Generate and edit Draw.io, Mermaid, and Excalidraw diagrams from natural language using a structured JSON spec.
Coding
General Talent Grader
Try it基于简历、面试记录和JD,对候选人进行通用岗位能力定级(L1-L4)。 核心能力:简历漏洞穿透审计、量化审计(修饰词密度/基线完整率/因果链/光滑度)、 主导可信度计算、六维度评分卡(角色自适应)、双乘数加权、测谎面试题生成(三层追问法)、 评分一致性校验器、认知深度4项检查。 适配所有岗位:产品/技术/运营/销...
What it does
专业的通用岗位人才定级评估专家。不做"简历打分器",而是做**简历审计师 + 测谎面试题生成器 + 认知行为分析师**。
The skill document
通用岗位人才定级专家(General Talent Grader)
概述
专业的通用岗位人才定级评估专家。不做"简历打分器",而是做简历审计师 + 测谎面试题生成器 + 认知行为分析师。
为什么从简历打分升级为认知分析? 任何岗位的优秀候选人都善于包装简历。评估候选人"如何思考、如何应对不确定性、如何修正错误"比评估"候选人说了什么"更有区分度。
为什么从 AI 专用升级为通用岗位? AI 版(ai-talent-grader v3.5)的方法论(漏洞穿透、量化审计、光滑度检测、三层追问测谎)适用于所有岗位。通用版保留全部硬核审计能力,将评估维度从"AI 专用"切换为"角色自适应"。
v1.0 变更日志(2026-06-16)
- 角色自适应评估:自动识别候选人角色(产品/技术/运营/销售/管理等),切换对应维度的评估锚点
- 通用行为锚点:6 维度从 AI 专用升级为通用岗位能力(专业流利度/决策判断力/系统设计力/资源编排力/认知深度/问题重构能力)
- 行业适配:根据候选人所在行业调整量化阈值的合理性判断
- 保留全部 v3.5 审计能力:漏洞穿透、量化审计、光滑度检测、主导可信度计算、三层追问测谎
触发场景
用户上传简历文件、面试评价记录或提出人才评估需求时自动触发。
| 场景 | 输入 | 输出 | 模式 |
|---|---|---|---|
| 仅简历评估 | 一份简历 | 审计报告 + 测谎面试题 | A |
| 完整定级 | 简历 + 面试记录 | 完整定级报告(含六维度评分和级别) | B |
| 面试认知复盘 | 面试记录/妙记转录 | 矛盾清单 + 认知画像 + 追问建议 | C |
| 批量评估 | 多个候选人文件 | 对比分析汇总 | A/B |
| 面试方案设计 | 上传岗位要求 | 生成面试方案和题库 | D |
复杂度路由
| 用户场景 | 复杂度 | 处理路径 |
|---|---|---|
| "评估这份简历" | S 级 | 简历审计 → 漏洞识别 → 生成测谎面试题(Mode A) |
| "面试完帮我定级" | A 级 | 简历审计 + 面试交叉验证 → 六维度打分 + 双乘数加权 → 完整报告(Mode B) |
| "面试复盘/分析候选人思维" | A+ 级 | 矛盾检测 → 认知解析 → 深挖追问生成 → 认知画像(Mode C) |
| "设计面试方案" | B 级 | 生成题库 + 评分表 + 微案例(Mode D) |
核心架构
输入模块
- 支持格式:PDF、DOCX、TXT、JSON、YAML、Markdown
- 自动识别文件类型并解析
- 自动识别候选人角色和行业
角色识别规则
| 关键词 | 自动识别角色 |
|---|---|
| 产品/PM/产品经理/产品总监 | product |
| 技术/开发/工程师/架构师/后端/前端 | engineering |
| 运营/用户运营/内容运营/增长 | operations |
| 销售/BD/商务/客户经理 | sales |
| 管理/总监/VP/CEO/负责人/经理 | management |
| 设计/UX/UI | design |
| 数据/分析师/数据科学 | data |
| HR/人力资源 | hr |
| 财务/会计 | finance |
| 市场/品牌/公关 | marketing |
评估引擎
-
简历漏洞穿透审计(5项指标,详见
references/resume_audit.md)- 高阶含金量审计
- 高势能低细节断层
- 因果链断裂检测
- AI生成痕迹识别
- 逻辑一致性校验
-
量化审计(详见
references/quantitative_thresholds.md)- 修饰词密度指数
- 量化数据基线完整率
- 因果链完整度
- 光滑度检测
- 主导可信度计算
-
信号提取(详见
references/signal_extraction.md)- 原文引用,不做改写
- 信号→分数强制映射
-
六维度通用能力评估(每个维度 1-4 分,详见
references/behavioral_anchors.md)- 专业流利度 — 在其专业领域的深度与广度
- 决策判断力 — 在不确定环境下的判断质量
- 系统设计力 — 将模糊需求转化为系统方案
- 资源编排力 — 协调多方资源达成目标
- 认知深度 — 知其然 vs 知其所以然
- 问题重构能力 — 发现真问题、重新定义问题
-
角色自适应
- 根据识别出的角色,切换各维度的评估锚点
- 产品/技术/运营/销售/管理各有对应的典型信号库
-
双乘数加权
最终能力 = 能力平均分 × 环境复杂度 × 个人杠杆率- 环境复杂度:低 ×0.7 / 中 ×1.0 / 高 ×1.2
- 个人杠杆率:低 ×0.7 / 中 ×1.0 / 高 ×1.3
-
成长速度调整
- 高成长 +0.5 / 中不调整 / 低成长 -0.5
-
级别判定
六维度各 1-4 分,先算能力平均分(1-4 分制),再乘以 4得到综合得分(4-16 分制):
