需在coze平台搭建“简历初筛评语生成器”智能体：先整理含量化字段的jd文本和3～5份多风格简历样本，再配置角色设定、知识库与三步工作流（结构化解析→规则初筛→五段式评语生成）。
☞☞☞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☜☜☜
你需要在扣子（Coze）平台快速搭建一个能自动解析简历、按JD初筛并生成结构化评语的智能体，避免手动比对上百份简历耗尽精力。
准备岗位JD与简历样本
打开Coze工作台，新建Bot前先整理两样东西：一份当前招聘岗位的完整JD文本（含硬性要求和软性能力描述），以及3～5份真实投递的PDF/Word格式简历作为测试样本。JD必须包含学历、年限、技能、行业等可量化字段，否则后续规则引擎无法生效。
把JD粘贴进记事本，删掉公司logo图片、页眉页脚等非文本内容；简历样本建议选不同风格（如应届生纯文字版、资深者带图表PDF、海归双语版），用于验证解析鲁棒性。
【JD中“熟悉XX工具”这类模糊表述必须改为“熟练使用XX工具并完成过XX类项目”】——否则AI会误判为弱匹配项，导致高潜力候选人被漏筛。
配置智能体基础能力
创建新Bot，名称设为“简历初筛评语生成器”，在“角色设定”栏输入：你是一位有8年招聘经验的HRBP，专注互联网技术岗筛选，能精准识别简历中的隐性能力信号（如用“优化服务器响应时间”替代“熟悉Java”即代表工程落地能力）。
在“知识库”模块上传JD文本文件，并勾选“启用语义检索”。不要上传简历样本到知识库——它们将作为运行时输入，而非静态参考。
关闭“默认回复”开关，强制所有输出必须经由工作流节点生成，防止大模型自由发挥产生无效话术。
搭建三步工作流
第一步：简历解析节点
添加“大模型”节点，模型选“DeepSeek-V3-0324”，系统提示词固定为：
#任务指令
你是一个简历结构化解析器，严格按以下8个字段提取信息：姓名、电话、求职意向、教育背景（起止年份+学校+专业+学位）、工作年限（精确到月）、核心技能（仅提取简历原文出现的名词，不扩展）、项目经历（每项含“目标｜动作｜结果”三要素）、隐性能力信号（如“主导”“重构”“从0到1”等动词对应的软性能力）。
输出必须为JSON格式，字段缺失则填null，禁止添加解释性文字。
第二步：规则初筛节点
添加“条件判断”节点，接入上一步JSON输出。设置三条硬性过滤规则：
① 教育背景学位≠null 且 学位包含“本科”或“硕士”
② 工作年限≥JD要求年限×0.8（允许20%弹性，避免因简历未写清而误拒）
③ 核心技能数组长度≥JD中明确列出的硬技能数×0.7
任一不满足即跳转至“淘汰评语生成”分支。
第三步：评语生成节点
通过“大模型”节点生成终版评语，系统提示词需绑定JD文件：
#输出规范
按“匹配度评级｜硬性条件校验｜软性能力亮点｜待验证点｜推荐动作”五段式输出，每段首行加【】标记。软性能力亮点必须引用简历原文动词（如【亮点】候选人用“重构订单服务”体现系统设计能力），待验证点需对应JD中未明确佐证的要求（如JD要求“带过3人以上团队”，但简历仅写“协作开发”）。
这一步输出直接决定HR是否点开简历详情——如果评语里出现“可能具备”“疑似”等模糊词，说明前序解析节点的动词识别规则没配准，要回退修改。
