-10) – 知识库兜底机制（WebSearch 补充未知技能/岗位）
- v1.6 (2026-06-10) – 技能市场校验升级（A+B 混合方案，替代 GitHub API）
- v1.5 (2026-06-10) – 输出改为固定格式 Markdown 文本（移除 Word/Excel 生成）
- v1.4 (2026-06-10) – 简历自动解析、TF-IDF 语义匹配、28个岗位画像

JD 人岗适配分析

下载地址

概述

JD分析与人岗匹配 Skill

核心能力

按模式按需读取参考文件（重要）

工作流程

模式0：技能市场校验（A+B 混合方案）

模式1：JD分析

模式2：人岗匹配

脚本命令速查

知识库兜底机制（简要）

参考文件说明

输出规范

版本

标签：

admin

其他文章

企业信用评分

版权猎手

暂无评论！成为第一个。

发表回复取消回复

您可能错过了

财务报表健康检查【Agent响应契约多端适配】

个人效率诊断【Agent响应契约多端适配】

旅游退改费用核算【Agent响应契约多端适配】

微信小程序安全漏洞检测

投标响应分析【Agent响应契约多端适配】

数据合规自查【Agent响应契约多端适配】

微信小程序性能诊断助手

微信小程序上线审核助手【Agent响应契约多端适配】

职业规划分析【Agent响应契约多端适配】

关于本站

热点推荐

最新文章

文章归档

订阅 AI 精选

订阅成功

2026 年 11 月
一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30

JD 人岗适配分析

下载地址

概述

JD分析与人岗匹配 Skill

核心能力

按模式按需读取参考文件（重要）

工作流程

模式0：技能市场校验（A+B 混合方案）

模式1：JD分析

模式2：人岗匹配

脚本命令速查

知识库兜底机制（简要）

参考文件说明

输出规范

版本

标签：

其他文章

暂无评论！成为第一个。

发表回复 取消回复

您可能错过了

发表回复取消回复