Install
openclaw skills install recruitment-fullstack-v4recruitment-fullstack-v4
提供覆盖需求确认、简历筛选、面试设计、结构化评估、校准会议及最终决策的招聘全流程结构化评估体系。
recruitment-fullstack-v4
招聘全流程 V4.0 — 结构化面试评估体系
覆盖阶段0至阶段4：需求确认 → 简历筛选 → 题目设计 → BARS评估 → Calibration → 最终决策
核心定位
本skill是「招聘委员会级」的评估工具，而非简单的「简历筛选器」。
设计原则：证据驱动 · 可计算 · 可校准 · 可复核
触发条件
当用户描述以下场景时，自动激活本skill：
| 用户意图 | 激活场景 | 默认阶段 |
|---|---|---|
| 「筛选简历」「评估候选人」「过一遍这个候选人」 | 启动完整评估流程 | 阶段0准入检查 |
| 「设计面试题」「出什么题」「怎么面试XXX」 | 生成面试题目脚本 | 阶段2 |
| 「评估面试表现」「给这个候选人打分」「面试后评估」 | BARS结构化评估 | 阶段3 |
| 「帮我决策」「最终推荐」「录还是不录」 | 最终决策报告 | 阶段4 |
| 「帮我做招聘」「完整流程」「端到端」 | 全流程执行 | 阶段0→4 |
| 「校准几个候选人」「Calibration会议」 | Calibration会议 | 阶段3.5 |
流程总览
阶段 0：需求确认（强制准入）
↓ （通过后）
阶段 1：简历筛选 + Scorecard
↓
阶段 2：面试题目设计 → 输出脚本
↓
阶段 3：独立BARS评估（24h内禁止互通）
↓
阶段 3.5：Calibration校准会议
↓
阶段 4：最终决策 + Offer建议
三条铁律（所有阶段强制执行）
铁律一：无证据不结论
所有判断必须引用简历/面试原文。
- ✅ 正确：「具备数据分析能力（证据：简历P2 "使用SQL分析30万用户留存数据"）」
- ❌ 错误：「数据分析能力强」
如简历未提及，必须标注：【信息缺失，需面试确认】
铁律二：评分必须可计算
禁止直接给「匹配度9.0」这种主观分。所有评分必须输出计算明细表。
铁律三：不知道就说不知道
宁可输出「信息不足，无法判断」，也不允许填充式回答。每份报告末尾必须有**【局限性声明】**章节。
全局禁区清单
以下信息永不评估、永不写入报告，无论简历是否提及：
| 类别 | 具体项 |
|---|---|
| 个人属性 | 年龄、性别、婚育、户籍、民族 |
| 信仰倾向 | 政治倾向、宗教信仰 |
| 健康状况 | 健康、残障、心理状态 |
| 外貌相关 | 外貌、口音、身高、体重 |
| 家庭隐私 | 家庭成员、收入、社会关系 |
使用指南
快速开始
当用户提供候选人简历时，按以下顺序执行：
1.【阶段0】需求确认 → 检查6项必填项
2.【阶段1】简历筛选 → 输出Scorecard + 加权评分
3.【阶段2】面试设计 → 根据岗位类型路由到对应题库
4.【阶段3】BARS评估 → 执行独立评估 + 8项反偏见自检
5.【阶段3.5】Calibration → 多面试官校准会议
6.【阶段4】最终决策 → 输出决策矩阵 + Offer建议
按阶段使用
当用户指定特定阶段时，直接跳转到对应包：
| 阶段 | 包文件 | 说明 |
|---|---|---|
| 阶段0+1 | packages/02-intake-standards.md | 需求确认 + 简历筛选 |
| 阶段2 | packages/03-interview-design.md | 面试题目设计 + 路由逻辑 |
| 阶段2附录 | packages/04-questionbanks.md | 7大岗位差异化题库 |
| 阶段3 | packages/05-interview-evaluation.md | BARS 8维度评估 |
| 阶段3.5 | packages/06-calibration.md | Calibration校准会议 |
| 阶段4 | packages/07-final-decision.md | 最终决策 + Offer建议 |
| 主框架 | packages/01-framework.md | 铁律 + 禁区 + 数据流 |
岗位类型路由
根据以下决策树确定岗位类型，自动调用对应题库：
销售岗（TO B大客户）
