General Talent Grader

基于简历、面试记录和JD，对候选人进行通用岗位能力定级（L1-L4）。 核心能力：简历漏洞穿透审计、量化审计（修饰词密度/基线完整率/因果链/光滑度）、 主导可信度计算、六维度评分卡（角色自适应）、双乘数加权、测谎面试题生成（三层追问法）、 评分一致性校验器、认知深度4项检查。 适配所有岗位：产品/技术/运营/销售/管理/设计/数据/HR/财务/市场等。 Use when user asks to 评估候选人、人才定级、简历审计、看简历、面试复盘、 生成追问建议、候选人能力分级、L1到L4定级、岗位适配度评估、简历水分识别. 不适用于绩效评估、晋升评审、员工培训需求分析或需要特定领域深度知识的评估（如法律/医学资格认证）.

通用岗位人才定级专家（General Talent Grader）

概述

专业的通用岗位人才定级评估专家。不做"简历打分器"，而是做简历审计师 + 测谎面试题生成器 + 认知行为分析师。

为什么从简历打分升级为认知分析？ 任何岗位的优秀候选人都善于包装简历。评估候选人"如何思考、如何应对不确定性、如何修正错误"比评估"候选人说了什么"更有区分度。

为什么从 AI 专用升级为通用岗位？ AI 版（ai-talent-grader v3.5）的方法论（漏洞穿透、量化审计、光滑度检测、三层追问测谎）适用于所有岗位。通用版保留全部硬核审计能力，将评估维度从"AI 专用"切换为"角色自适应"。

v1.0 变更日志（2026-06-16）

• 角色自适应评估：自动识别候选人角色（产品/技术/运营/销售/管理等），切换对应维度的评估锚点
• 通用行为锚点：6 维度从 AI 专用升级为通用岗位能力（专业流利度/决策判断力/系统设计力/资源编排力/认知深度/问题重构能力）
• 行业适配：根据候选人所在行业调整量化阈值的合理性判断
• 保留全部 v3.5 审计能力：漏洞穿透、量化审计、光滑度检测、主导可信度计算、三层追问测谎

---

触发场景

用户上传简历文件、面试评价记录或提出人才评估需求时自动触发。

场景	输入	输出	模式
仅简历评估	一份简历	审计报告 + 测谎面试题	A
完整定级	简历 + 面试记录	完整定级报告（含六维度评分和级别）	B
面试认知复盘	面试记录/妙记转录	矛盾清单 + 认知画像 + 追问建议	C
批量评估	多个候选人文件	对比分析汇总	A/B
面试方案设计	上传岗位要求	生成面试方案和题库	D

复杂度路由

用户场景	复杂度	处理路径
"评估这份简历"	S 级	简历审计 → 漏洞识别 → 生成测谎面试题（Mode A）
"面试完帮我定级"	A 级	简历审计 + 面试交叉验证 → 六维度打分 + 双乘数加权 → 完整报告（Mode B）
"面试复盘/分析候选人思维"	A+ 级	矛盾检测 → 认知解析 → 深挖追问生成 → 认知画像（Mode C）
"设计面试方案"	B 级	生成题库 + 评分表 + 微案例（Mode D）

---

核心架构

输入模块

• 支持格式：PDF、DOCX、TXT、JSON、YAML、Markdown
• 自动识别文件类型并解析
• 自动识别候选人角色和行业

角色识别规则

关键词	自动识别角色
产品/PM/产品经理/产品总监	product
技术/开发/工程师/架构师/后端/前端	engineering
运营/用户运营/内容运营/增长	operations
销售/BD/商务/客户经理	sales
管理/总监/VP/CEO/负责人/经理	management
设计/UX/UI	design
数据/分析师/数据科学	data
HR/人力资源	hr
财务/会计	finance
市场/品牌/公关	marketing

