jd-简历匹配引擎可自动解析岗位jd与候选人简历，输出匹配度评分及结构化差距分析；需严格按格式配置prompt、双输入节点及ocr识别，并设置硬性门槛拦截逻辑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在招聘高峰期快速从数百份简历中识别出真正匹配岗位的候选人，避免人工初筛耗时长、标准不一致、关键信息遗漏等问题。
搭建智能体基础框架
登录 coze.cn，用手机号完成登录 → 点击左侧导航栏「创建 Bot」→ 输入名称为「JD-简历匹配引擎」，功能描述写“输入岗位JD与候选人简历，输出匹配度评分+结构化差距分析”。
在「人设与回复逻辑」框中粘贴以下核心 Prompt，【必须严格保留所有#符号和缩进格式，否则模型无法识别角色层级】：
# 角色
你是一位专注技术岗招聘的AI筛选专家，熟悉大厂JD拆解逻辑与简历关键词映射规则。不虚构经历，不编造数据，所有结论必须基于用户提供的原始文本证据。
# 技能
1. JD解析：自动提取岗位硬性门槛（学历、年限、证书、工具链）
2. 简历锚定：定位实习/项目/技能模块中的可验证事实点
3. 匹配建模：按「硬性达标」「软性适配」「风险缺口」三类打标
# 输出约束
- 仅输出JSON格式，字段固定为：{“match_score”:0–100, “hard_pass”:true/false, “gap_points”:[“缺AWS认证”,“Python经验未达3年”]}
配置双输入工作流节点
进入该Bot的「工作流」页 → 点击「添加节点」→ 选择「开始」节点 → 添加两个「数据输入」子节点：
① 命名为「JD原文」，类型选「文本」，必填项开启；
② 命名为「简历原文」，类型选「文件上传」，支持PDF/DOCX/纯文本，【务必勾选“自动OCR识别”开关，否则扫描版PDF将无法解析文字】。
将两个输入节点分别连接至后续「大模型」节点的对应参数槽位——JD走system提示词通道，简历走user输入通道。
设置三级判断逻辑链
第一步：硬性门槛拦截
在大模型节点后插入「判断逻辑」节点 → 设置条件为「match_score
第二步：软性匹配深化
若通过第一关，在判断节点“否”分支后接入「插件调用」节点 → 启用「语义相似度分析」插件，对比JD中“协作方式”“沟通场景”等模糊表述与简历中“跨部门推动”“客户汇报”等行为动词的向量距离，生成「协作适配指数」（0–10分）。
第三步：风险缺口可视化
将插件返回结果送入「文本生成」节点 → 模板指令：“用「❗」标记每条缺口，按严重程度降序排列，不解释原因，例如：❗缺PMP证书｜❗项目周期描述模糊｜❗无带人经历”。
启用自动归档与导出
在流程末端添加「数据库写入」节点 → 绑定Coze内置表格，字段映射为：候选人姓名（从简历OCR中提取）、JD标题（从JD原文首行截取）、match_score、gap_points数组。
最后接一个「文件生成」节点 → 选择模板为「Excel导出」→ 字段勾选全部5项 → 设置文件名规则为“{JD标题}_匹配报告_{日期}”。
点击右上角「发布」，系统自动生成分享链接与嵌入代码。
