shield_lock
金大哥
联系我们
← 返回 Skill 列表
extension
分类: 其它无需 API Key

招聘管理助手

招聘管理助手，支持简历解析（Word/PDF/扫描件/图片）、人岗匹配分析、结构化面试题生成、候选人评估报告（HTML/高质量中文PDF/Word）和招聘沟通邮件发送。触发词：招聘、简历、面试、候选人、人岗匹配、招聘管理、简历分析、面试题目、评估报告、录用通知、招聘邮件

person作者: user_fcba917fhubcommunity
download下载资源包

Recruitment Manager

智能招聘管理助手，提供从简历筛选到录用决策的全流程支持。

核心能力

1. 简历解析与信息提取

解析候选人简历，支持多种格式：

  • Word 文档 (.docx, .doc)
  • PDF 文档 (.pdf) - v2.0 优化，使用 pypdfium2 作为首选解析器（对扫描件支持最好）
  • 图片格式 (.png, .jpg, .jpeg)

PDF 解析策略（v2.0 优化）：

  1. pypdfium2.get_textpage() — 首选，可提取扫描件PDF的隐藏文本层（Microsoft Print To PDF 等生成的扫描件）
  2. pdfplumber — 后备，更好的表格和布局支持
  3. PyPDF2 — 最后后备
  4. PDF转图片 + pytesseract OCR — 完全无法提取文本时的最终方案

自动提取关键信息：

  • 基本信息（姓名、联系方式、邮箱）
  • 教育背景（学校、专业、学历、时间）
  • 工作经历（公司、职位、时长、职责）
  • 技能清单（技术栈、语言能力、证书）
  • 项目经验（项目名称、角色、成果）

使用方法：

解析这份简历：/path/to/resume.pdf
分析候选人张三的简历，文件在桌面

依赖安装：

pip install pypdfium2 pdfplumber PyPDF2 python-docx pytesseract Pillow

2. 人岗匹配分析

根据岗位 JD（Job Description）和候选人简历，进行匹配度分析：

匹配维度：

  • 技能匹配度（必需技能、优先技能）
  • 经验匹配度（工作年限、行业经验）
  • 教育背景匹配度（学历要求、专业相关性）
  • 综合能力评估（软实力、领导力等）

输出内容：

  • 匹配分数（0-100 分）
  • 优势分析（匹配度高的维度）
  • 差距分析（需要补足的能力）
  • 风险提示（潜在问题点，如高频跳槽、岗位降级等）

使用方法：

分析这份简历与 Java 高级开发工程师岗位的匹配度
JD: /path/to/jd.pdf
简历: /path/to/resume.docx

3. 结构化面试题生成

根据岗位要求和候选人背景，生成针对性面试题目：

题目类型：

  • 技术能力题（编程、系统设计、问题解决）
  • 行为面试题（STAR 方法）
  • 情景模拟题（如何处理特定工作场景）
  • 文化匹配题（价值观、团队协作）

题目结构：

  • 题目内容
  • 考察要点
  • 评分标准
  • 追问方向

使用方法：

为这个候选人生成面试题目
岗位：产品经理
简历：/path/to/resume.pdf

4. 候选人评估报告

生成专业的候选人评估报告，支持多种高质量输出格式：

报告内容：

  • 候选人基本信息
  • 简历解析结果
  • 人岗匹配分析（含匹配分数和可视化）
  • 面试表现评估（如有）
  • 优劣势分析
  • 风险评估
  • 录用建议（推荐/待定/不推荐）
  • 结构化面试题附录（可选）

支持格式：

| 格式 | 说明 | 中文字体支持 | |------|------|--------------| | HTML | 网页版报告，便于分享和在线查看 | 依赖浏览器 | | PDF（高质量） | 基于专业 PDF 管道生成，支持中文字体自动检测 | ✅ 自动检测 SimHei/SimSun 等 | | Word (DOCX) | 可编辑版本，便于后续修改 | ✅ 原生支持 |

PDF 报告生成特性（v2.0 新增）：

  • 使用专业 PDF 生成管道（palette → cover → render → merge）
  • 自动检测系统中文字体（Windows：SimHei/SimSun/SimKai；Linux：WQY）
  • TTC 字体文件支持（如 simsun.ttc,0）
  • 封面页 + 正文页合并输出
  • 支持面试题附录

