{"id":"f0098242-5316-4794-93db-b729395f0564","entityType":"agent","slug":"clawhub-iichaner-job-match-priority","name":"job-match-priority","canonicalUrl":"https://www.xpersona.co/agent/clawhub-iichaner-job-match-priority","canonicalPath":"/agent/clawhub-iichaner-job-match-priority","generatedAt":"2026-10-10T15:52:51.919Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":null},"description":"Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Skill: job-match-priority Owner: iichaner Summary: Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-18T10:45:49.550Z | auto Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. -","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.4K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s17evhyc3z1a82bvpm10c418p9849pg7:job-match-priority","sourceUrl":"https://clawhub.ai/iichaner/job-match-priority","homepage":"https://clawhub.ai/iichaner/skills/job-match-priority","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/iichaner/job-match-priority","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/iichaner/skills/job-match-priority","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":63,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Skill: job-match-priority Owner: "},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":null},"stars":null,"forks":null,"downloads":1402,"packageName":null,"latestVersion":"0.1.0","tractionLabel":"1.4K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T13:53:36.372Z","lastCrawledAt":"2026-10-10T13:53:36.372Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T13:53:36.372Z","lastVerifiedAt":null,"highlights":[{"version":"0.1.0","createdAt":"2026-08-18T10:45:49.550Z","changelog":"Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. - Step-by-step interactive setup: collects candidate preferences, parses resume, and generates personalized matching rules. - Includes calibration flow using real JDs for user validation and feedback. - Batch processes JD sources (Feishu tables, local files, pasted content) with data deduplication, completeness check, and result writing. - Dynamic, user-tailored competency dimensions (no preset lists). - Automated AI keyword boosting in job titles and concise reason generation for each match. - Comprehensive reporting and user reminders throughout the process.","fileCount":11,"zipByteSize":19043}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17evhyc3z1a82bvpm10c418p9849pg7:job-match-priority","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T15:52:51.918Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":null},"readme":"Skill: job-match-priority\n\nOwner: iichaner\n\nSummary: Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning.\n\nTags: latest:0.1.0\n\nVersion history:\n\nv0.1.0 | 2026-08-18T10:45:49.550Z | auto\n\nInitial release with KSAO-based job-candidate match and prioritization workflow.\n\n- Implements dual-layer funnel scoring and full agent reasoning for job matching.\n- Step-by-step interactive setup: collects candidate preferences, parses resume, and generates personalized matching rules.\n- Includes calibration flow using real JDs for user validation and feedback.\n- Batch processes JD sources (Feishu tables, local files, pasted content) with data deduplication, completeness check, and result writing.\n- Dynamic, user-tailored competency dimensions (no preset lists).\n- Automated AI keyword boosting in job titles and concise reason generation for each match.\n- Comprehensive reporting and user reminders throughout the process.\n\nArchive index:\n\nArchive v0.1.0: 11 files, 19043 bytes\n\nFiles: assets (0b), assets/edge-cases.md (2815b), assets/usage-guide.md (2538b), README.md (3515b), references (0b), references/candidate-profile.md (5521b), references/field-config.md (3268b), references/priority-rules.md (6897b), skill-card.md (2539b), SKILL.md (10671b), _meta.json (137b)\n\nFile v0.1.0:SKILL.md\n\n---\nname: job-match-priority\ndescription: \"Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning.\"\nmetadata:\n  {\n    \"openclaw\":\n      {\n        \"emoji\": \"🎯\",\n        \"requires\": { \"bins\": [] },\n      },\n  }\n---\n\n# JD 匹配优先级判定\n\n基于 KSAO 框架（Knowledge / Skills / Abilities / Other）的双层漏斗匹配。全链路 Agent 推理，零脚本。\n\n---\n\n## 快速开始\n\n当用户要求简历匹配、JD 匹配、岗位筛选时，触发此 skill。\n\n---\n\n## Workflow\n\n### Step 0: 判断使用阶段\n\n**首次使用 → 进入引导流程（Step 0.1 - 0.6）**\n**非首次使用 → 检查已存配置，直接进入 Step 1**\n\n判断依据：\n- 用户是否已有候选人画像（KSAO）→ [references/candidate-profile.md](references/candidate-profile.md)\n- 用户是否已校准过匹配标准\n- 用户是否明确说\"用之前的配置\"\n\n---\n\n### Step 0.1: 收集求职偏好（5 问，逐问逐答）\n\n**交互原则：每问一答，不一次甩 5 个问题。**\n\n| # | 问题 | 目的 | 输出 |\n|---|------|------|------|\n| 1 | 你期望的岗位方向是什么？（如：总助、HR、产品经理、运营...） | 确定目标岗位类型 | 岗位类型标签 |\n| 2 | 期望薪资范围？（月薪，如 15-20K） | 硬过滤阈值 | 薪资区间 |\n| 3 | 期望工作城市？（可多选） | 硬过滤阈值 | 城市列表 |\n| 4 | 有哪些绝对不考虑的行业/岗位类型？ | 硬过滤排除项 | 排除列表 |\n| 5 | 对工作强度/福利的底线要求？（如：双休、不加班、不接受单休...） | 硬过滤福利项 | 福利底线 |\n\n---\n\n### Step 0.2: 提供简历\n\n两种方式（二选一）：\n- **方式 A：** 提供简历文件路径（本地文件）\n- **方式 B：** 直接粘贴简历文本内容\n\n---\n\n### Step 0.3: 生成双画像\n\n#### 画像 A：候选人画像（KSAO）\n\n从简历中提取，按 KSAO 四维度结构化。详见 [references/candidate-profile.md#一、候选人画像结构（KSAO 四维度）](references/candidate-profile.md)。\n\n输出格式：\n```\n【候选人画像】\nK（知识）：学历 X，院校 XX，行业知识 XX\nS（技能）：硬技能 XX，管理技能 XX，工具技能 XX\nA（能力）：战略能力 L_X，组织能力 L_X，沟通能力 L_X，执行能力 L_X\nO（其他）：动机 XX，价值观 XX\n```\n\n#### 画像 B：求职 JD 画像（理想岗位特征）\n\n综合求职偏好 + 候选人能力画像，生成\"理想 JD\"：\n\n```\n【求职 JD 画像】\n目标岗位：XX（XX方向）\n岗位层级推断：L_X-L_X（基于 X 年经验 + 薪资期望）\n核心能力维度：XX、XX、XX\n加分维度：XX、XX\n排除项：XX、XX\n福利底线：XX\n```\n\n---\n\n### Step 0.4: 确认漏斗标准 + 自定义能力维度\n\n**重要：能力维度需根据用户画像动态生成，而非使用预设维度。**\n\n将画像转化为可执行的匹配规则，向用户确认：\n\n```\n基于你的画像，我拟定了以下匹配标准：\n\n【硬过滤】\n- 薪资：XX-K 之外直接标记 low\n- 地点：非 XX 且不接受远程 → low\n- 行业：XX、XX → low\n- 排除：XX、XX\n\n【能力维度权重】（根据你的画像定制，5-8 个维度）\n- 核心维度：XX、XX（权重最高）\n- 重要维度：XX、XX\n- 加分维度：XX、XX\n\n【能力深度要求】\n- 目标岗位层级：L_X-L_X\n- 深度匹配范围：L_X-L_X 可接受\n\n以上标准是否需要调整？可以增删维度或调整权重。\n```\n\n**维度生成原则：**\n1. 从候选人简历中提取高频能力关键词，聚类为维度\n2. 结合目标岗位的典型能力要求\n3. 用户可自定义维度名称和同义词簇\n4. 总维度数建议 5-8 个\n\n用户确认 → 进入校准测试\n\n---\n\n### Step 0.5: 校准测试（用户提供 ≥10 份 JD）\n\n**目的：** 用真实数据验证匹配标准，让用户校准判定结果。\n\n**要求用户提供：**\n- ≥10 份 JD（飞书表格链接 / 本地 CSV / 直接粘贴）\n- 优先选择用户已知\"应该匹配\"和\"不应该匹配\"的 JD（用于验证）\n\n**执行：**\n1. 对每份 JD 执行完整的 Layer 1-3 匹配（详见 Step 3）\n2. 生成匹配结果表格：\n\n| # | 岗位名称 | 公司 | 判定 | 理由 | 命中维度 | 深度匹配 |\n|---|---------|------|------|------|---------|---------|\n| 1 | XX | XX | high | XX | 维度A+维度B | 匹配 |\n| 2 | XX | XX | low | XX | 仅维度C | 不匹配 |\n| ... | ... | ... | ... | ... | ... | ... |\n\n---\n\n### Step 0.6: 用户审阅 + 校准\n\n展示结果后，问用户：\n\n```\n以上 10 份 JD 的匹配结果，是否有需要调整的？\n- 哪些判定偏高了？（实际不匹配但判为 high/medium）\n- 哪些判定偏低了？（实际匹配但判为 low）\n- 漏斗标准需要修改吗？\n```\n\n**用户反馈处理：**\n\n| 反馈类型 | 处理方式 |\n|---------|---------|\n| \"这条应该是 high 不是 medium\" | 检查维度命中和深度，调整对应维度权重或阈值 |\n| \"这条不应该被过滤\" | 调整硬过滤规则（放宽薪资/地点/行业限制） |\n| \"这条应该被过滤掉\" | 增加硬过滤规则（添加排除项） |\n| \"整体没问题\" | 确认配置，进入正式匹配 |\n\n**校准循环：**\n- 用户有调整 → 修改标准 → 重新跑校准测试 → 再次审阅\n- 用户确认无误 → 存储最终配置 → 进入 Step 1\n\n---\n\n### Step 1: 检查数据源与 JD 完整性\n\n#### 1.1 数据源识别\n\n| 输入类型 | 处理方式 |\n|---------|---------|\n| 飞书多维表格链接 | 通过 bitable API 读写 |\n| 本地 CSV 文件 | 新建 `<原名>_判定结果.csv` |\n| 本地 Excel 文件 | 新建 `<原名>_判定结果.xlsx` |\n| 直接粘贴 JD | 逐条分析 |\n\n#### 1.2 JD 信息完整性检查\n\n对每条 JD 检查以下字段是否齐全：\n\n| 字段 | 必要性 | 缺失影响 |\n|------|--------|---------|\n| 岗位名称 | **必需** | 无法判断岗位类型和 AI 提升 |\n| 公司名称 | 重要 | 无法判断行业 |\n| JD 描述 | **必需** | 无法进行能力维度匹配 |\n| 薪资范围 | 重要 | 硬过滤可能误判 |\n| 工作地点 | 重要 | 硬过滤可能误判 |\n| 经验要求 | 参考 | 深度匹配精度下降 |\n| 行业信息 | 参考 | 行业过滤可能误判 |\n\n**完整性判定：**\n- **完整：** 岗位名称 + JD 描述 + 薪资 + 地点 齐全\n- **基本完整：** 岗位名称 + JD 描述 齐全，缺薪资或地点\n- **不完整：** 缺岗位名称或 JD 描述\n\n**处理方式：**\n- **完整 / 基本完整：** 正常执行匹配，结果可信\n- **不完整：** 提醒用户，说明\"基于不完整信息分析，结果可能不准确\"，仍执行匹配\n\n#### 1.3 数据去重（必须）\n\n- 按 `job_id` 或 `岗位名称+公司名称` 去重，保留首条\n- 去重后统计实际总数，汇报去重数量\n\n---\n\n### Step 2: 读取待处理记录\n\n1. 获取表格记录（飞书 bitable / 本地文件）\n2. 过滤：排除已有\"优先级判断\"的记录\n3. 获取准确的 `record_id`\n\n---\n\n### Step 3: 批量判定（每批 5 条）\n\n对每条记录执行完整匹配流程：\n\n#### Layer 1：硬过滤\n\n按 [references/priority-rules.md#Layer 1：硬过滤](references/priority-rules.md) 执行：\n- 薪资过滤\n- 地点过滤\n- 行业过滤\n- 排除项检查\n\n不通过 → 直接标记 `low`，理由说明硬过滤原因\n\n#### Layer 2：能力维度匹配（语义聚类）\n\n按 [references/priority-rules.md#Layer 2：能力维度匹配（语义聚类）](references/priority-rules.md) 执行：\n- 使用 Step 0.4 用户确认的自定义能力维度（5-8 个）\n- 每个维度有同义词簇\n- 命中任一同义词 → 该维度得分 +1（不重复计分）\n- 统计命中维度数\n\n#### Layer 3：能力深度匹配\n\n按 [references/priority-rules.md#Layer 3：能力深度匹配](references/priority-rules.md) 执行：\n- 从 JD 推断岗位层级（多维信号）\n- 评估候选人能力深度\n- 判断深度匹配类型（精准/超配/不足）\n\n#### 综合判定\n\n```\nLayer 1 不通过 → low\nLayer 1 通过 → 结合 Layer 2 + Layer 3 综合判定\n  → high / medium / low\n```\n\n判定标准参考 [references/priority-rules.md#综合判定（Layer 1-3 汇总）](references/priority-rules.md)，\n**但以 Step 0.4 用户确认的标准为准。**\n\n#### AI 关键词提升\n\n仅检测职位名称（title），不检测职位描述（description）。\ntitle 含 AI 关键词 → 提升 1 级（low→medium, medium→high）。\n详见 [references/priority-rules.md#AI 关键词提升规则](references/priority-rules.md)。\n\n#### 理由生成\n\n30 字以内，格式：`[核心原因]，[辅助说明]`\n\n---\n\n### Step 4: 写入结果\n\n**飞书多维表格：** 每批 5 条判定完成后立即 `batch_update`\n\n**本地 CSV / Excel：** 创建新文件 `<原名>_判定结果.<扩展名>`\n- 检查是否已有 `优先级判断` 和 `优先级判断理由` 字段，若无则追加\n- 原始文件不做任何修改\n\n**字段配置：** 见 [references/field-config.md](references/field-config.md)\n\n失败 → 记录失败 record_id，继续下一批，最后重试\n\n---\n\n### Step 5: 汇报结果\n\n简洁汇报：\n\n```\n匹配完成\n总计：X 条（去重后）\nhigh：Y 条（Z%）\nmedium：M 条（N%）\nlow：L 条（P%）\n不完整 JD：N 条（结果可能不准确）\n```\n\n---\n\n## 核心提醒\n\n- **数据必须先去重**（按 job_id 或 岗位+公司），否则重复记录导致判定结果膨胀\n- **AI 提升仅检测 title**，description 中的 AI 关键词不触发提升\n- **能力维度按维度计分**，不按关键词计分，避免同义词重复膨胀\n- **全链路 Agent 推理**，不使用脚本，确保语义理解准确性\n- **JD 不完整时必须提醒用户**，说明结果可信度下降\n- **能力维度需动态生成**，根据用户画像定制，而非使用预设维度\n\n---\n\n## 相关文件\n\n| 文件 | 用途 | 何时加载 |\n|------|------|---------|\n| [references/candidate-profile.md](references/candidate-profile.md) | 候选人画像标准（KSAO 框架 + 能力深度模型） | Step 0.3 生成画像时 |\n| [references/priority-rules.md](references/priority-rules.md) | 优先级判定规则（硬过滤 + 能力维度 + 深度匹配 + AI 规则） | Step 3 批量判定时 |\n| [references/field-config.md](references/field-config.md) | 飞书多维表格字段配置 + 易错点 + 错误回滚 | Step 1 检查字段 + Step 4 写入时 |\n\n### Assets（模板与文档）\n\n| 文件 | 用途 |\n|------|------|\n| [assets/usage-guide.md](assets/usage-guide.md) | 用户使用指南（首次使用流程说明） |\n| [assets/edge-cases.md](assets/edge-cases.md) | Edge Cases 与特殊情况处理 |\n\nFile v0.1.0:README.md\n\n# 🎯 job-match-priority\n\n> 基于 KSAO 框架的 JD 匹配优先级判定 Skill —— OpenClaw 专属\n\n双层漏斗匹配（硬过滤 + 能力维度），全链路 Agent 推理，零脚本。