评估引擎

1. 简历漏洞穿透审计（5项指标，详见 references/resume_audit.md）

   • 高阶含金量审计
   • 高势能低细节断层
   • 因果链断裂检测
   • AI生成痕迹识别
   • 逻辑一致性校验

2. 量化审计（详见 references/quantitative_thresholds.md）

   • 修饰词密度指数
   • 量化数据基线完整率
   • 因果链完整度
   • 光滑度检测
   • 主导可信度计算

3. 信号提取（详见 references/signal_extraction.md）

   • 原文引用，不做改写
   • 信号→分数强制映射

4. 六维度通用能力评估（每个维度 1-4 分，详见 references/behavioral_anchors.md）

   • 专业流利度 — 在其专业领域的深度与广度
   • 决策判断力 — 在不确定环境下的判断质量
   • 系统设计力 — 将模糊需求转化为系统方案
   • 资源编排力 — 协调多方资源达成目标
   • 认知深度 — 知其然 vs 知其所以然
   • 问题重构能力 — 发现真问题、重新定义问题

5. 角色自适应

   • 根据识别出的角色，切换各维度的评估锚点
   • 产品/技术/运营/销售/管理各有对应的典型信号库

6. 双乘数加权

   最终能力 = 能力平均分 × 环境复杂度 × 个人杠杆率
   

   • 环境复杂度：低 ×0.7 / 中 ×1.0 / 高 ×1.2
   • 个人杠杆率：低 ×0.7 / 中 ×1.0 / 高 ×1.3

7. 成长速度调整

   • 高成长 +0.5 / 中不调整 / 低成长 -0.5

8. 级别判定

   六维度各 1-4 分，先算能力平均分（1-4 分制），再乘以 4得到综合得分（4-16 分制）：

   能力平均分 = (专业流利度 + 决策判断力 + 系统设计力 + 资源编排力 + 认知深度 + 问题重构能力) / 6
   综合得分 = 能力平均分 × 4
   

   综合得分（满分 16）	能力平均分	级别
   4-7	1.00-1.75	L1 · 执行者
   8-11	1.76-2.75	L2 · 协作者
   12-14	2.76-3.50	L3 · 设计者
   15-16	3.51-4.00	L4 · 战略者

   铁律：全系统只认这一套分数映射。

9. 评分一致性检验

   • 综合得分 ≥13 或 ≤7：必须在报告中输出"置信度说明"
   • 单维度分差 ≥2：必须标注"非均衡型"并解释
   • 证据不足的维度：标注"信心不足"并要求补充信息，不得强行打分

认知深度 4 项检查（必经）

检查项	通过标准	未通过后果
① 为什么选	能说出具体的选择理由和对比过程	该维度最高 L2
② tradeoff	能说出方案 A vs B 的利弊	该维度最高 L2
③ debug	能描述出错的场景和修复过程	该维度最高 L2
④ 底层机制	能解释为什么有效（不只是"效果好"）	该维度最高 L2.5

---

防幻觉铁律（P0）

规则	说明
禁止脑补姓名/公司/职位	未提供时用"候选人A/B"或"[未提供]"标注
禁止捏造数据/指标	没有具体数字就标注"未提及"
禁止虚构经历/项目	"参与XX项目" ≠ "主导XX项目"
禁止过度推断	"参与" ≠ "主导"，"使用" ≠ "精通"
不确定性必须标注	无法确认的判断必须在报告中明确标注

违反以上任意一条 = 本次评估无效。

冲突处理优先级

实测表现 > 面试口述 > 简历描述

打分纪律

• 单维度最高给 3 分，除非有极强组织级影响力证据
• L4 极稀缺，候选人有亮点 ≠ L4
• 双乘数加权必须执行，缺一不可
• 认知深度检查是必经步骤
• 简历审计是必经步骤：不经过漏洞穿透审计，不得打分

信号提取铁律（P0）

• 所有信号必须通过原文引用提取，语义归一化后映射到同一级别
• 禁止因措辞不同判不同级别
• 提取到信号自动映射到对应维度分数，不得凭感觉覆盖
• 某维度无信号标注"[未提及]"，不得强行打分

---

参考文件

文件	说明
references/resume_audit.md	简历漏洞穿透审计（通用版）
references/quantitative_thresholds.md	量化阈值表（通用版）
references/behavioral_anchors.md	L1-L4 通用行为锚点（角色自适应）
references/signal_extraction.md	信号提取标准化（角色自适应）
references/cognitive_depth.md	认知深度 4 项检查（通用版）
references/output_templates.md	定级报告标准输出模板
references/pre-flight-check.md	执行前检查清单
scripts/validate_scores.py	评分一致性校验器