一份 JD + 100 份简历 · 拿回带可解释分数的排名表
在隔离沙盒里逐份解析简历，按你和它一起定的评分规则打分排名。每个分数都能追溯到简历里的具体一行 —— 不是"模型这么说的"含糊话。把规则存好，下一批简历自动用同一套权重。
看一眼你能拿到什么
第 1 页 / 共 4·排名表
第 2 页 / 共 4·评分规则
第 3 页 / 共 4·前 10 详情
第 4 页 / 共 4·疑点与缺口
排名前 3 名 · 每个分数都附引用
不是"模型这么说的"——每个维度的分都引用候选人简历里的一句原话作为依据。规则共同设计、权重你决定。
C-014
A. 林
4.4/ 5.0
硬技能必备
5.0
“在 Stripe 设计并扩展支付路由服务（2019-2023）”
加分技能
4.0
“组织级采纳的 gRPC mesh RFC 主作者”
相关年限
5.0
“7 年支付基础设施大规模经验”
影响力 / 规模
4.0
“指导 4 名工程师 · 范围 3000 万请求 / 日”
沟通表达
4.0
“会议演讲（3 次 QCon）”
C-027
M. 帕特尔
4.0/ 5.0
硬技能必备
5.0
“一份在 3 家公司线上使用的开源 Rust 队列库的作者”
加分技能
3.0
“云原生运维经验较少”
相关年限
4.0
“5 年分布式系统经验”
影响力 / 规模
5.0
“技术负责人 · 8 人团队 · ARR 400 万美金产品”
沟通表达
3.0
“书面强 · 口头证据一般”
C-052
R. 缪勒
3.6/ 5.0
硬技能必备
4.0
“Go 和 Rust 都用得熟 · 基础宽”
加分技能
4.0
“生产级可观测性栈经验”
相关年限
3.0
“4 年 · 部分在研究环境”
影响力 / 规模
3.0
“主要在精品公司任 IC · 规模较小”
沟通表达
4.0
“活跃博客 · 技术写作清晰”
不一致：声称"带 12 人团队"但简历只列 IC 角色。
评分规则写进 Drive · 下批简历直接读这个文件
维度 + 权重 + flag 规则写成 rubric.yaml 落到 Drive 的招聘目录。下批简历进来，Agent 先读这个 yaml 再开始打分 —— HR 不用每周一重讲一遍岗位。
/招聘/高级后端工程师/rubric.yaml
480 B · 已应用 87 份简历
role: sr-backend-engineer weights: must_haves: 0.35 nice_to_have: 0.10 years: 0.15 scope: 0.25 communication: 0.15 flags: - claim_mismatch_team_vs_ic
ranked.xlsx
87 行 · 每维评分 + 引用
top-10-detail.pdf
10 页 · 每位详细分析
它怎么工作
步骤 01
丢 JD 和这一批
JD 是 PDF 或 DOCX 都行，简历可以是文件夹也可以是 zip。Agent 在沙盒里解析每份，包括奇怪格式（纯图 PDF 走 OCR、带嵌入表格的 DOCX 完整抽取）。
步骤 02
打分前先对齐评分规则
不信黑盒。Agent 先提 5 个维度 + 权重，你在对话里调（"硬技能必备项提到 35%、年限降到 10%"），你确认才开始打分。规则存好，同岗位下一批自动复用。
步骤 03
取走排名表 + 每人引用
.xlsx 列出每位候选人各维度分数 + 一句话引用（来自简历的原句作为打分依据）。前 10 名详情 PDF 更深。不一致的疑点（"带 50 人团队"但同期 IC 角色那种）会单独标出来 —— 由你决定。
为什么用 Vecbase 做这件事
每个分数都引用简历里的具体一句话
.xlsx 在每个维度旁边都有一列"为什么这个分数"，写的是简历里的原句作为依据。你不同意就点过去看原文。没有"模型这么说的"——每个判断都可审计。
评分规则在对话里和你共同定 · 不藏在模型里
提议的规则在你面前 · 你改权重 · 你确认 —— 然后才开始打分。多数 ATS 评分工具权重是黑盒、模型自己挑了。这里规则是你和 Agent 之间的"契约"。
规则写到 Drive · 下批简历一句话搞定
规则写成 rubric.yaml 落到 Drive 的招聘目录（"高级后端工程师 · 5 维 · 2026-05 权重"）。下批简历来，Agent 先读这个 YAML 再打分 —— 同一套维度 / 权重 / 疑点规则。HR 不用每周一重讲一遍岗位要求。
它能抓你扫 80 份简历会漏的不一致
数字错位："带 50 人团队"但同期挂的是 IC 头衔。任职矛盾："2023 升 staff"但简历另一处写 2021 起就是 staff。技能幽灵：把 Rust 列为头部技能但没一个项目用过。Agent 把这些当 flag 标出来 —— 是否真的有问题由你判断。
常见问题
Agent 自动识别简历语言，按 JD 语言（也自动识别）打分。跨语言打分（中文简历 + 英文 JD）原生支持，不用先翻译。如果招聘团队是多语种的，对话里说一声，引用里同时显示原文 + 英文译文。