SKILLEMALL.ai

BC resume-screening

Профессиональный навык для отбора и оценки резюме: количественная оценка кандидатов по трем критериям — соответствие жестким требованиям, соответствие навыкам и соответствие мотивации — с использованием воронкообразного процесса «сначала жесткие, потом мягкие; сначала отбор, потом чтение». Сценарии использования: (1) массовый отбор резюме из пула при найме, (2) углубленная оценка отдельного резюме, (3) формирование списка рекомендаций для собеседования и оценочных заключений.

машинный переводПоказать оригиналСкрыть оригинал«专业的简历筛选与评估技能,按照"先硬后软,先筛后读"的漏斗式流程,从基础匹配度、能力匹配度、动机稳定匹配度三个维度对候选人简历进行量化评估,…»

专业的简历筛选与评估技能,按照"先硬后软,先筛后读"的漏斗式流程,从基础匹配度、能力匹配度、动机稳定匹配度三个维度对候选人简历进行量化评估,筛选出最合适且最真实的候选人。使用场景:(1) 招聘时批量筛选简历池,(2) 单个候选人简历深度评估,(3) 生成面试推荐名单与评估意见。

ClawHub Agent Skills автор: yuyang-rgb094 v1.0.0 MIT-0 2 файла тело ≈ 555 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Профессиональный навык для отбора и оценки резюме: количественная оценка кандидатов по трем критериям — соответствие жестким требованиям, соответствие навыкам…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураЛюди и наймтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 555 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 139 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 28 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is an instruction-only resume screening aid with no code or hidden access, but users should treat its hiring recommendations as decision support rather than automatic decisions.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.