→ packages/04-questionbanks.md 【销售岗题库】
技术岗（后端/前端/算法/大数据）
→ packages/04-questionbanks.md 【技术岗题库】
产品岗（C端/B端/数据产品）
→ packages/04-questionbanks.md 【产品岗题库】
管理岗（带团队≥3人）
→ packages/04-questionbanks.md 【管理岗题库】
职能岗（HR/财务/法务/行政）
→ packages/04-questionbanks.md 【职能岗题库】
转行候选人
→ packages/04-questionbanks.md 【转行候选人题库】
→ 叠加主岗位题库，权重：转行40% + 主岗位60%
实习/应届
→ packages/04-questionbanks.md 【实习应届题库】
→ 叠加主岗位题库，权重：实习40% + 主岗位60%
职级判定
| 职级 | 判定标准 | 影响 |
|---|---|---|
| 低职级 | 应届/3年以下/初级（P4-P5）/不带团队 | 2类面试官矩阵 + 3-4层追问深度 |
| 高职级 | 3年+/高级（P6+）/带团队≥3人/总监+ | 3类面试官矩阵 + 6层追问 + TORC |
包结构说明
本skill采用多文件模块化架构：
recruitment-fullstack-v4/
├── SKILL.md ← 本文件，主入口
└── packages/
├── 01-framework.md ← 主框架（铁律+禁区+数据流+版本历史）
├── 02-intake-standards.md ← 阶段0+1（需求确认+简历筛选）
├── 03-interview-design.md ← 阶段2（面试题目设计+路由逻辑）
├── 04-questionbanks.md ← 阶段2附录（7大岗位题库）
├── 05-interview-evaluation.md ← 阶段3（BARS 8维度评估）
├── 06-calibration.md ← 阶段3.5（Calibration校准）
└── 07-final-decision.md ← 阶段4（最终决策+Offer）
包依赖关系：
- 包1 → 所有包（绝对约束）
- 包2 → 包1
- 包3 → 包1 + 包2 + 包4
- 包4 → 包1 + 包3（被调用）
- 包5 → 包1 + 包3 + 包4
- 包6 → 包1 + 包5
- 包7 → 包1 + 包2 + 包5 + 包6
与旧版的核心差异
| 维度 | 旧版（resume-screener-pro） | V4新版 |
|---|---|---|
| 流程覆盖 | 仅简历筛选 | 阶段0→4全流程 |
| 评估方式 | 主观打分 | BARS结构化评分（1-5分） |
| 追问方法 | 模糊"6层深" | A/B/C/D量化决策树 |
| 反偏见 | 口头提倡 | 8项自检 + Calibration |
| 证据要求 | 鼓励 | 强制引用原文 |
| 不确定性 | 无 | 强制局限性声明 |
| 职级差异 | 无 | 低/高职级不同处理 |
| 模板化 | 弱 | 全流程模板覆盖 |
快速调用示例
场景1：用户说"帮我筛选这批简历"
→ 执行阶段0（6项必填检查）
→ 执行阶段1（Scorecard + 加权评分）
→ 输出：筛选报告 + 分层建议
场景2：用户说"设计这个岗位的面试题"
→ 阶段0确认（岗位类型 + 职级）
→ 执行阶段2（路由到对应题库）
→ 输出：面试脚本（含题目 + 评分标准 + 追问引导）
场景3：用户说"评估这个候选人的面试表现"
→ 执行阶段3（BARS 8维度独立评估）
→ 执行反偏见自检（8项）
→ 输出：单面试官评估报告 + 反向论证
场景4：用户说"推荐最终人选"
→ 汇总阶段1 + 阶段3 + Calibration数据
→ 执行阶段4（加权综合分 + 4问校验 + 决策矩阵）
→ 输出：最终推荐报告 + Offer建议 + Onboarding规划
局限性说明
本skill产出的质量依赖以下因素：
- 简历信息完整度 → 影响阶段1评分置信度
- 面试记录质量 → 影响阶段3评分准确性
- 面试官执行规范 → 影响Calibration有效性
- 多面试官评分一致性 → 影响校准结论可靠度
所有报告必须包含【局限性声明】章节，诚实说明评估的置信度和未覆盖维度。