使用方法：

生成候选人李四的评估报告，输出为 PDF
生成这份简历的分析报告，格式为 HTML，包含面试题

依赖要求（PDF 格式）：

# Python 依赖
pip install reportlab pypdf matplotlib

# Node.js 依赖（封面渲染）
npm install -g playwright
npx playwright install chromium

5. 招聘沟通邮件（v2.1 优化）

生成并直接发送各类招聘场景的沟通邮件：

邮件类型：

  • 面试邀约（高级版） - 支持"代表人模式"（联系人≠候选人），含视频面试专项文案
  • 面试邀约（简版） - 直发候选人本人，含现场材料提示
  • 面试跟进 - 面试后反馈收集、候选人跟进
  • 录用通知 - 正式 offer 邮件，包含薪资、福利、入职时间
  • 拒信 - 礼貌拒绝不合适候选人的邮件

邮箱配置（SMTP 配置文件格式）：

{
  "smtp_server": "smtp.163.com",
  "smtp_port": 465,
  "use_ssl": true,
  "username": "your@163.com",
  "password": "授权码（非登录密码）",
  "sender_email": "your@163.com",
  "sender_name": "TNK Tech HR <your@163.com>"
}

已验证可用的邮箱服务器： | 服务商 | SMTP 地址 | 端口 | use_ssl | |--------|-----------|------|---------| | 163邮箱 | smtp.163.com | 465 | true | | QQ邮箱 | smtp.qq.com | 465 | true | | 企业微信邮箱 | smtp.exmail.qq.com | 465 | true | | Gmail | smtp.gmail.com | 587 | false（STARTTLS）|

⚠️ 163/QQ 邮箱须在网页端开启 SMTP 服务并获取授权码，password 填授权码而非登录密码。

快速发送面试邀约（命令行）：

# 方式一：快速邀约子命令（推荐）
python email_sender.py invite smtp_config.json candidate@email.com data.json

# 方式二：发送预生成的邮件正文文件
python email_sender.py send smtp_config.json recipient@email.com "邮件主题" body.txt

面试邀约数据字段（data.json）：

{
  "recipient_name": "周博远",
  "candidate_name": "田飞",
  "company_name": "TNK Tech",
  "position": "财务",
  "interview_time": "2026年05月30日 14:00-15:30",
  "interview_format": "视频面试（腾讯会议）",
  "interviewer": "技术负责人 李总监",
  "duration": "90分钟",
  "confirm_deadline": "2026年05月27日",
  "contact_email": "hr@tnktech.net",
  "extra_notes": "腾讯会议链接将于面试前一天另行发送，请留意查收。"
}

代码内联调用（推荐用于 AI 直接生成并发送）：

from email_sender import build_smtp_config, send_interview_invitation

cfg = build_smtp_config("smtp.163.com", 465, "hr@163.com", "授权码", use_ssl=True, sender_display="TNK Tech HR")
result = send_interview_invitation(cfg, "zhouboyuan@tnktech.net", data_dict)

使用方法（自然语言）：

给候选人田飞的代表周博远发送面试邀约
收件人邮箱：zhouboyuan@tnktech.net
岗位：财务，面试时间：2026-05-30 14:00-15:30
视频面试（腾讯会议），面试官：李总监
发件邮箱：tnktechqa@163.com

工作流程

完整招聘流程

  1. 接收简历 → 解析简历，提取关键信息（pypdfium2 优先）
  2. 简历筛选 → 人岗匹配分析，判断是否进入面试
  3. 面试准备 → 生成结构化面试题
  4. 面试执行 → （线下进行，可记录面试评估）
  5. 评估决策 → 生成候选人评估报告（推荐 PDF 格式）
  6. 沟通反馈 → 发送录用通知或拒信

快速使用场景

场景 1：快速简历筛选

解析这份简历：/path/to/resume.pdf
分析该候选人与 Python 开发工程师岗位的匹配度

场景 2：面试准备

根据这份简历和岗位 JD，生成面试题目
简历：/path/to/resume.docx
JD：/path/to/jd.pdf

场景 3：生成评估报告（含面试题附录）

生成候选人评估报告，包含简历解析、人岗匹配、面试评估
输出格式：PDF（高质量中文版）

场景 4：发送招聘邮件

给通过面试的候选人发送录用通知
候选人：张三
岗位：高级产品经理
薪资：30-40K
发送邮箱：hr@company.com

技术架构

scripts/ 目录结构

scripts/
├── resume_parser.py          # 简历解析（v2.0，pypdfium2 优先）
├── report_generator.py       # 报告生成（v2.0，支持 PDF 管道）
├── email_sender.py           # 邮件发送
├── ai_resume_analyzer.py    # AI 简历分析
├── smart_resume_analyzer.py # 智能分析
├── requirements.txt          # Python 依赖清单
└── pdf_pipeline/            # PDF 生成管道（v2.0 新增）
    ├── palette.py           # 设计令牌生成（含中文字体检测）
    ├── cover.py            # 封面 HTML 生成
    ├── render_body.py      # 正文 PDF 生成（含中文字体注册）
    └── merge.py            # 封面+正文合并

