Recruiting Skillset — Recruiting 技能设置
v1.0.0Use when 启动ing any end-to-end hiring task — defining a 角色, writing/revising a JD, screening 恢复s, preparing interviews, writing interview evaluations, or calibrating hiring standards from feedback. Triggers include "招聘全流程"、"JD + 简历筛选 + 面试评价"、"统一招聘口径"、"批量评估候选人"、"复盘招聘标准"、"按 Superpowers 架构整合招聘 技能"。
by 运行时依赖
安装命令
点击复制本土化适配说明
Recruiting Skillset — Recruiting 技能设置 安装说明： 安装命令：["openclaw skills install recruiting-skillset"]
技能文档
招聘 技能 设置 Overview
招聘全流程的总控 技能。把 [[jd-writing]]、[[恢复-screening]]、[[interview-evaluation]] 串成一条用同一套标准的流水线。
Core principle: 一套岗位标准，三次使用。
JD 阶段定义岗位本质、必备能力、加分项和验证标准。 简历筛选用同一套标准判断是否值得面试，并输出疑点、面试问题。 面试评价用同一套标准验证候选人真实能力、动机、风险与下一步。 用户、面试或入职反馈暴露标准错误时，回流更新 JD / 筛选 / 面评 技能。 When to Use
启用本 技能 的触发词或场景：
用户要求从需求开始端到端做招聘：定义岗位、写 JD、筛简历、面试准备、写面评。 用户要求对同一岗位的 JD、筛选、面评做"统一口径校准"。 批量评估候选人并要求横向排序、面试问题、录用建议。 用户根据投递质量 / 面试结果 / 入职表现要求修正招聘标准。 用户在对话中出现"招聘 技能 设置 / 招聘技能合集 / Superpowers 风格招聘 技能"等表达。
NOT for: 已经明确只在单一阶段（如只是写一份 JD），直接加载对应专项 技能 即可。
Stage Routing 用户意图 加载 产出 写 JD / 改 JD / 岗位说明外发 REQUIRED: [[jd-writing]] 候选人外发 JD + 内部验证标准 评估简历 / 批量筛选 / 横向排序 REQUIRED: [[恢复-screening]] 个人评估卡 + 排序表 + 疑点 + 面试问题 准备面试 / 根据筛选生成追问 [[恢复-screening]] + [[interview-evaluation]] 面试卡、统一问题、专项追问 写面评 / 根据转写评估 REQUIRED: [[interview-evaluation]] 推进建议、优势、不足、风险、下一步 复盘招聘质量 / 调整标准 本 技能 + 相关专项 标准修正、技能 更新、进化日志 Architecture [招聘需求/业务上下文] │ ▼ ┌────────────────────────────┐ │ recruiting-技能设置 总控 │ ← 维护"岗位标准包" └────────────────────────────┘ │ ▼ [jd-writing] ───► 岗位标准包 ◄────┐ │ │ ▼ │ [恢复-screening] ──── 短名单 ───┤ │ │ ▼ │ [interview-evaluation] ─── 面评 ──┘ │ ▼ 反馈回流：投递质量 / 面试发现 / 入职表现 → 修正标准
The 角色 Standard Packet
每个岗位都应形成一个岗位标准包，贯穿三项专项 技能。完整模板见 角色-standard-packet.md。
最简形式：
岗位定位：行业通用岗位名 / 业务背景 / 核心问题 / 候选人层级。 JD 核心结构：岗位职责 / 任职要求 / 加分项 / 反向筛选（可选）。 简历筛选标准：必备硬信号 / 加分信号 / 风险信号 / 一票否决。 面试验证标准：必问问题 / 强信号 / 弱信号 / 风险确认。 决策口径：⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐。 工作流