\n\n---\n\n## ✨ 特性\n\n- **KSAO 框架**：知识/技能/能力/四维度候选人画像\n- **双层漏斗**：硬过滤（薪资/地点/行业）→ 能力维度匹配 → 能力深度匹配\n- **动态维度**：能力维度根据用户画像自动生成，非固定模板\n- **校准机制**：首次使用需校准，确保匹配标准符合用户实际需求\n- **多数据源**：支持飞书多维表格、本地 CSV/Excel、直接粘贴\n\n## 📦 安装\n\n```bash\n# 克隆到 OpenClaw skills 目录\ngit clone https://github.com/YOUR_USERNAME/job-match-priority.git ~/.openclaw/skills/job-match-priority\n```\n\n或手动下载 `SKILL.md` 及 `references/`、`assets/` 目录。\n\n## 🚀 使用\n\n当用户要求简历匹配、JD 匹配、岗位筛选时，Agent 自动触发此 Skill。\n\n### 首次使用\n\n1. **收集偏好**：5 个问题（岗位方向、薪资、城市、排除项、福利底线）\n2. **提供简历**：文件路径或粘贴文本\n3. **生成画像**：KSAO 候选人画像 + 理想 JD 画像\n4. **确认标准**：动态生成能力维度，用户确认\n5. **校准测试**：≥10 份 JD 验证匹配标准\n6. **批量匹配**：校准通过后批量处理\n\n### 非首次使用\n\n直接提供 JD 列表，使用已确认的匹配标准。\n\n## 📁 文件结构\n\n```\njob-match-priority/\n├── SKILL.md                          # 主流程定义\n├── references/\n│   ├── candidate-profile.md          # KSAO 框架 + 能力深度模型\n│   ├── priority-rules.md             # 判定规则（硬过滤 + 维度 + 深度 + AI）\n│   └── field-config.md              # 飞书多维表格字段配置\n└── assets/\n    ├── usage-guide.md                # 用户使用指南\n    └── edge-cases.md                 # Edge Cases 处理\n```\n\n## 🔧 核心概念\n\n### KSAO 框架\n\n| 维度 | 说明 | 来源 |\n|------|------|------|\n| **K** - Knowledge | 学历、行业知识、证书 | 简历直接提取 |\n| **S** - Skills | 硬技能、管理技能、工具 | 简历直接提取 |\n| **A** - Abilities | 战略、组织、沟通、执行能力 | 从经历推断 |\n| **O** - Other | 动机、价值观、工作风格 | 参考性弱 |\n\n### 能力深度模型（L1-L5）\n\n| 等级 | 名称 | 对应岗位层级 |\n|------|------|-------------|\n| L1 | 认知 | 实习/初级专员 |\n| L2 | 执行 | 主管/高级专员 |\n| L3 | 体系 | 经理/总监 |\n| L4 | 战略 | VP/总助(CXO级) |\n| L5 | 行业 | 合伙人/高管 |\n\n### 匹配流程\n\n```\nLayer 1：硬过滤（薪资/地点/行业/排除项）\n  ↓ 通过\nLayer 2：能力维度匹配（5-8 个自定义维度，语义聚类计分）\n  ↓\nLayer 3：能力深度匹配（候选人深度 vs 岗位层级）\n  ↓\n综合判定 → high / medium / low\n```\n\n## 📝 自定义\n\n### 能力维度\n\n能力维度在首次使用时根据用户画像动态生成\n用户可在 Step 0.4 中增删维度或调整同义词簇。\n\n### 判定阈值\n\nhigh/medium/low 的维度数阈值在 Step 0.4 中确认，校准阶段可进一步调整。\n\n## ⚠️ 注意事项\n\n- 匹配结果是参考，不是绝对标准\n- JD 信息越完整，匹配越准确\n- 校准环节很重要，能显著提升批量匹配准确度\n- AI 提升仅检测职位名称（title），不检测职位描述（description）\n\n## 📄 License\n\nMIT\n\nFile v0.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn76dgfmrcmcfw91f0m92tj4rd84805k\",\n  \"slug\": \"job-match-priority\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1787049949550\n}\n\nFile v0.1.0:references/candidate-profile.md\n\n# 候选人匹配标准\n\n> 基于 KSAO 框架（Knowledge / Skills / Abilities / Other Characteristics）构建候选人画像。\n> 行业依据：I/O 心理学 KSAO 标准、胜任力冰山模型（McClelland）、O*NET 技能分类。\n\n---\n\n## 一、候选人画像结构（KSAO 四维度）\n\n### K - Knowledge（知识）\n\n| 子维度 | 说明 | 提取来源 |\n|--------|------|---------|\n| 学历层次 | 本科/硕士/博士 | 教育背景 |\n| 院校层次 | 985/211/普通/海外 | 教育背景 |\n| 专业方向 | 管理学/工学/经济学/法学... | 教育背景 |\n| 行业知识 | 消费品/互联网/金融/制造... | 工作经历公司行业 |\n| 证书资格 | PMP/CPA/人力资源管理师... | 证书/资质部分 |\n\n### S - Skills（技能）← 简历可直接观测\n\n| 子维度 | 说明 | 提取来源 |\n|--------|------|---------|\n| 硬技能 | Excel、Python、数据分析、项目管理工具 | 技能标签 + 工作描述 |\n| 管理技能 | OKR、绩效管理、项目管理、预算管理 | 工作描述中的职责 |\n| 工具技能 | 办公软件、行业专用工具 | 技能标签 |\n| 语言技能 | 英语/日语等（含水平：读写/听说/流利） | 语言能力部分 |\n\n### A - Abilities（能力）← 需从经历推断，非简历直接标注\n\n| 子维度 | 说明 | 推断依据 |\n|--------|------|---------|\n| 战略能力 | 战略拆解、经营分析、决策支持 | 工作描述中的\"战略\"、\"规划\"、\"决策\"相关经历 |\n| 组织能力 | 人才盘点、组织诊断、体系搭建 | 工作描述中的\"搭建\"、\"体系\"、\"组织\"相关经历 |\n| 沟通能力 | 跨部门协调、向上管理、汇报 | 工作描述中的\"协调\"、\"汇报\"、\"对接\"相关经历 |\n| 执行能力 | 落地推动、闭环管理、问题解决 | 工作描述中的\"落地\"、\"推动\"、\"负责\"相关经历 |\n| 数据能力 | 数据分析、数据看板、数据驱动决策 | 工作描述中的\"数据\"、\"分析\"、\"指标\"相关经历 |\n\n### O - Other Characteristics（其他特质）\n\n| 子维度 | 说明 | 推断依据 |\n|--------|------|---------|\n| 动机类型 | 成就导向/权力导向/专家导向/服务导向 | 求职意向、职业路径选择 |\n| 价值观 | 稳定性/创新性/协作性/结果导向 | 跳槽频率、项目类型、团队规模变化 |\n| 工作风格 | Owner 意识/抗压/自驱/细节导向 | 工作描述中的行为动词和项目特征 |\n\n> **注意：** O 维度信息在简历中高度不可靠，仅作参考。真实验证需通过面试（STAR 行为事件访谈）。\n\n---\n\n## 二、能力深度模型（L1-L5）\n\n每个 KSAO 维度下的能力不是\"有或无\"，而是有深度等级。深度需与目标岗位层级匹配。\n\n| 等级 | 名称 | 定义 | 对应岗位层级 | JD 典型关键词 |\n|------|------|------|-------------|--------------|\n| **L1** | 认知 | 了解概念，能配合执行 | 实习/初级专员 | \"了解\"、\"参与\"、\"协助\"、\"配合\" |\n| **L2** | 执行 | 独立完成标准化任务 | 主管/高级专员 | \"负责\"、\"独立完成\"、\"推动\"、\"跟进\" |\n| **L3** | 体系 | 搭建流程/体系，带团队 | 经理/总监 | \"搭建\"、\"体系化\"、\"管理\"、\"统筹\" |\n| **L4** | 战略 | 战略设计，跨部门影响 | VP/总助(CXO级) | \"战略规划\"、\"组织变革\"、\"决策支持\" |\n| **L5** | 行业 | 输出方法论，行业级影响 | 合伙人/高管 | \"行业标杆\"、\"方法论\"、\"体系输出\" |\n\n### 深度与岗位层级匹配原则\n\n**核心原则：深度不是越高越好，而是与岗位层级匹配。