PDF 生成管道工作原理

content.json → palette.py → tokens.json (含中文字体路径)
                     ↓
              cover.py → cover.html → render_cover.js → cover.pdf
                     ↓
              render_body.py → body.pdf (ReportLab + 中文字体)
                     ↓
              merge.py → final_report.pdf

中文字体自动检测逻辑（Windows）：

  1. 检测 C:\Windows\Fonts\ 下的中文字体
  2. 优先使用 SimHei（黑体，适合标题和正文加粗）
  3. 备选 SimSun（宋体，适合正文）、SimKai（楷体）、SimFang（仿宋）
  4. 将字体路径写入 tokens.json 的 font_paths 键
  5. render_body.py 自动注册字体到 ReportLab

资源配置

scripts/

包含可执行的 Python 脚本：

  • resume_parser.py - 简历解析脚本，支持 Word/PDF/图片格式（v2.0 优化）
  • report_generator.py - 报告生成脚本，支持 HTML/PDF/Word 输出（v2.0 新增 PDF 管道）
  • email_sender.py - 邮件发送脚本，集成邮箱 SMTP 配置
  • pdf_pipeline/ - PDF 生成管道脚本（v2.0 新增）

references/

包含参考文档和知识库：

  • interview_questions_bank.md - 面试题库，按岗位分类
  • evaluation_criteria.md - 评估标准和评分细则
  • email_templates.md - 各类招聘邮件模板

assets/

包含输出模板和资源文件：

  • report_template.html - HTML 报告模板
  • report_template.docx - Word 报告模板
  • email_signatures/ - 企业邮箱签名模板

使用建议

  1. 简历解析：批量处理时，先解析 1-2 份验证准确性，再批量处理
  2. 人岗匹配：提供详细的 JD，匹配准确度更高
  3. 面试题生成：可指定题目数量和侧重点（如"侧重系统设计"）
  4. 评估报告：推荐使用 PDF 格式（v2.0 已解决中文显示问题）
  5. 邮件发送：首次使用时配置企业邮箱信息（SMTP 服务器、发件人信息）

注意事项

  • 简历解析准确度取决于文件质量，图片格式需要 OCR 处理
  • 评估报告仅供参考，最终录用决策需结合实际情况
  • 邮件发送需配置有效的邮箱账户；163/QQ 邮箱请使用授权码而非登录密码，端口 465 + SSL
  • 候选人信息需妥善保管，遵守数据保护相关规定
  • PDF 报告生成封面页已可用 ReportLab 直接绘制，无需 Node.js + Playwright

v2.1 更新日志（邮件功能）

新增功能

  • ✅ 代表人面试邀约模板：interview_invitation 模板升级，支持 recipient_name（联系人）≠ candidate_name（候选人）的场景
  • ✅ send_interview_invitation() 便捷函数：一键生成主题+正文并发送面试邀约
  • ✅ build_smtp_config() 工具函数：方便内联构建 SMTP 配置字典
  • ✅ invite 子命令：python email_sender.py invite <smtp_config> <recipient> <data.json>
  • ✅ 多服务商 SMTP 参考表：已验证 163/QQ/企业微信邮箱配置

已验证

  • ✅ 163邮箱 SMTP_SSL port=465，授权码认证，实际发送成功（2026-05-22）

v2.0 更新日志

新增功能

  • ✅ PDF 扫描件解析：使用 pypdfium2.get_textpage() 提取扫描件隐藏文本层
  • ✅ 高质量中文 PDF 报告：集成专业 PDF 生成管道，支持中文字体自动检测
  • ✅ TTC 字体支持：正确处理 simsun.ttc,0 格式的字体索引
  • ✅ 面试题附录：PDF 报告可附带结构化面试题
  • ✅ 封面页 ReportLab 直绘：无需 Node.js / Playwright，用 ReportLab Canvas 直接绘制封面 PDF

修复问题

  • ✅ 修复 PDF 报告中文字显示为 # 或乱码的问题
  • ✅ 修复 content.json 中文引号导致 JSON 解析失败的问题
  • ✅ 修复 Windows PowerShell GBK 编码下 merge.py Unicode 打印错误
  • ✅ 修复 content.json 必须为直接数组格式（非 {"blocks": [...]} 包裹）

依赖更新

  • 新增：pypdfium2（PDF 解析首选）
  • 新增：reportlab、pypdf、matplotlib（PDF 生成管道）