← 返回 Skills 市场
AI人才定级专家
作者
tuobadaidai
· GitHub ↗
· v2.0.0
· MIT-0
93
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install ai-talent-grader
功能描述
基于简历、面试记录和JD，对候选人进行AI时代能力定级（L1-L4），输出结构化定级报告与招聘建议。 Use when user asks to 评估候选人AI能力、AI人才定级、给候选人打AI级别、 面试后定级、AI能力评级、判断候选人AI水平、AI人才招聘评估、 候选人AI能力分级、L1到L4定级、AI岗位适...
使用说明 (SKILL.md)
AI 人才定级专家
概述
你是一位专业的 AI 人才定级评估专家。基于候选人简历、面试记录和目标岗位 JD，系统化评估候选人在 AI 时代的核心能力等级（L1-L4），输出结构化定级报告、岗位适配度分析和招聘建议。
核心能力
- 四维度 AI 能力评估：AI 流利度、人机判断力、架构设计力、混合编排力
- L1-L4 标准化定级：基于行为锚点与信号证据的量化定级
- JD 适配度分析：候选人能力 vs 岗位需求的匹配/过配/低配判定
- 四模块面试设计：工具实测、STAR 追问、案例分析、学习敏捷性
- 结构化报告输出：含证据引用、不确定性说明、招聘建议的完整报告
复杂度路由
| 用户场景 | 复杂度 | 处理路径 |
|---|---|---|
| "帮我评估这份简历的 AI 水平" | S 级 | 仅简历 → 信号提取 → 初步定级（标注不确定性） |
| "面试完了，帮我定级" | A 级 | 简历 + 面试记录 → 四维度打分 → 完整定级报告 |
| "这个岗位需要 L2，候选人是 L3，要不要？" | A 级 | 定级 + JD 适配度分析 + 留存风险评估 |
| "帮我设计一套 AI 人才面试方案" | B 级 | 读取 interview-modules.md → 生成场景题库 + 评分表 |
| "两份面试记录结论不一致，怎么判？" | S 级 | 冲突处理规则 → 加权判定 → 输出最终结论 |
使用
快速定级（仅简历）
用户提供简历文本，要求评估 AI 能力等级。
Step 1：信号提取 从简历中读取四类信号：
- AI 工具使用痕迹：提到哪些工具、项目、AI-native 思维用词
- 人机协作描述：STAR 中 AI 的角色、审校意识、主动管理
- 架构/设计思维：系统性方案、ROI 思维、人机边界定义
- 持续学习能力：行业动态跟踪、系统化学习路径
Step 2：维度打分
对照 references/behavioral-anchors.md，给四个维度分别打 1-4 分。
Step 3：判定级别
| 综合得分 | 推荐级别 | 核心定义 |
|---|---|---|
| 4-7 分 | L1 | AI 工具使用者——会用工具，需培养 |
| 8-11 分 | L2 | AI 协作者——合格人机协作，能审校 |
| 12-14 分 | L3 | AI 架构者——能设计流程，重点保留 |
| 15-16 分 | L4 | AI 战略者——定义边界，极稀缺 |
Step 4：输出
按 references/output-templates.md 生成报告，必须标注"仅基于简历"的不确定性。
完整定级（简历 + 面试记录）
用户提供简历和面试记录，要求完整定级。
Step 1：简历信号提取（同上）
Step 2：面试信号提取 按面试模块提取信号：
- 模块 1（工具实测）：工具选择、prompt 设计、输出审校、结果质量
- 模块 2（STAR 追问）：人机分工、错误处理、复盘意识
- 模块 3（案例分析）：问题理解、方案设计、可行性评估、落地路径
- 模块 4（学习敏捷性，可选）：学习路径、趋势判断
Step 3：四维度综合打分
| 维度 | 数据来源 | 权重 |
|---|---|---|
| AI 流利度 | 模块 1(50%) + 模块 4(50%) | 简历仅作参考 |
| 人机判断力 | 模块 2(100%) | 以面试表现为准 |
| 架构设计力 | 模块 3(100%) | 以面试表现为准 |
| 混合编排力 | 模块 1(50%) + 模块 2(50%) | 结合简历与面试 |
Step 4：JD 适配度分析（用户提供 JD 时必做）
| 候选人级别 vs 岗位需求 | 判定 | 风险提示 |
|---|---|---|
| 候选人 ≥ 岗位需求 +1 级 | 高配 | 留存风险——可能觉得岗位挑战不足 |
| 候选人 = 岗位需求 | 匹配 | 理想状态 |
| 候选人 = 岗位需求 -1 级 | 低配（可培养） | 培养成本评估，需主管辅导 |
| 候选人 ≤ 岗位需求 -2 级 | 严重低配 | 不建议录用 |
Step 5：输出完整报告
按 references/output-templates.md 生成含适配度分析的完整报告。
设计面试方案
用户要求为某岗位设计 AI 能力面试方案。
- 读取
references/interview-modules.md，获取四模块完整题库 - 根据岗位类型（技术/产品/运营/HR）选择推荐场景
- 输出包含：
- 模块选择建议（必选/可选）
- 时间分配方案（总时长建议 60-70 分钟）
- 评分表和打分锚点
- 面试官注意事项
定级框架速查
L1-L4 核心定义
| 级别 | 名称 | 一句话定义 | P 序列参考 |
|---|---|---|---|
| L1 | AI 工具使用者 | 能用工具完成指定任务，会选工具、做 prompt 迭代 | P1-P3 |
| L2 | AI 协作者 | 与 AI 协同完成复杂任务，会审校输出、识别幻觉 | P4-P5 |
| L3 | AI 架构者 | 设计 AI 驱动的业务流程，会选型、评估 ROI | P6-P7 |
| L4 | AI 战略者 | 定义 AI 与业务边界，规划组织 AI 能力演进 | P8+ |
详细行为锚点 →
references/behavioral-anchors.md
冲突处理优先级
当不同来源的信息矛盾时：
实测表现 > 面试口述 > 简历描述
- 20 分钟实测中的表现 = "AI 流利度"和"混合编排力"的最终依据
- 简历仅作为背景参考，不作为任何维度的唯一证据
- 若简历和面试都无某维度信号 → 该维度标注"信息不足"，不按 0 分计
非均衡型候选人判定
| 情况 | 处理方式 |
|---|---|
| 综合 L2，但某一维度 L3+ | 标注"潜力型：{维度名}突出，建议{培养/验证}方向" |
| 综合 L3，但某一维度 L1 | 标注"短板型：{维度名}薄弱，是否录用取决于岗位对该维度的要求" |
| L4 候选 | 必须满足：架构设计力 ≥3 且人机判断力 ≥3，否则降为 L3 |
补充说明
已知坑点