**\n\n| 目标岗位层级 | 匹配深度范围 | 说明 |\n|-------------|------------|------|\n| 专员/助理 | L1-L2 | 基础执行为主，L3+ 可能嫌工作无聊 |\n| 主管 | L2-L3 | 独立负责+体系思维，L4+ 可能不稳定 |\n| 经理/总监 | L3-L4 | 体系搭建+战略思维，L5 可能薪资期望过高 |\n| VP/总助 | L4-L5 | 战略级能力，需全局视野 |\n\n### JD → 岗位层级推断信号\n\nAgent 从 JD 中推断岗位层级，作为能力深度匹配的锚点：\n\n| 信号 | 权重 | 推断逻辑 |\n|------|------|---------|\n| 岗位名称 | 高 | \"总监\"→L3-L4，\"助理\"→L1-L2，\"VP\"→L4-L5 |\n| 薪资范围 | 高 | <15K→L1-L2，15-25K→L2-L3，25K+→L3-L4 |\n| 汇报对象 | 中 | \"向CEO汇报\"→L3-L4，\"向经理汇报\"→L1-L2 |\n| 职责描述 | 中 | \"搭建体系\"→L3，\"协助执行\"→L1 |\n| 经验要求 | 中 | \"3-5年\"→L2-L3，\"8年以上\"→L3-L4 |\n| 团队管理 | 中 | \"带X人团队\"→L3+，无管理→L1-L2 |\n\n---\n\n## 三、候选人提取标准\n\n候选人画像通过 SKILL.md Step 0.1-0.3 的引导流程自动生成。\n\n### 必需提取字段（KSAO 框架）\n\n| KSAO 维度 | 字段 | 提取方法 |\n|-----------|------|---------|\n| **K** | 学历+院校 | 教育背景部分 |\n| **K** | 工作年限 | 工作经历计算总年限 |\n| **K** | 行业知识 | 工作经历公司行业分布 |\n| **S** | 硬技能 | 技能标签 + 工作描述中的工具/技术 |\n| **S** | 管理技能 | 工作描述中的管理类职责 |\n| **A** | 核心能力 | 工作描述中高频能力关键词，按 L1-L5 评估深度 |\n| **O** | 动机/价值观 | 求职意向、职业路径（参考性弱） |\n\n### 可选提取字段\n\n| 字段 | 提取方法 |\n|------|---------|\n| 证书资格 | 证书/资质部分 |\n| 语言技能 | 语言能力部分 |\n| 特殊要求 | 求职意向备注（如不接受出差、期望双休等） |\n\n### 简历来源\n\n- 用户提供文件路径\n- 用户直接粘贴简历文本\n\nFile v0.1.0:references/field-config.md\n\n# 飞书多维表格字段配置\n\n## 必需字段\n\n| 字段名 | 类型 | 选项/说明 |\n|--------|------|---------|\n| **优先级判断** | 单选（type=3） | 选项：high、medium、low |\n| **优先级判断理由** | 文本（type=1） | 30 字以内判定理由 |\n| **命中维度** | 文本（type=1） | 匹配到的能力维度列表（如：战略规划、绩效管理、数据分析） |\n| **深度匹配** | 单选（type=3） | 选项：精准匹配、轻度超配、严重超配、轻度不足、严重不足 |\n\n---\n\n## 字段创建方式\n\n### 优先级判断（单选字段）\n\n```bash\naction: create\ntype: 3  # 单选\nfield_name: 优先级判断\nproperty: {\n  options: [\n    { name: \"high\" },\n    { name: \"medium\" },\n    { name: \"low\" }\n  ]\n}\n```\n\n### 优先级判断理由（文本字段）\n\n```bash\naction: create\ntype: 1  # 文本\nfield_name: 优先级判断理由\n```\n\n### 命中维度（文本字段）\n\n```bash\naction: create\ntype: 1  # 文本\nfield_name: 命中维度\n```\n\n### 深度匹配（单选字段）\n\n```bash\naction: create\ntype: 3  # 单选\nfield_name: 深度匹配\nproperty: {\n  options: [\n    { name: \"精准匹配\" },\n    { name: \"轻度超配\" },\n    { name: \"严重超配\" },\n    { name: \"轻度不足\" },\n    { name: \"严重不足\" }\n  ]\n}\n```\n\n---\n\n## 易错点与应对\n\n| 错误类型 | 案例 | 解决方案 |\n|----------|------|----------|\n| 地点误过滤 | JD 未写城市被标为\"地点不符\" | JD 无地点信息时默认通过 |\n| 数据未去重 | 同 job_id 出现多次，判定结果膨胀 | 执行前按 job_id 或 岗位+公司 去重 |\n| AI 提升误判 | 非 AI 岗因 description 含\"自动化\"被提升 | AI 提升仅检测 title |\n| 能力维度重复计分 | \"战略运营\"+\"战略管理\"被算作两个维度 | 按能力维度计分，不按关键词计分 |\n| record_id 错误 | 使用历史缓存的 record_id | 执行前先 list 获取最新 record_id |\n| 薪资格式不一 | \"10-15K·24 薪\"误判 | 统一提取\"X-YK\"，忽略年薪倍数 |\n| 岗位名称变体 | 同类岗位不同叫法误判 | 使用同义词库判断 |\n| JD 文本过长 | 信息冗余导致判定不准 | 提取核心职责和任职资格，忽略福利介绍 |\n| 批量更新失败 | 一次性写入过多 | 分批更新（每批 5 条），失败记录单独重试 |\n| 理由超字数 | 超过 30 字 | 精简为\"主因+次因\"结构 |\n| 字段名不一致 | 文档写\"优先级判定\"，实际为\"优先级判断\" | 以表格实际字段名为准 |\n\n---\n\n## 执行前检查清单\n\n每次执行前必须检查：\n\n1. ✅ **数据去重**：按 job_id 或 岗位+公司 去重\n2. ✅ **表格链接**：用户是否提供了链接？\n3. ✅ **字段存在**：list 检查字段，不存在则 create\n4. ✅ **record_id 准确**：list 获取最新 record_id\n5. ✅ **候选人画像**：是否已有 KSAO 画像？\n6. ✅ **匹配标准**：是否已校准？\n\n---\n\n## 错误回滚机制\n\n| 场景 | 处理方式 |\n|------|----------|\n| 脚本执行失败 | 不写入输出文件，原文件不动 |\n| 逻辑修正后重跑 | 覆盖输出文件（文件名含 `_判定结果`） |\n| 批量写入部分失败 | 记录失败行 ID，继续剩余，最后重试 |\n| 关键词误判 | 修正同义词簇，重跑覆盖结果 |\n\nFile v0.1.0:references/priority-rules.md\n\n# 优先级判定规则\n\n> 基于 KSAO 框架 + 能力深度模型的双层漏斗匹配。\n> 核心原则：按能力维度计分（非按关键词计分），消除同义词重复计算。\n\n---\n\n## Layer 1：硬过滤\n\n通过硬过滤才能进入 Layer 2。不通过 → 直接标记 `low`。\n\n### 1.1 薪资过滤\n\n提取 JD 薪资\"X-YK\"格式（忽略年薪倍数如·24 薪）：\n- **通过**：与候选人期望薪资范围有重叠\n- **不通过**：完全不重叠\n\n### 1.2 地点过滤\n\n- **通过**：候选人期望城市、标注远程、**JD 未提及地点信息则默认通过**\n- **不通过**：明确为其他城市且不接受远程\n\n### 1.3 行业过滤\n\n- **通过**：非拒绝行业\n- **不通过**：候选人明确拒绝的行业\n\n### 1.4 排除项检查\n\n| 检查项 | 通过条件 | 不通过条件 |\n|--------|---------|-----------|\n| 岗位性质 | 涉及候选人目标职能 | 明确为排除岗位类型 |\n| 专业限制 | 无特定要求或候选人具备 | 要求特定专业且不具备 |\n| 经验错配 | 与候选人年限匹配 | 明显超出或不足 |\n| 福利 | 双休或未提及 | 单休/大小周/996（除非薪资显著高） |\n| 语言 | 无语言要求或候选人具备 | 要求候选人不具备的语言能力 |\n\n> **注意：** 硬过滤的具体阈值（薪资范围、拒绝行业、排除岗位等）需在初次使用时通过交互确立（见 SKILL.md Step 0）。\n\n---\n\n## Layer 2：能力维度匹配（语义聚类）\n\n### 核心原则\n\n**按能力维度计分，不按关键词计分。**\n\n- 每个能力维度最多计分 1 次\n- 同一维度内的同义词/近义词不重复计分\n- 命中任一同义词 → 该维度得分 +1\n\n### 能力维度定义方式\n\n**重要：能力维度应根据用户画像动态生成，以下为通用维度模板，供 Agent 参考和用户定制。**\n\nAgent 在 Step 0.4 中需根据用户简历和目标岗位，生成 5-8 个自定义维度。以下为常见维度参考：\n\n#### 通用维度模板（按需选用）\n\n| 维度类别 | 示例维度 | 示例同义词簇 |\n|---------|---------|-------------|\n| 战略类 | 战略规划 | 战略、战略运营、经营分析、决策支持、商业分析 |\n| 管理类 | 目标与绩效管理 | OKR、KPI、绩效管理、目标管理、目标拆解 |\n| 组织类 | 组织发展 | 组织效能、人才盘点、人才梯队、职级体系 |\n| 数据类 | 数据与数字化 | 数据分析、数据看板、数字化转型、数据可视化 |\n| 技术类 | AI 与自动化 | AI、AIGC、大模型、RPA、流程自动化 |\n| 项目类 | 项目与流程管理 | 项目管理、流程优化、跨部门协调 |\n| 职能类 | 助理职能 | 会议管理、日程管理、向上管理、高管支持 |\n| 行业类 | 行业专业知识 | 根据目标行业定制，如：消费品、互联网、金融 |\n\n### 用户自定义维度流程\n\n```\nAgent: 基于你的简历和目标岗位，我建议以下能力维度：\n1. [维度名]：[同义词 A、同义词 B、同义词 C]\n2. [维度名]：[同义词 A、同义词 B]\n...\n\n是否需要增删或调整？