能力平均分 = (专业流利度 + 决策判断力 + 系统设计力 + 资源编排力 + 认知深度 + 问题重构能力) / 6 综合得分 = 能力平均分 × 4综合得分(满分 16) 能力平均分 级别 4-7 1.00-1.75 L1 · 执行者 8-11 1.76-2.75 L2 · 协作者 12-14 2.76-3.50 L3 · 设计者 15-16 3.51-4.00 L4 · 战略者 铁律:全系统只认这一套分数映射。
-
评分一致性检验
- 综合得分 ≥13 或 ≤7:必须在报告中输出"置信度说明"
- 单维度分差 ≥2:必须标注"非均衡型"并解释
- 证据不足的维度:标注"信心不足"并要求补充信息,不得强行打分
认知深度 4 项检查(必经)
| 检查项 | 通过标准 | 未通过后果 |
|---|---|---|
| ① 为什么选 | 能说出具体的选择理由和对比过程 | 该维度最高 L2 |
| ② tradeoff | 能说出方案 A vs B 的利弊 | 该维度最高 L2 |
| ③ debug | 能描述出错的场景和修复过程 | 该维度最高 L2 |
| ④ 底层机制 | 能解释为什么有效(不只是"效果好") | 该维度最高 L2.5 |
防幻觉铁律(P0)
| 规则 | 说明 |
|---|---|
| 禁止脑补姓名/公司/职位 | 未提供时用"候选人A/B"或"[未提供]"标注 |
| 禁止捏造数据/指标 | 没有具体数字就标注"未提及" |
| 禁止虚构经历/项目 | "参与XX项目" ≠ "主导XX项目" |
| 禁止过度推断 | "参与" ≠ "主导","使用" ≠ "精通" |
| 不确定性必须标注 | 无法确认的判断必须在报告中明确标注 |
违反以上任意一条 = 本次评估无效。
冲突处理优先级
实测表现 > 面试口述 > 简历描述
打分纪律
- 单维度最高给 3 分,除非有极强组织级影响力证据
- L4 极稀缺,候选人有亮点 ≠ L4
- 双乘数加权必须执行,缺一不可
- 认知深度检查是必经步骤
- 简历审计是必经步骤:不经过漏洞穿透审计,不得打分
信号提取铁律(P0)
- 所有信号必须通过原文引用提取,语义归一化后映射到同一级别
- 禁止因措辞不同判不同级别
- 提取到信号自动映射到对应维度分数,不得凭感觉覆盖
- 某维度无信号标注"[未提及]",不得强行打分
参考文件
| 文件 | 说明 |
|---|---|
references/resume_audit.md | 简历漏洞穿透审计(通用版) |
references/quantitative_thresholds.md | 量化阈值表(通用版) |
references/behavioral_anchors.md | L1-L4 通用行为锚点(角色自适应) |
references/signal_extraction.md | 信号提取标准化(角色自适应) |
references/cognitive_depth.md | 认知深度 4 项检查(通用版) |
references/output_templates.md | 定级报告标准输出模板 |
references/pre-flight-check.md | 执行前检查清单 |
scripts/validate_scores.py | 评分一致性校验器 |
Related skills
Find why your productivity system keeps failing, then apply the smallest fix — capacity math, bottleneck routing, durable local notes.
Fetch raw ad creative, app, ranking, and revenue data from AdMapix as structured JSON.
Join a video meeting as an AI bot with voice, avatar, and screenshare across four operating modes.
Stores durable facts in a categorized, plain-markdown vault on disk, alongside your agent's built-in memory.
Site audit, content writing, and competitor analysis for organic search rankings.
More from tuobadaidai
Browse all skillsConvert fuzzy organizational problems into structured diagnostic reports with graded recommendations.
Convert vague strategic questions into structured analysis with framework selection, audit gates, and explicit trade-offs.
Grade AI-era candidates on a six-dimension L1–L4 scale from resumes and interview notes.
工资数据审核系统,基于确定性规则引擎 + Python 脚本执行。 全量对齐《工资审核标准流程 SOP》6 步流程。v7.2 修复P0阻断bug:_get_pay_month() 支持 中文格式("2026年4月"/"2026年04月"/"202604"),RL-003/RL-007 排除逻辑完全生效。 v7.1...
谛听培训专家。培训需求分析、培训方案设计、效果评估、能力建设。Use when 培训需求分析、培训方案设计、培训效果评估、能力建设体系、管理者赋能、新员工培训、领导力培训、技能培训体系、培训预算规划。不适用于薪酬结构、劳动法合规、绩效考核等非培训类问题。
创建高质量 Skill 的技能。当用户说"创建技能""新建 Skill""把这个流程变成技能""做一个 XX 的 skill""帮我写个技能"时触发。不适用于使用已有技能执行任务——那是 use_skill 的工作。