AI简历评分助手：让招聘更公平、透明、可解释

昆仑 AI

2026-06-24 0 5

还在为海量简历筛选头疼？人工评估主观性强、耗时长，而传统ATS（求职者跟踪系统）又缺乏深度理解与上下文判断。Hiring Agent 是一款开源的 AI 招聘辅助工具，它不是简单地“匹配关键词”，而是像一位资深技术面试官一样，真正读懂简历——将PDF简历转化为结构化数据，结合候选人的 GitHub 实际产出进行交叉验证，最终输出带证据链的评分报告，每一分都有据可查。

核心功能

PDF智能解析与结构化提取：自动将扫描件或排版复杂的PDF简历转换为语义清晰的Markdown，并进一步提取教育背景、工作经历、技能栈等结构化JSON数据
多模态能力评估：不仅看“写了什么”，更通过GitHub API自动拉取候选人公开仓库信息，分析代码提交频率、Star数、Fork质量、技术栈匹配度等真实工程信号
本地优先的AI推理支持：原生集成Ollama，可离线运行Llama3、Phi-3等轻量级大模型，全程数据不出内网，保障候选人隐私与企业合规要求
可解释的评分体系：输出细粒度评分（如技术深度、项目复杂度、学习成长性等），每一项得分均附带原文引用+GitHub证据截图+推理逻辑说明，杜绝“黑箱打分”
灵活配置与扩展性：支持自定义评分权重、调整评估维度（如侧重开源贡献或全栈能力）、接入不同LLM服务（OpenAI/Groq/本地Ollama），适配不同团队招聘标准
命令行友好，开箱即用：提供简洁CLI接口，一条命令即可批量处理简历目录，生成标准化HTML/PDF评分报告，无缝嵌入HR流程或内部招聘平台

适合哪些人用

技术团队招聘负责人、中小科技公司HRBP、独立开发者团队的CTO、高校实验室导师，以及任何希望摆脱“简历海选疲劳”、追求评估过程公平透明的技术管理者。尤其适合重视工程师实际产出（而非仅看大厂履历）、需要向候选人反馈具体改进建议、或正在搭建自主可控招聘系统的组织。

快速上手

只需三步即可运行：

安装Python 3.11+环境，并确保系统已安装Ollama（如需本地运行）
执行 pip install hiring-agent 安装主程序
运行 hiring-agent evaluate --resume ./resumes/john.pdf --github-username john_doe，几秒后即可获得含评分详情与证据的HTML报告

进阶用户可通过配置文件（config.yaml）调整模型参数、评分规则和GitHub Token权限，全程无云依赖，完全掌控数据主权。