\n```\n\n### 计分规则\n\n每个能力维度：\n- **命中**（JD 中出现该维度任一同义词）→ 得分 +1\n- **未命中** → 得分 0\n\n**总分 = 命中维度数**（满分 = 总维度数）\n\n---\n\n## Layer 3：能力深度匹配\n\n### JD 岗位层级推断\n\n从 JD 多维信号推断岗位层级：\n\n| 信号 | 推断逻辑 |\n|------|---------|\n| 岗位名称 | \"总监\"→L3-L4，\"经理\"→L2-L3，\"助理\"→L1-L2，\"VP/CXO\"→L4-L5 |\n| 薪资范围 | <15K→L1-L2，15-25K→L2-L3，25K+→L3-L4 |\n| 汇报对象 | \"向CEO汇报\"→L3-L4，\"向经理汇报\"→L1-L2 |\n| 职责动词 | \"搭建体系\"→L3，\"协助执行\"→L1，\"战略规划\"→L4 |\n| 经验要求 | \"3-5年\"→L2-L3，\"8年以上\"→L3-L4 |\n| 团队管理 | \"带X人团队\"→L3+，无管理→L1-L2 |\n\n### 候选人能力深度评估\n\n从候选人画像（KSAO）评估各能力维度的深度等级（L1-L5）。\n\n### 深度匹配判定\n\n| 匹配类型 | 条件 | 说明 |\n|---------|------|------|\n| **精准匹配** | 候选人深度 = 岗位要求深度 | 理想状态 |\n| **轻度超配** | 候选人深度 = 岗位要求 +1 级 | 可接受，需关注稳定性 |\n| **严重超配** | 候选人深度 ≥ 岗位要求 +2 级 | 风险高，可能不稳定 |\n| **轻度不足** | 候选人深度 = 岗位要求 -1 级 | 可培养，看学习能力 |\n| **严重不足** | 候选人深度 ≤ 岗位要求 -2 级 | 不匹配 |\n\n---\n\n## 综合判定（Layer 1-3 汇总）\n\n### 判定逻辑\n\n```\nLayer 1 硬过滤\n  ├── 不通过 → low（理由：硬过滤不通过原因）\n  └── 通过 → 进入 Layer 2\n\nLayer 2 能力维度匹配\n  ├── 命中维度数 → 基础分\n\nLayer 3 能力深度匹配\n  ├── 深度匹配度 → 调整分\n\n综合判定\n  ├── 基础分 + 调整分 → 最终优先级\n```\n\n### 判定标准（需在初次使用时与用户确认）\n\n以下为通用默认阈值，**必须在 Step 0.4 中根据用户的目标岗位类型确认或调整**：\n\n| 岗位类型 | high 条件 | medium 条件 | low 条件 |\n|---------|-----------|------------|---------|\n| 管理/总监岗 | 维度≥4 + 深度匹配 | 维度≥3 或 深度轻度不足 | 维度<3 且 深度严重不足 |\n| 专业岗 | 维度≥3 + 深度匹配 | 维度≥2 或 深度匹配 | 维度<2 或 深度不匹配 |\n| 助理/执行岗 | 维度≥3 + 深度匹配 | 维度≥2 + 深度匹配 | 维度<2 |\n| 通用默认 | 维度≥4 + 深度匹配 | 维度≥3 + 深度匹配 | 维度<3 |\n\n> **注意：** 以上阈值为默认值，需在初次使用时通过交互校准。用户可自定义 high/medium/low 的维度数阈值。\n\n---\n\n## AI 关键词提升规则\n\n**仅检测职位名称（title），不检测职位描述（description）。**\n\n### 提升逻辑\n\n| 原判定 | title 含 AI 关键词后 | 说明 |\n|--------|---------------------|------|\n| low | medium | 提升 1 级 |\n| medium | high | 提升 1 级 |\n| high | high | 保持不变 |\n\n### AI 关键词列表\n\n检测关键词（忽略大小写）：\n- ai, aigc, 人工智能, 智能体, 大模型, 机器学习, 深度学习\n- 算法, chatgpt, gpt, llm, nlp, 自然语言处理, agent\n- 数字化, 自动化, rpa, 智能化\n\n### 检测范围\n\n- **仅职位名称（JD 标题）**\n- ~~职位描述（JD 正文）~~ ← 不检测（避免误判）\n\n---\n\n## 理由生成\n\n### 格式\n\n30 字以内，格式：`[核心原因]，[辅助说明]`\n\n### 示例\n\n| 优先级 | 理由示例 |\n|--------|---------|\n| high | 维度A+维度B+维度C命中，深度匹配目标岗 |\n| medium | 维度命中2个，深度轻度不足 |\n| low | 仅命中1个维度，纯执行岗 |\n\n### 精简规则\n\n- 原因超 30 字 → 精简为\"主因+次因\"\n- 维度命中多 → 挑最核心的 2-3 个维度\n- 深度不匹配 → 直接标注\"深度不匹配\"\n\nFile v0.1.0:assets/edge-cases.md\n\n# Edge Cases 与特殊情况\n\n## JD 信息相关\n\n### JD 无薪资信息\n- **处理：** 跳过薪资过滤，仅用其他维度判定\n- **标注：** 理由中注明\"薪资未知\"\n- **风险：** 可能误判，但比直接过滤更合理\n\n### JD 无地点信息\n- **处理：** 默认通过地点过滤（基于目标城市搜索的结果）\n- **理由：** 爬取数据通常已基于目标城市筛选\n\n### JD 信息极简（仅标题+公司）\n- **处理：** 提醒用户信息不完整，仍执行匹配\n- **标注：** 结果可信度低，建议补充 JD 后重试\n\n### JD 薪资写\"面议\"\n- **处理：** 标记为 medium（需人工确认薪资是否匹配）\n- **理由：** 薪资面议，无法自动判定\n\n---\n\n## 能力匹配相关\n\n### 同一能力维度出现多个同义词\n- **处理：** 该维度仍只计分 1 次\n- **示例：** JD 同时出现\"战略运营\"和\"战略管理\"→ 战略规划维度得分 +1（不是 +2）\n\n### 候选人能力深度超配\n- **处理：** 标注\"超配\"，不自动降低优先级\n- **理由：** 超配不一定是坏事，但需关注稳定性\n\n### 候选人能力深度不足\n- **处理：** 根据不足程度调整优先级\n- **轻度不足（-1 级）：** 可培养，不影响 medium 判定\n- **严重不足（-2 级）：** 降级为 low\n\n### 岗位名称模糊（如\"管理培训生\"）\n- **处理：** 依赖 JD 描述和薪资推断岗位类型\n- **标注：** 理由中注明\"岗位类型推断\"\n\n---\n\n## 岗位类型相关\n\n### \"助理\"岗位的歧义\n- **问题：** \"助理\"可能是战略类（总助），也可能是行政类（前台助理）\n- **处理：** 结合 JD 描述判断，关注是否涉及战略/经营/组织管理\n- **关键词：** 含\"战略\"、\"经营\"、\"决策\"→ 战略类；含\"接待\"、\"订票\"→ 行政类\n\n### 非目标岗位但含核心能力关键词\n- **处理：** 按能力维度匹配正常判定\n- **示例：** \"运营总监\"含战略+数据分析维度 → 可判为 medium/high\n\n---\n\n## AI 关键词相关\n\n### title 含 AI 关键词但实际非 AI 岗\n- **处理：** 仍执行提升（因为 title 层面的信息已足够）\n- **示例：** \"AI 应用产品经理\" → title 含\"AI\" → 提升\n\n### description 含 AI 关键词但 title 不含\n- **处理：** 不提升（避免误判）\n- **理由：** description 中的 AI 关键词往往是行业通用词\n\n---\n\n## 数据处理相关\n\n### 同一公司多个相似岗位\n- **处理：** 按 job_id 去重，不按公司名去重\n- **理由：** 同一公司不同岗位可能有不同匹配度\n\n### 批量写入部分失败\n- **处理：** 记录失败行 ID，继续剩余，最后重试失败行\n- **最多重试：** 3 次\n\n### 理由超 30 字\n- **处理：** 精简为\"主因+次因\"结构\n- **示例：** 原 35 字 → 精简为 15 字\n\nFile v0.1.0:assets/usage-guide.md\n\n# 使用指南\n\n## 这是什么？\n\n基于 KSAO 框架的 JD 匹配优先级判定工具。通过双层漏斗（硬过滤 + 能力维度匹配），帮你从大量 JD 中筛选出最值得投递的岗位。\n\n## 准备工作\n\n你需要准备：\n1. **简历**（文件路径 或 直接粘贴文本）\n2. **求职偏好**（岗位方向、薪资、城市、排除项、福利底线）\n3. **待筛选的 JD 列表**（≥10 份用于校准，之后可批量处理）\n\n## 首次使用流程\n\n### Step 1: 收集偏好\n\nAgent 会逐个问你 5 个问题：\n1. 期望岗位方向\n2. 期望薪资范围\n3. 期望工作城市\n4. 排除的行业/岗位类型\n5. 福利底线\n\n### Step 2: 提供简历\n\n提供简历文件路径，或直接粘贴简历内容。\n\n### Step 3: 生成画像\n\nAgent 会生成两个画像：\n- **候选人画像**：你的 KSAO 能力结构（知识/技能/能力/特质）\n- **求职 JD 画像**：你的理想岗位特征\n\n### Step 4: 确认匹配标准\n\nAgent 会展示拟定的硬过滤规则和能力维度权重，你可以调整。**能力维度会根据你的简历和目标岗位动态生成**，而非使用固定模板。\n\n### Step 5: 校准测试\n\n提供 ≥10 份 JD，Agent 执行匹配并展示结果。你审阅后：\n- 有调整 → 修改标准 → 重新测试\n- 无调整 → 正式启用\n\n### Step 6: 批量匹配\n\n校准通过后，可以批量处理大量 JD。\n\n## 非首次使用\n\n直接提供 JD 列表，使用上次确认的匹配标准。\n\n## 输入格式\n\n| 输入类型 | 说明 |\n|---------|------|\n| 飞书多维表格 | 提供表格链接 |\n| 本地 CSV | 提供文件路径 |\n| 本地 Excel | 提供文件路径 |\n| 直接粘贴 | 粘贴 JD 文本 |\n\n## 输出格式\n\n| 输出 | 说明 |\n|------|------|\n| `优先级判断` | high / medium / low |\n| `优先级判断理由` | 30 字以内，格式：[核心原因]，[辅助说明] |\n| 命中维度 | 匹配到的能力维度列表 |\n| 深度匹配 | 精准匹配 / 超配 / 不足 |\n\n## 匹配结果含义\n\n| 结果 | 含义 | 建议 |\n|------|------|------|\n| **high** | 高度匹配，值得投递 | 优先投递 |\n| **medium** | 有一定匹配度 | 看具体情况决定 |\n| **low** | 不匹配 | 不建议投递 |\n\n## 注意事项\n\n- 匹配结果是参考，不是绝对标准\n- JD 信息越完整，匹配越准确\n- 校准环节很重要，能显著提升后续批量匹配的准确度\n- 匹配标准可以随时调整，不需要从头开始\n- 能力维度是根据你的画像动态生成的，不同用户的维度可能不同\n\nFile v0.1.0:skill-card.md\n\n## Description:\n\nMatch and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[iichaner](https://clawhub.ai/user/iichaner)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nExternal users and agents use this skill to compare resumes or candidate profiles against job listings, calibrate matching rules, and prioritize jobs for application review.