Skip to content
Conduit

skill

resume-ai-content-review

简历 AI 含量识别：把写作线索、内容核验与公平追问分开，不用伪精确百分比替 HR 定罪。

TongyiDai/resume-ai-content-reviewcommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/TongyiDai/resume-ai-content-review itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 22, 2026

“It is generally not appropriate to automatically reject textual submissions in high-stakes circumstances that are classified as being produced by a generative AI system.” — ACM U.S. Technology Policy Committee

它解决什么

通用 AI 文本检测器擅长给出一个看似明确的分数，但简历是短文本、模板文本、专业编辑文本，也是翻译和语法工具的高频场景。研究反复发现：检测器会受改写、领域、长度和语言背景影响；一个高分既不能证明“由 AI 写成”，更不能证明“经历造假”。

这个 Skill 把任务从“判作者”改成三件更可靠的事：找到值得注意的文本信号、区分合理的替代解释、生成能验证经历与个人贡献的结构化问题。

三层证据框架

分析结果不输出 AI 百分比，而是分成互不替代的三层证据：

  • E1 表达相容信号：只能说明文字与模板、人工编辑或 AI 辅助相容，是弱证据；
  • E2 内容核验信号：时间线、指标口径、所有权、因果链等真正值得在面试中核验的内容；
  • E3 来源证据：主动披露、修订记录或适用于该生成链路的可靠水印，只确认某种 AI 参与。

E1、E2、E3 回答的是三个不同问题，不能相加成一个“AI 含量”。即使存在 E3，也不能单独推导经历不真实或能力不足。

工作方式

  1. 读取简历、求职信或申请问答，默认忽略姓名、联系方式、照片和受保护信息。
  2. 按真实章节建立同一份材料内部的基线。
  3. 逐条记录 E1 / E2 / E3 证据，不凭整体观感下结论。
  4. 为每条信号寻找模板、人工编辑、翻译、字数限制、OCR 等替代解释。
  5. 把 E2 转成中性的情境、所有权、行动、结果、复盘问题。
  6. 输出人工可读 Markdown，或输出可由零依赖脚本校验的 JSON。

使用边界

本 Skill 只用于准备核验问题、请求补充信息和支持人工复核。它明确禁止：

  • 输出伪精确 AI 百分比、概率、风险总分或真假判决；
  • 根据文风、英文水平、模板使用或语言背景推断 AI；
  • 把使用 AI 润色等同于经历造假；
  • 按“AI 味”给候选人排序；
  • 仅凭报告自动淘汰候选人。

不同地区可能对招聘自动化决策、候选人通知、偏差审计和数据处理另有要求。部署方应完成适用地区的法律与隐私审查。

快速开始

Codex

Codex 会从仓库级 .agents/skills 或用户级 $HOME/.agents/skills 发现 Skill。克隆后建立用户级软链接：

git clone https://github.com/TongyiDai/resume-ai-content-review.git
mkdir -p "$HOME/.agents/skills"
ln -s "$PWD/resume-ai-content-review" "$HOME/.agents/skills/resume-ai-content-review"

也可以让 Codex 的 $skill-installer 从这个 GitHub 仓库安装。Codex 通常会自动发现变更；若未出现，重启 Codex。安装方式参考 OpenAI Codex Skills 文档。

豆包工作

从 Release 下载文件名带 doubao-work 的兼容包，在豆包工作的「技能」页面选择「上传技能」，上传整个 ZIP。兼容包把标准入口 SKILL.md 映射为官方帮助要求的小写 skill.md，内容与仓库版本一致。参考 豆包工作官方帮助。

其他 Agent

把整个目录放进宿主 Agent 的 Skill 发现目录，或将 SKILL.md 连同 references/、scripts/ 和 assets/ 一起导入。核心能力只依赖开放的 Agent Skill 目录结构；agents/openai.yaml 仅提供 Codex/ChatGPT UI 元数据，不是运行前提。

调用示例

用“简历 AI 含量识别”审阅这份简历。不要打 AI 分，给出证据层级、替代解释和下一轮核验问题。

比较这份简历和岗位描述里是否有异常的逐字镜像；只标出可引用证据，不要按 AI 味淘汰候选人。

把审阅结果输出为 JSON，并运行 validate_review.py 检查公平性护栏。

默认报告包含：结论、证据与替代解释、降低疑虑的证据、核验计划和允许的下一步招聘动作。完整字段见 output-contract.md。

机器可读报告

在生成报告前，可选先对已提取的 UTF-8 文本或 Markdown 做本地特征定位：

python3 scripts/analyze_resume.py tests/fixtures/synthetic_resume.md --format markdown
python3 scripts/analyze_resume.py tests/fixtures/synthetic_resume.md --format json

这个脚本只测量量化覆盖、句长变化、重复开头、模板短语与弱证据表述。它不会输出 AI 概率，也不会给出录用建议；不能运行 Python 时，主 Skill 仍可只依赖 SKILL.md 与 references/ 完成审阅。

Agent 生成 JSON 审阅报告后，再运行输出契约校验器：

python3 scripts/validate_review.py tests/fixtures/valid-review.json

输出：

{
  "ok": true,
  "errors": []
}

校验器会拒绝 AI 百分比字段、未配核验问题的 E2 信号、缺失替代解释、自动淘汰意图和未确认的人类复核边界。它不替代对简历原文与问题质量的人工审查。

研究依据

方法并非来自一个现成检测器，而是基于 GitHub、论文和高风险决策指引的先例扫描：

完整扫描与设计取舍见 research-basis.md。

仓库结构

resume-ai-content-review/
├── SKILL.md                    # 核心工作流与强制边界
├── agents/openai.yaml          # Codex / ChatGPT UI 元数据
├── references/                 # 证据框架、研究依据、案例、输出协议
├── scripts/
│   ├── analyze_resume.py       # 零依赖、本地、非判定式特征提取
│   └── validate_review.py      # 零依赖 JSON 报告校验器
├── tests/                      # 合成简历、报告 fixture 与单元测试
└── assets/boards/              # Geometry Blue 图示与 Scene JSON

验证状态

  • Skill frontmatter 和目录结构通过 quick_validate.py；
  • 4 张图示的 Scene JSON 通过 Geometry Board 结构校验；
  • Python 3.8 与 3.12 进入 CI 矩阵；
  • 单元测试覆盖原文特征提取、短文本停止条件、合法报告、AI 百分比、自动淘汰、E2 无追问、E3 无来源证据和缺失替代解释；
  • 维护 10 条应触发与 10 条不应触发的查询清单，用于复核 description 的触发边界；
  • 所有示例均为合成内容，不含候选人真实数据。

许可证

Apache License 2.0。本项目提供招聘工作流与技术护栏，不构成法律意见，也不保证在所有语言、岗位或司法辖区达到相同效果。

↑↓ navigate openesc close