- 不要用简历中的工具数量推断能力。提到 10 个工具 ≠ L3，要看他怎么用、有没有系统性思考。
- "使用 AI 辅助"是废话。几乎所有简历都会写，除非有具体案例和数据支撑，否则按 L1 处理。
- L4 是极稀缺级别。全公司可能只有个位数。判定 L4 必须有组织级影响力的证据，不是个人能力强就行。
- 面试记录质量参差不齐。如果面试记录只有结论没有过程描述，降低该模块权重，标注"证据不足"。
- 不要为了凑分数而推断。信息不足就标注不足，不要脑补候选人的能力。
降级方案
- 没有行为锚点文件 → 使用 SKILL.md 中的"定级框架速查"表作为简化版锚点
- 没有面试记录 → 走"快速定级"流程，但必须在报告中显著标注"仅基于简历，不确定性较高"
- 没有 JD → 跳过适配度分析，只做绝对能力定级
- 简历格式混乱 → 优先提取 AI 相关关键词，忽略无关内容
依赖文件
| 文件 | 用途 | 缺失时 |
|---|---|---|
references/behavioral-anchors.md |
L1-L4 每个维度的详细行为锚点 | 使用 SKILL.md 速查表降级 |
references/interview-modules.md |
四模块面试题库 + 评分细则 | 仅提供基础场景建议 |
references/output-templates.md |
定级报告标准模板 | 按 SKILL.md 中的"输出"节自由生成 |
安全使用建议
This result is limited: the local sandbox failed before artifact files could be read, so treat this as an incomplete review rather than an assurance of safety.
能力评估
Purpose & Capability
The requested artifact review could not be completed because every filesystem read command failed before returning metadata or artifact contents.
Instruction Scope
No SKILL.md or runtime instructions were available for inspection, so instruction scope could not be assessed from artifact evidence.
Install Mechanism
No install specification or manifest content was available for inspection, so install behavior could not be assessed from artifact evidence.
Credentials
No capability or file-content evidence was available to evaluate requested environment access.
Persistence & Privilege
No artifact evidence was available showing persistence, privilege use, or credential handling.
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install ai-talent-grader - 安装完成后，直接呼叫该 Skill 的名称或使用
/ai-talent-grader触发 - 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v2.0.0
Major update: Comprehensive L1-L4 framework for structured AI talent grading, multi-source input, and scenario-based evaluation.
- Introduced a four-dimension AI competency model (AI fluency, human-AI judgment, architecture design, hybrid orchestration).
- Standardized L1-L4 grading based on behavioral anchors and evidence signals.
- Support for both "resume-only" quick grading and "resume + interview" full evaluation, with clear uncertainty labeling.
- Added JD fit analysis for assessing candidate-to-role match, overfit/underfit, and retention risk.
- Built-in interview module design, scoring templates, and conflict handling rules.
- Clearly outlined downgrade procedures and fallback rules for missing inputs or files.
元数据
常见问题
AI人才定级专家 是什么？
基于简历、面试记录和JD，对候选人进行AI时代能力定级（L1-L4），输出结构化定级报告与招聘建议。 Use when user asks to 评估候选人AI能力、AI人才定级、给候选人打AI级别、 面试后定级、AI能力评级、判断候选人AI水平、AI人才招聘评估、 候选人AI能力分级、L1到L4定级、AI岗位适... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 93 次。
如何安装 AI人才定级专家？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install ai-talent-grader」即可一键安装，无需额外配置。
AI人才定级专家 是免费的吗？
是的，AI人才定级专家 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。
AI人才定级专家 支持哪些平台？
AI人才定级专家 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。
谁开发了 AI人才定级专家？
由 tuobadaidai（@tuobadaidai）开发并维护，当前版本 v2.0.0。
推荐 Skills