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill reads user-provided resumes, job descriptions, local files, and Feishu table links that may contain personal or business-sensitive information.\n\nMitigation: Confirm the intended data sources before use and limit inputs to resumes, job descriptions, and tables the user is comfortable sharing with the agent.\n\nRisk: The skill may write priority fields to shared Feishu tables or create local result files.\n\nMitigation: Review target fields and update scope before batch writes, and prefer generated result files for local CSV or Excel workflows.\n\nRisk: Incomplete job descriptions, missing salary or location data, and calibrated thresholds can reduce match accuracy.\n\nMitigation: Run the documented calibration flow with at least 10 job descriptions, flag incomplete inputs, and review high-impact prioritization decisions manually.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/iichaner/skills/job-match-priority)\n- [Server-resolved source repository](https://github.com/iichaner/job-match-priority)\n- [Candidate profile reference](references/candidate-profile.md)\n- [Priority rules reference](references/priority-rules.md)\n- [Field configuration reference](references/field-config.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, files, configuration, guidance]\n\n**Output Format:** [Markdown or structured table fields with high, medium, or low priority labels, concise reasons, matched dimensions, and depth-match status.]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [May write Feishu table fields or create local CSV/Excel result files while preserving original local files.]\n\n## Skill Version(s):\n\n0.1.0 (source: server release metadata)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.","readmeExcerpt":"Skill: job-match-priority Owner: iichaner Summary: Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-18T10:45:49.550Z | auto Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. - ","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"【候选人画像】\nK（知识）：学历 X，院校 XX，行业知识 XX\nS（技能）：硬技能 XX，管理技能 XX，工具技能 XX\nA（能力）：战略能力 L_X，组织能力 L_X，沟通能力 L_X，执行能力 L_X\nO（其他）：动机 XX，价值观 XX"},{"language":"text","snippet":"【求职 JD 画像】\n目标岗位：XX（XX方向）\n岗位层级推断：L_X-L_X（基于 X 年经验 + 薪资期望）\n核心能力维度：XX、XX、XX\n加分维度：XX、XX\n排除项：XX、XX\n福利底线：XX"},{"language":"text","snippet":"基于你的画像，我拟定了以下匹配标准：\n\n【硬过滤】\n- 薪资：XX-K 之外直接标记 low\n- 地点：非 XX 且不接受远程 → low\n- 行业：XX、XX → low\n- 排除：XX、XX\n\n【能力维度权重】（根据你的画像定制，5-8 个维度）\n- 核心维度：XX、XX（权重最高）\n- 重要维度：XX、XX\n- 加分维度：XX、XX\n\n【能力深度要求】\n- 目标岗位层级：L_X-L_X\n- 深度匹配范围：L_X-L_X 可接受\n\n以上标准是否需要调整？可以增删维度或调整权重。"},{"language":"text","snippet":"以上 10 份 JD 的匹配结果，是否有需要调整的？\n- 哪些判定偏高了？（实际不匹配但判为 high/medium）\n- 哪些判定偏低了？（实际匹配但判为 low）\n- 漏斗标准需要修改吗？"},{"language":"text","snippet":"Layer 1 不通过 → low\nLayer 1 通过 → 结合 Layer 2 + Layer 3 综合判定\n  → high / medium / low"},{"language":"text","snippet":"匹配完成\n总计：X 条（去重后）\nhigh：Y 条（Z%）\nmedium：M 条（N%）\nlow：L 条（P%）\n不完整 JD：N 条（结果可能不准确）"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: job-match-priority\ndescription: \"Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning.\"\nmetadata:\n  {\n    \"openclaw\":\n      {\n        \"emoji\": \"🎯\",\n        \"requires\": { \"bins\": [] },\n      },\n  }\n---\n\n# JD 匹配优先级判定\n\n基于 KSAO 框架（Knowledge / Skills / Abilities / Other）的双层漏斗匹配。全链路 Agent 推理，零脚本。\n\n---\n\n## 快速开始\n\n当用户要求简历匹配、JD 匹配、岗位筛选时，触发此 skill。\n\n---\n\n## Workflow\n\n### Step 0: 判断使用阶段\n\n**首次使用 → 进入引导流程（Step 0.1 - 0.6）**\n**非首次使用 → 检查已存配置，直接进入 Step 1**\n\n判断依据：\n- 用户是否已有候选人画像（KSAO）→ [references/candidate-profile.md](references/candidate-profile.md)\n- 用户是否已校准过匹配标准\n- 用户是否明确说\"用之前的配置\"\n\n---\n\n### Step 0.1: 收集求职偏好（5 问，逐问逐答）\n\n**交互原则：每问一答，不一次甩 5 个问题。**\n\n| # | 问题 | 目的 | 输出 |\n|---|------|------|------|\n| 1 | 你期望的岗位方向是什么？（如：总助、HR、产品经理、运营...） | 确定目标岗位类型 | 岗位类型标签 |\n| 2 | 期望薪资范围？（月薪，如 15-20K） | 硬过滤阈值 | 薪资区间 |\n| 3 | 期望工作城市？（可多选） | 硬过滤阈值 | 城市列表 |\n| 4 | 有哪些绝对不考虑的行业/岗位类型？ | 硬过滤排除项 | 排除列表 |\n| 5 | 对工作强度/福利的底线要求？（如：双休、不加班、不接受单休...） | 硬过滤福利项 | 福利底线 |\n\n---\n\n### Step 0.2: 提供简历\n\n两种方式（二选一）：\n- **方式 A：** 提供简历文件路径（本地文件）\n- **方式 B：** 直接粘贴简历文本内容\n\n---\n\n### Step 0.3: 生成双画像\n\n#### 画像 A：候选人画像（KSAO）\n\n从简历中提取，按 KSAO 四维度结构化。详见 [references/candidate-profile.md#一、候选人画像结构（KSAO 四维度）](references/candidate-profile.md)。