- Define 角色 Standard
加载 [[jd-writing]]。输出 JD 时同步沉淀岗位标准包：
岗位名称用行业通用叫法。 JD 默认三段：岗位职责、任职要求、加分项；业务背景放进岗位职责开头，不单独立"岗位信息"章节。 任职要求必须可被简历和面试验证。 如有反向筛选，使用专业、克制的"我们不太适合这样的候选人"。
- Screen 恢复s AgAInst the Same Standard
加载 [[恢复-screening]]。
确认岗位标准包存在；没有则从 JD 中抽取。 逐份提取简历文本，不凭记忆、不复用旧结论。 每人输出五维评分、疑点、亮点、风险、Top 面试问题。 批量候选人必须输出横向排序表。 面试问题必须直接对应 JD 的必备能力、加分项、风险信号。
- Prepare Interviews
同时使用 [[恢复-screening]] + [[interview-evaluation]]：
统一必问问题（横向比较）。 每人专项追问（来自简历疑点和岗位关键能力）。 强 / 弱信号现场判断卡。 速记模板供面试官使用。
- Evaluate Interview Evidence
加载 [[interview-evaluation]]。面评必须：
用人单位视角直接给推进建议（不是顾问报告）。 先读完整转写 / 记录，再判断，不只根据简历印象。 优势 / 不足 / 风险都绑定具体证据。 区分"经验不匹配"和"能力不合适"；岗位不要求的能力不要当短板。 技术深度判断必须看核心基础问题，不被关键词光环带偏。 AI Coding 经验区分"会用工具"和"有工程化方法论"。 批量面试转写有姓名误识别风险，必须先核对正式姓名再下结论。 下一步建议回到岗位标准包：进入下一轮 / 终面验证 / 不推荐 / 补充信息。
- Feedback Loop
用户指出可复用问题时，立即 补丁 对应 技能，并在该 技能 的 EVOLUTION.md 中记录。
输出 Contracts JD 输出 # [行业通用岗位名称]
岗位职责
...任职要求
...加分项
...我们不太适合这样的候选人（可选）
...面试重点（内部使用，外发可删除）
...恢复 Screening 输出 # [岗位] 简历筛选报告
汇总排序
| 排名 | 姓名 | 评级 | 总分 | 核心理由 | 面试建议 |个人评估卡
[姓名]
- 综合评级：
- 五维评分：
- 核心亮点：
- 风险/疑点：
- 面试必问题：
Interview Evaluation 输出
综合建议
⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮
综合评价
优势
...不足
...风险
...下一步建议
...正式交付给用户的报告只保留正式评价内容。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。
Common Pitfalls 反模式 后果 正确做法 三段流程标准不一致 口径漂移，越筛越偏 强制使用同一份岗位标准包 JD 像内部说明 候选人投递错位 写给候选人，业务背景放岗位职责开头 筛选凭关键词 关键词命中 ≠ 做过 ≠ 做深 看项目证据和个人贡献 面评复述经验 没判断只总结 判断能力和风险，绑定证据 全员都给推荐 排序失去意义 敢下不推荐 / 待定 把过程说明写进正式面评 报告变操作日志 过程信息只作内部材料 反馈不回流 同类错误反复出现 立即 补丁 对应 技能 + EVOLUTION Verification 检查列出
输出前逐项确认：
当前任务属于 JD / 筛选 / 准备 / 面评 / 复盘中的哪一步？ 已加载对应的专项 技能？ 形成或复用了岗位标准包？ JD 包含 岗位职责 / 任职要求 / 加分项？ 简历筛选逐人基于原始材料而非记忆？ 面评基于转写 / 记录证据？ 正式报告去除了姓名匹配、修订说明、工具执行痕迹？ 最终建议能回溯到同一套岗位标准？ 用户反馈已落到对应 技能 的 EVOLUTION.md？ See Also 角色-standard-packet.md — 完整岗位标准包模板。 EVOLUTION.md — 本 技能 的演化历史。 [[jd-writing]] · [[恢复-screening]] · [[interview-evaluation]] — 三个专项 技能。