/install campus-candidate-screener
校招候选人快速筛选
目标
根据企业 HR 输入的岗位、岗位职责、学历专业要求和候选人信息,快速筛选符合校招岗位要求的候选人,生成可复核的候选人名单。输出必须可解释、可追溯、便于 HR 进入面试邀约或人工复核流程。
输入要求
岗位输入应尽量包含:
- 岗位名称、岗位类别、工作地点、招聘人数。
- 岗位职责。
- 任职要求:学历、专业、毕业年份、技能证书、语言能力、项目经验、实习经验、工具能力。
- 必须条件、优先条件、淘汰条件。
- 企业希望保留的候选人比例或面试名额。
候选人输入可为粘贴文本、表格、简历摘要或结构化字段。候选人基本字段包括:
- 姓名。
- 学历背景:学校、学历、专业、毕业时间。
- 工作/实习/项目经验。
- 技能证书或工具能力。
- 联系电话。
- 邮箱。
- 其他由 HR 明确要求的岗位相关字段。
若候选人信息缺失,不要补编;在名单中标记为“未提供”。
合规与公平筛选规则
- 只依据岗位相关条件进行筛选,例如学历、专业、技能、项目/实习经历、证书、作品、语言能力、岗位职责匹配度。
- 不得使用性别、年龄、民族、宗教、婚育、户籍、身体状况、照片外貌等与岗位无关或敏感因素进行排序或淘汰。
- 不得根据学校名气进行隐性歧视;除非 HR 明确提供了合法合规的学校范围要求,否则学校仅作为教育背景记录,不作为单独淘汰条件。
- 对硬性条件不满足者应说明具体原因;对信息缺失者优先归入“待补充/人工复核”,而不是直接淘汰。
- 筛选结果是辅助建议,最终录用或淘汰应由 HR 复核。
筛选流程
1. 解析岗位要求
将岗位要求拆分为三类:
- 硬性门槛:不满足通常无法进入下一步,例如学历层次、专业范围、毕业年份、必备证书、必备技能。
- 核心匹配项:与岗位职责直接相关,例如项目经验、实习方向、工具能力、业务理解。
- 加分项:竞赛经历、相关证书、作品集、学生干部经历、行业实践、语言优势等。
如果 HR 没有明确权重,默认权重为:硬性门槛通过/不通过;核心匹配 70 分;加分项 20 分;表达完整度与信息可验证性 10 分。
2. 解析候选人信息
对每名候选人抽取:
- 姓名、电话、邮箱。
- 学校、学历、专业、毕业时间。
- 实习经验、项目经验、校园经历。
- 技能、证书、语言能力。
- 与岗位职责相关的证据句。
保持原始信息含义,不要夸大候选人经历。
3. 硬性门槛判断
先判断候选人是否满足硬性门槛:
- 满足:进入评分。
- 不满足:标记为“不推荐”,并写明原因。
- 信息缺失但可能满足:标记为“待补充/人工复核”。
4. 匹配评分
默认按 100 分制输出:
- 硬性门槛:通过后不额外加分;未通过则不进入推荐名单。
- 岗位职责匹配度:0 到 35 分。
- 专业与课程/项目相关度:0 到 20 分。
- 实习或项目经验质量:0 到 20 分。
- 技能、证书、工具能力:0 到 15 分。
- 表达完整度和信息可验证性:0 到 10 分。
可根据 HR 明确要求调整权重,但必须在输出中说明。
5. 推荐等级
默认分级:
- A 类:强推荐,80 分及以上,硬性条件满足且岗位相关证据充分。
- B 类:推荐复试,70 到 79 分,基本匹配但存在短板。
- C 类:待补充/人工复核,信息缺失或匹配度不确定。
- D 类:不推荐,硬性条件不满足或岗位匹配度明显不足。
标准输出格式
默认输出中文,先给总览,再给名单。
一、岗位要求解析
| 类别 | 条件 | 判断方式 | 备注 |
|---|---|---|---|
| 硬性门槛 | 通过/不通过/待补充 | ||
| 核心匹配项 | 评分 | ||
| 加分项 | 加分 |
二、候选人筛选总览
| 指标 | 数量 |
|---|---|
| 候选人总数 | |
| A 类强推荐 | |
| B 类推荐复试 | |
| C 类待补充/人工复核 | |
| D 类不推荐 |
三、推荐候选人名单
| 排名 | 姓名 | 学历背景 | 工作/实习/项目经验 | 联系电话 | 邮箱 | 匹配分 | 推荐等级 | 推荐理由 | 风险/待确认项 |
|---|---|---|---|---|---|---|---|---|---|
| 1 |
名单中必须包含候选人基本信息、学历背景、工作经验/实习或项目经验、联系电话和邮箱。缺失字段写“未提供”。
四、不推荐或待复核候选人说明
| 姓名 | 结论 | 主要原因 | 是否建议补充材料 |
|---|---|---|---|
五、HR 后续动作建议
根据筛选结果给出下一步动作:
- 对 A 类候选人:建议优先邀约,并列出面试验证重点。
- 对 B 类候选人:建议复试或补充材料,并列出需验证短板。
- 对 C 类候选人:列出需要补充的信息。
- 对 D 类候选人:说明不推荐依据,避免模糊表述。
输出约束
- 不要编造候选人联系方式、学校、专业、经历或分数依据。
- 不要把“候选人表达好”当作唯一推荐理由,必须有岗位相关证据。
- 不要直接输出涉及敏感特征的比较或评价。
- 不要因为候选人信息较少就自动判低分;应区分“不匹配”和“信息不足”。
- 当候选人数量很大时,优先输出 A/B/C/D 汇总和前 N 名名单,并说明完整名单可继续分批生成。
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install campus-candidate-screener - After installation, invoke the skill by name or use
/campus-candidate-screener - Provide required inputs per the skill's parameter spec and get structured output
What is Campus Candidate Screener?
screen campus recruiting candidates against a role's job responsibilities, degree, major, skills, and hiring requirements. use when hr provides a target role... It is an AI Agent Skill for Claude Code / OpenClaw, with 40 downloads so far.
How do I install Campus Candidate Screener?
Run "/install campus-candidate-screener" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is Campus Candidate Screener free?
Yes, Campus Candidate Screener is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does Campus Candidate Screener support?
Campus Candidate Screener is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created Campus Candidate Screener?
It is built and maintained by linuoxu (@linuoxu); the current version is v1.0.0.