\n\n输出格式：\n```\n【候选人画像】\nK（知识）：学历 X，院校 XX，行业知识 XX\nS（技能）：硬技能 XX，管理技能 XX，工具技能 XX\nA（能力）：战略能力 L_X，组织能力 L_X，沟通能力 L_X，执行能力 L_X\nO（其他）：动机 XX，价值观 XX\n```\n\n#### 画像 B：求职 JD 画像（理想岗位特征）\n\n综合求职偏好 + 候选人能力画像，生成\"理想 JD\"：\n\n```\n【求职 JD 画像】\n目标岗位：XX（XX方向）\n岗位层级推断：L_X-L_X（基于 X 年经验 + 薪资期望）\n核心能力维度：XX、XX、XX\n加分维度：XX、XX\n排除项：XX、XX\n福利底线：XX\n```\n\n---\n\n### Step 0.4: 确认漏斗标准 + 自定义能力维度\n\n**重要：能力维度需根据用户画像动态生成，而非使用预设维度。**\n\n将画像转化为可执行的匹配规则，向用户确认：\n\n```\n基于你的画像，我拟定了以下匹配标准：\n\n【硬过滤】\n- 薪资：XX-K 之外直接标记 low\n- 地点：非 XX 且不接受远程 → low\n- 行业：XX、XX → low\n- 排除：XX、XX\n\n【能力维度权重】（根据你的画像定制，5-8 个维度）\n- 核心维度：XX、XX（权重最高）\n- 重要维度：XX、XX\n- 加分维度：XX、XX\n\n【能力深度要求】\n- 目标岗位层级：L_X-L_X\n- 深度匹配范围：L_X-L_X 可接受\n\n以上标准是否需要调整？可以增删维度或调整权重。\n```\n\n**维度生成原则：**\n1. 从候选人简历中提取高频能力关键词，聚类为维度\n2. 结合目标岗位的典型能力要求\n3. 用户可自定义维度名称和同义词簇\n4. 总维度数建议 5-8 个\n\n用户确认 → 进入校准测试\n\n---\n\n### Step 0.5: 校准测试（用户提供 ≥10 份 JD）\n\n**目的：** 用真实数据验证匹配标准，让用户校准判定结果。\n\n**要求用户提供：**\n- ≥10 份 JD（飞书表格链接 / 本地 CSV / 直接粘贴）\n- 优先选择用户已知\"应该匹配\"和\"不应该匹配\"的 JD（用于验证）\n\n**执行：**\n1. 对每份 JD 执行完整的 Layer 1-3 匹配（详见 Step 3）\n2. 生成匹配结果表格：\n\n| # | 岗位名称 | 公司 | 判定 | 理由 | 命中维度 | 深度匹配 |\n|---|---------|------|------|------|---------|---------|\n| 1 | XX | XX | high | XX | 维度A+维度B | 匹配 |\n| 2 | XX | XX | low | XX | 仅维度C | 不匹配 |\n| ... | ... | ... | ... | ... | ... | ... |\n\n---\n\n### Step 0.6: 用户审阅 + 校准\n\n展示结果后，问用户：\n\n```\n以上 10 份 JD 的匹配结果，是否有需要调整的？\n- 哪些判定偏高了？（实际不匹配但判为 high/medium）\n- 哪些判定偏低了？（实际匹配但判为 low）\n- 漏斗标准需要修改吗？\n```\n\n**用户反馈处理：**\n\n| 反馈类型 | 处理方式 |\n|---------|---------|\n| \"这条应该是 high 不是 medium\" | 检查维度命中和深度，调整对应维度权重或阈值 |\n| \"这条不应该被过滤\" | 调整硬过滤规则（放宽薪资/地点/行业限制） |\n| \"这条应该被过滤掉\" | 增加硬过滤规则（添加排除项） |\n| \"整体没问题\" | 确认配置，进入正式匹配 |\n\n**校准循环：**\n- 用户有调整 → 修改标准 → 重新跑校准测试 → 再次审阅\n- 用户确认无误 → 存储最终配置 → 进入 Step 1\n\n---\n\n### Step 1: 检查数据源与 JD 完整性\n\n#### 1.1 数据源识别\n\n| 输入类型 | 处理方式 |\n|---------|---------|\n| 飞书多维表格链接 | 通过 bitable API 读写"},{"path":"README.md","content":"# 🎯 job-match-priority\n\n> 基于 KSAO 框架的 JD 匹配优先级判定 Skill —— OpenClaw 专属\n\n双层漏斗匹配（硬过滤 + 能力维度），全链路 Agent 推理，零脚本。\n\n---\n\n## ✨ 特性\n\n- **KSAO 框架**：知识/技能/能力/四维度候选人画像\n- **双层漏斗**：硬过滤（薪资/地点/行业）→ 能力维度匹配 → 能力深度匹配\n- **动态维度**：能力维度根据用户画像自动生成，非固定模板\n- **校准机制**：首次使用需校准，确保匹配标准符合用户实际需求\n- **多数据源**：支持飞书多维表格、本地 CSV/Excel、直接粘贴\n\n## 📦 安装\n\n```bash\n# 克隆到 OpenClaw skills 目录\ngit clone https://github.com/YOUR_USERNAME/job-match-priority.git ~/.openclaw/skills/job-match-priority\n```\n\n或手动下载 `SKILL.md` 及 `references/`、`assets/` 目录。\n\n## 🚀 使用\n\n当用户要求简历匹配、JD 匹配、岗位筛选时，Agent 自动触发此 Skill。\n\n### 首次使用\n\n1. **收集偏好**：5 个问题（岗位方向、薪资、城市、排除项、福利底线）\n2. **提供简历**：文件路径或粘贴文本\n3. **生成画像**：KSAO 候选人画像 + 理想 JD 画像\n4. **确认标准**：动态生成能力维度，用户确认\n5. **校准测试**：≥10 份 JD 验证匹配标准\n6. **批量匹配**：校准通过后批量处理\n\n### 非首次使用\n\n直接提供 JD 列表，使用已确认的匹配标准。\n\n## 📁 文件结构\n\n```\njob-match-priority/\n├── SKILL.md                          # 主流程定义\n├── references/\n│   ├── candidate-profile.md          # KSAO 框架 + 能力深度模型\n│   ├── priority-rules.md             # 判定规则（硬过滤 + 维度 + 深度 + AI）\n│   └── field-config.md              # 飞书多维表格字段配置\n└── assets/\n    ├── usage-guide.md                # 用户使用指南\n    └── edge-cases.md                 # Edge Cases 处理\n```\n\n## 🔧 核心概念\n\n### KSAO 框架\n\n| 维度 | 说明 | 来源 |\n|------|------|------|\n| **K** - Knowledge | 学历、行业知识、证书 | 简历直接提取 |\n| **S** - Skills | 硬技能、管理技能、工具 | 简历直接提取 |\n| **A** - Abilities | 战略、组织、沟通、执行能力 | 从经历推断 |\n| **O** - Other | 动机、价值观、工作风格 | 参考性弱 |\n\n### 能力深度模型（L1-L5）\n\n| 等级 | 名称 | 对应岗位层级 |\n|------|------|-------------|\n| L1 | 认知 | 实习/初级专员 |\n| L2 | 执行 | 主管/高级专员 |\n| L3 | 体系 | 经理/总监 |\n| L4 | 战略 | VP/总助(CXO级) |\n| L5 | 行业 | 合伙人/高管 |\n\n### 匹配流程\n\n```\nLayer 1：硬过滤（薪资/地点/行业/排除项）\n  ↓ 通过\nLayer 2：能力维度匹配（5-8 个自定义维度，语义聚类计分）\n  ↓\nLayer 3：能力深度匹配（候选人深度 vs 岗位层级）\n  ↓\n综合判定 → high / medium / low\n```\n\n## 📝 自定义\n\n### 能力维度\n\n能力维度在首次使用时根据用户画像动态生成\n用户可在 Step 0.4 中增删维度或调整同义词簇。\n\n### 判定阈值\n\nhigh/medium/low 的维度数阈值在 Step 0.4 中确认，校准阶段可进一步调整。\n\n## ⚠️ 注意事项\n\n- 匹配结果是参考，不是绝对标准\n- JD 信息越完整，匹配越准确\n- 校准环节很重要，能显著提升批量匹配准确度\n- AI 提升仅检测职位名称（title），不检测职位描述（description）\n\n## 📄 License\n\nMIT"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn76dgfmrcmcfw91f0m92tj4rd84805k\",\n  \"slug\": \"job-match-priority\",\n  \"version\": \"0.1.0\",\n  \"publishedAt\": 1787049949550\n}"},{"path":"references/candidate-profile.md","content":"# 候选人匹配标准\n\n> 基于 KSAO 框架（Knowledge / Skills / Abilities / Other Characteristics）构建候选人画像。\n> 行业依据：I/O 心理学 KSAO 标准、胜任力冰山模型（McClelland）、O*NET 技能分类。\n\n---\n\n## 一、候选人画像结构（KSAO 四维度）\n\n### K - Knowledge（知识）\n\n| 子维度 | 说明 | 提取来源 |\n|--------|------|---------|\n| 学历层次 | 本科/硕士/博士 | 教育背景 |\n| 院校层次 | 985/211/普通/海外 | 教育背景 |\n| 专业方向 | 管理学/工学/经济学/法学... | 教育背景 |\n| 行业知识 | 消费品/互联网/金融/制造... | 工作经历公司行业 |\n| 证书资格 | PMP/CPA/人力资源管理师... | 证书/资质部分 |\n\n### S - Skills（技能）← 简历可直接观测\n\n| 子维度 | 说明 | 提取来源 |\n|--------|------|---------|\n| 硬技能 | Excel、Python、数据分析、项目管理工具 | 技能标签 + 工作描述 |\n| 管理技能 | OKR、绩效管理、项目管理、预算管理 | 工作描述中的职责 |\n| 工具技能 | 办公软件、行业专用工具 | 技能标签 |\n| 语言技能 | 英语/日语等（含水平：读写/听说/流利） | 语言能力部分 |\n\n### A - Abilities（能力）← 需从经历推断，非简历直接标注\n\n| 子维度 | 说明 | 推断依据 |\n|--------|------|---------|\n| 战略能力 | 战略拆解、经营分析、决策支持 | 工作描述中的\"战略\"、\"规划\"、\"决策\"相关经历 |\n| 组织能力 | 人才盘点、组织诊断、体系搭建 | 工作描述中的\"搭建\"、\"体系\"、\"组织\"相关经历 |\n| 沟通能力 | 跨部门协调、向上管理、汇报 | 工作描述中的\"协调\"、\"汇报\"、\"对接\"相关经历 |\n| 执行能力 | 落地推动、闭环管理、问题解决 | 工作描述中的\"落地\"、\"推动\"、\"负责\"相关经历 |\n| 数据能力 | 数据分析、数据看板、数据驱动决策 | 工作描述中的\"数据\"、\"分析\"、\"指标\"相关经历 |\n\n### O - Other Characteristics（其他特质）\n\n| 子维度 | 说明 | 推断依据 |\n|--------|------|---------|\n| 动机类型 | 成就导向/权力导向/专家导向/服务导向 | 求职意向、职业路径选择 |\n| 价值观 | 稳定性/创新性/协作性/结果导向 | 跳槽频率、项目类型、团队规模变化 |\n| 工作风格 | Owner 意识/抗压/自驱/细节导向 | 工作描述中的行为动词和项目特征 |\n\n> **注意：** O 维度信息在简历中高度不可靠，仅作参考。