BC hr-interview-evaluator
🎯 Умный помощник по оценке кандидатов на собеседовании Активируется по кодовой фразе, автоматически объединяет текст вакансии + документ резюме + документ с записью собеседования для создания профессионального отчета об оценке кандидата. 【Кодовая фраза】 Оценка собеседования, создать отчет об оценке, оценка кандидата, оценка собеседования, оценить кандидата 【Как использовать】 1. Отправьте кодовую фразу (например, 'Оценка собеседования') 2. Вставьте текст вакансии 3. Загрузите резюме в формате PDF/Word 4. Загрузите запись собеседования в формате PDF/Word (необязательно) 5. Система автоматически сгенерирует полный отчет об оценке 【Содержание вывода】 💡 Интеллектуальная рекомендация по найму — ✅ Рекомендуется / ⚠️ Условно / ❌ Не рекомендуется ⭐ Пятимерная звездная оценка — Технические навыки/Профессионализм/Способность к обучению/Соответствие должности/Стабильность 📊 Анализ соответствия кандидата должности 📄 Экспорт в один клик — Профессиональный отчет в формате PDF/PNG 【Критерии оценки】 - Технические навыки (25%): Степень владения основными навыками - Профессиональный опыт (20%): Опыт в отрасли и соответствие проекту - Способность к обучению (20%): Потенциал роста и адаптивность - Соответствие должности (20%): Соответствие требованиям вакансии - Стабильность (15%): Непрерывность карьерного пути
машинный переводПоказать оригиналСкрыть оригинал«🎯 智能面试评估助手 通过口令触发，自动结合JD文字+简历文档+面试记录文档，生成专业面试评估报告 【触发口令】 面试评估、生成评估报告…»
🎯 智能面试评估助手 通过口令触发，自动结合JD文字+简历文档+面试记录文档，生成专业面试评估报告 【触发口令】 面试评估、生成评估报告、候选人评估、面试评价、评估候选人 【使用方式】 1. 发送触发口令（如'面试评估'） 2. 粘贴JD文字 3. 上传简历PDF/Word 4. 上传面试记录PDF/Word（可选） 5. 系统自动生成完整评估报告 【输出内容】 💡 智能录用建议 —— ✅建议 / ⚠️条件录用 / ❌不建议 ⭐ 五维星级评分 —— 技术/专业/学习力/匹配度/稳定性 📊 人岗匹配度分析 📄 一键导出 —— PDF/PNG 专业报告 【评估维度】 - 技术能力（25%）：核心技能掌握程度 - 专业经验（20%）：行业经验和项目匹配度 - 学习能力（20%）：成长潜力和适应力 - 岗位匹配（20%）：与JD要求契合度 - 稳定性（15%）：职业规划连续性
🎯 Умный помощник по оценке кандидатов на собеседовании Активируется по кодовой фразе, автоматически объединяет текст вакансии + документ резюме + документ с…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription 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: 26
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1676 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
- -222 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 397 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 28 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Есть примеры (12 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.