真实验证需通过面试（STAR 行为事件访谈）。\n\n---\n\n## 二、能力深度模型（L1-L5）\n\n每个 KSAO 维度下的能力不是\"有或无\"，而是有深度等级。深度需与目标岗位层级匹配。\n\n| 等级 | 名称 | 定义 | 对应岗位层级 | JD 典型关键词 |\n|------|------|------|-------------|--------------|\n| **L1** | 认知 | 了解概念，能配合执行 | 实习/初级专员 | \"了解\"、\"参与\"、\"协助\"、\"配合\" |\n| **L2** | 执行 | 独立完成标准化任务 | 主管/高级专员 | \"负责\"、\"独立完成\"、\"推动\"、\"跟进\" |\n| **L3** | 体系 | 搭建流程/体系，带团队 | 经理/总监 | \"搭建\"、\"体系化\"、\"管理\"、\"统筹\" |\n| **L4** | 战略 | 战略设计，跨部门影响 | VP/总助(CXO级) | \"战略规划\"、\"组织变革\"、\"决策支持\" |\n| **L5** | 行业 | 输出方法论，行业级影响 | 合伙人/高管 | \"行业标杆\"、\"方法论\"、\"体系输出\" |\n\n### 深度与岗位层级匹配原则\n\n**核心原则：深度不是越高越好，而是与岗位层级匹配。**\n\n| 目标岗位层级 | 匹配深度范围 | 说明 |\n|-------------|------------|------|\n| 专员/助理 | L1-L2 | 基础执行为主，L3+ 可能嫌工作无聊 |\n| 主管 | L2-L3 | 独立负责+体系思维，L4+ 可能不稳定 |\n| 经理/总监 | L3-L4 | 体系搭建+战略思维，L5 可能薪资期望过高 |\n| VP/总助 | L4-L5 | 战略级能力，需全局视野 |\n\n### JD → 岗位层级推断信号\n\nAgent 从 JD 中推断岗位层级，作为能力深度匹配的锚点：\n\n| 信号 | 权重 | 推断逻辑 |\n|------|------|---------|\n| 岗位名称 | 高 | \"总监\"→L3-L4，\"助理\"→L1-L2，\"VP\"→L4-L5 |\n| 薪资范围 | 高 | <15K→L1-L2，15-25K→L2-L3，25K+→L3-L4 |\n| 汇报对象 | 中 | \"向CEO汇报\"→L3-L4，\"向经理汇报\"→L1-L2 |\n| 职责描述 | 中 | \"搭建体系\"→L3，\"协助执行\"→L1 |\n| 经验要求 | 中 | \"3-5年\"→L2-L3，\"8年以上\"→L3-L4 |\n| 团队管理 | 中 | \"带X人团队\"→L3+，无管理→L1-L2 |\n\n---\n\n## 三、候选人提取标准\n\n候选人画像通过 SKILL.md Step 0.1-0.3 的引导流程自动生成。\n\n### 必需提取字段（KSAO 框架）\n\n| KSAO 维度 | 字段 | 提取方法 |\n|-----------|------|---------|\n| **K** | 学历+院校 | 教育背景部分 |\n| **K** | 工作年限 | 工作经历计算总年限 |\n| **K** | 行业知识 | 工作经历公司行业分布 |\n| **S** | 硬技能 | 技能标签 + 工作描述中的工具/技术 |\n| **S** | 管理技能 | 工作描述中的管理类职责 |\n| **A** | 核心能力 | 工作描述中高频能力关键词，按 L1-L5 评估深度 |\n| **O** | 动机/价值观 | 求职意向、职业路径（参考性弱） |\n\n### 可选提取字段\n\n| 字段 | 提取方法 |\n|------|---------|\n| 证书资格 | 证书/资质部分 |\n| 语言技能 | 语言能力部分 |\n| 特殊要求 | 求职意向备注（如不接受出差、期望双休等） |\n\n### 简历来源\n\n- 用户提供文件路径\n- 用户直接粘贴简历文本"},{"path":"references/field-config.md","content":"# 飞书多维表格字段配置\n\n## 必需字段\n\n| 字段名 | 类型 | 选项/说明 |\n|--------|------|---------|\n| **优先级判断** | 单选（type=3） | 选项：high、medium、low |\n| **优先级判断理由** | 文本（type=1） | 30 字以内判定理由 |\n| **命中维度** | 文本（type=1） | 匹配到的能力维度列表（如：战略规划、绩效管理、数据分析） |\n| **深度匹配** | 单选（type=3） | 选项：精准匹配、轻度超配、严重超配、轻度不足、严重不足 |\n\n---\n\n## 字段创建方式\n\n### 优先级判断（单选字段）\n\n```bash\naction: create\ntype: 3  # 单选\nfield_name: 优先级判断\nproperty: {\n  options: [\n    { name: \"high\" },\n    { name: \"medium\" },\n    { name: \"low\" }\n  ]\n}\n```\n\n### 优先级判断理由（文本字段）\n\n```bash\naction: create\ntype: 1  # 文本\nfield_name: 优先级判断理由\n```\n\n### 命中维度（文本字段）\n\n```bash\naction: create\ntype: 1  # 文本\nfield_name: 命中维度\n```\n\n### 深度匹配（单选字段）\n\n```bash\naction: create\ntype: 3  # 单选\nfield_name: 深度匹配\nproperty: {\n  options: [\n    { name: \"精准匹配\" },\n    { name: \"轻度超配\" },\n    { name: \"严重超配\" },\n    { name: \"轻度不足\" },\n    { name: \"严重不足\" }\n  ]\n}\n```\n\n---\n\n## 易错点与应对\n\n| 错误类型 | 案例 | 解决方案 |\n|----------|------|----------|\n| 地点误过滤 | JD 未写城市被标为\"地点不符\" | JD 无地点信息时默认通过 |\n| 数据未去重 | 同 job_id 出现多次，判定结果膨胀 | 执行前按 job_id 或 岗位+公司 去重 |\n| AI 提升误判 | 非 AI 岗因 description 含\"自动化\"被提升 | AI 提升仅检测 title |\n| 能力维度重复计分 | \"战略运营\"+\"战略管理\"被算作两个维度 | 按能力维度计分，不按关键词计分 |\n| record_id 错误 | 使用历史缓存的 record_id | 执行前先 list 获取最新 record_id |\n| 薪资格式不一 | \"10-15K·24 薪\"误判 | 统一提取\"X-YK\"，忽略年薪倍数 |\n| 岗位名称变体 | 同类岗位不同叫法误判 | 使用同义词库判断 |\n| JD 文本过长 | 信息冗余导致判定不准 | 提取核心职责和任职资格，忽略福利介绍 |\n| 批量更新失败 | 一次性写入过多 | 分批更新（每批 5 条），失败记录单独重试 |\n| 理由超字数 | 超过 30 字 | 精简为\"主因+次因\"结构 |\n| 字段名不一致 | 文档写\"优先级判定\"，实际为\"优先级判断\" | 以表格实际字段名为准 |\n\n---\n\n## 执行前检查清单\n\n每次执行前必须检查：\n\n1. ✅ **数据去重**：按 job_id 或 岗位+公司 去重\n2. ✅ **表格链接**：用户是否提供了链接？\n3. ✅ **字段存在**：list 检查字段，不存在则 create\n4. ✅ **record_id 准确**：list 获取最新 record_id\n5. ✅ **候选人画像**：是否已有 KSAO 画像？\n6. ✅ **匹配标准**：是否已校准？\n\n---\n\n## 错误回滚机制\n\n| 场景 | 处理方式 |\n|------|----------|\n| 脚本执行失败 | 不写入输出文件，原文件不动 |\n| 逻辑修正后重跑 | 覆盖输出文件（文件名含 `_判定结果`） |\n| 批量写入部分失败 | 记录失败行 ID，继续剩余，最后重试 |\n| 关键词误判 | 修正同义词簇，重跑覆盖结果 |"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Skill: job-match-priority Owner: iichaner Summary: Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-18T10:45:49.550Z | auto Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. -","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":766,"uniquenessScore":50,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T13:53:36.372Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T15:52:51.919Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}