更智能的评分，更精准的招聘：CV 匹配分数 API 的重大更新

我们刚刚为 简历/CV 与职位描述兼容性评分 端点发布了最受欢迎的改进之一。如果你正在基于 SharpAPI 构建 ATS 集成、候选人筛选工具或 HR 分析仪表盘，这次更新将把你对匹配评分方式的控制提升到全新水平。

以下是所有新增内容、其重要性，以及你今天就能开始使用它的方法。

TL;DR

• context 参数现在是一个正式的指令契约，而不是自由格式的备注。
• 你可以使用三种简单的指令形式：EMPHASIZE、DEEMPHASIZE 和 CREDIT。
• 指令现在会影响 overall_match 分数——而不仅仅是各个单项指标。
• 角色族标准凭证（比如财务岗位中的 Excel / SQL / Power BI）即使职位描述忘记提及，也会被自动计入。
• context 的最大长度现已正式设定为 5000 个字符。

👉 直接前往产品页面： sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

我们要解决的问题

当我们首次推出 CV Match Score 端点时，它使用一个固定权重表将每份简历与每个职位描述进行评分：技能、经验和技术栈权重最高；教育、认证和软技能作为辅助信号。这对于平均招聘场景效果很好——但招聘从来都不是平均化的。

一家招聘应届生的初创公司会比十年工作经验更看重教育背景和资质。一个合同制招聘团队关心的是技能，而不是任职年限。一个以远程办公为主的公司根本不希望地点拉低分数。而且有时，职位描述本身就是会忘记列出那些显而易见的资质——比如财务分析师岗位需要 Excel——从而让评分引擎误以为它们并不重要。

客户不断提出同一个问题：

“我们该如何告诉引擎，对于这个岗位，教育比经验更重要？”

现在你可以了。

✨ 新增内容

1. 为 context 参数提供正式的指令契约

context 字段原本就存在，但它的行为比较模糊——冗长的自然语言说明常常会产生不可预测的效果。我们现在已将其替换为一个清晰、可预测的契约，围绕三种指令形式构建。

指令可以在同一个 context 字符串中自由混用：

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

你也不需要记住完整的 20 项指标架构。主题支持自然英语类别，例如 skills、experience、education、certificates、location、management 或 tenure，引擎会在内部将它们映射到相关指标上。

2. context 现在会影响 overall_match 分数

在这次更新之前，overall_match 是通过 20 个单项指标的硬编码加权平均计算出来的——这意味着即使 context 改变了单项分数，最终的总体分数往往仍然顽固不变。

现在不一样了。 指令现在会在计算加权平均值之前调整内部权重表。单个 EMPHASIZE: skills 现在会一路传导到最终分数。

概念上如下所示：

Baseline weights:       skills=3, experience=3, education=1, certifications=1 ...
After EMPHASIZE: skills + DEEMPHASIZE: experience + EMPHASIZE: education:
Adjusted weights:       skills=4, experience=2, education=2, certifications=1 ...
overall_match = Σ(score × adjusted_weight) / Σ(adjusted_weights)

同一份简历。同一个职位描述。不同的评分视角。这就是它的魔力。

3. 角色族标准凭证现在会被计入

以下是一个来自客户反馈的真实示例：

某财务 JD 写着 “Required: Excel, Python, analytics skills”，但没有列出任何具体认证。一位拥有 Advanced Excel、SQL 和 Power BI 认证的候选人却得到了 certifications_match: 0——因为 JD 对认证只字未提。

这显然是不对的。这些认证对于财务岗位来说是行业标准，引擎本应给予计分。

通过这次更新，当职位描述没有列举所需认证，但简历中列出了该角色族通常期望具备的资质时，引擎现在会按比例在 40–70 区间内给予计分，并在 explanations 字段中说明原因。

这适用于多个角色族：

• 💼 财务 / 分析师岗位 → Advanced Excel、SQL、Power BI、Tableau
• 👨‍💻 软件工程 → Git、CI/CD、云平台认证
• 📊 项目管理 → PMP、PRINCE2、Scrum、Agile
• 🏥 医疗保健 → CPR、BLS、专科认证

不会再因为 JD 写得偷懒，就让显而易见的资质拿到零分了。

4. context 的 5000 字符限制已正式确定

我们为 context 字段设定了一个清晰且宽松的上限：5000 个字符。这远高于任何现实中的指令负载需求——足够容纳数十条指令和说明性备注——同时还能将完整提示保持在安全的 token 预算内。

超出该限制的请求将返回 HTTP 422 验证错误。

推荐模式

这些是我们在内部验证中表现最好的 context 配方。你可以直接将它们作为起点，然后再进行调整。

模式 1 — 初级 / 应届生招聘

优先考虑资质和潜力，而不是工作年限。

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

模式 2 — 高级技术招聘

技术栈匹配至关重要；正规教育是次要因素。

EMPHASIZE: skills. EMPHASIZE: technical_stack_match. DEEMPHASIZE: education.

模式 3 — 领导 / 管理岗位招聘

管理经验比亲手操作的技术技能更重要。

EMPHASIZE: management. EMPHASIZE: experience. DEEMPHASIZE: technical_stack_match.

模式 4 — 远程优先招聘

地点不应对候选人造成任何扣分。

DEEMPHASIZE: location. EMPHASIZE: skills.

最佳实践

• 尽量具体。 CREDIT: Excel, SQL, Power BI 会真正产生影响。像 “practical competency outweighs formal credentials” 这样的抽象表述则不会。
• 使用对比组合。 在同一个请求中同时使用 EMPHASIZE 和 DEEMPHASIZE——这种对比是很强的信号。
• 明确写出工具和资质。 避免使用像 “talent” 或 “potential” 这样模糊的特质描述。
• 跳过百分比指令。 像 “reduce weight by 50%” 这样的指令会被保守地解释为一次 DEEMPHASIZE。请使用离散指令——它们更可靠。
• 让 context 保持聚焦。 少量有针对性的指令，比冗长的自然语言段落效果更好。

⚠️ context 能做什么，不能做什么

关于算术型指标的说明： context 仍然会调整它们在 overall_match 中的权重——只是不会重写单项分数本身。如果候选人的平均任职时间为 1 年，那么 stability_score 会如实反映这一事实，不受指令影响；但你可以让它在总体结果中占更大或更小的比重。

一个完整的请求示例

POST /api/v1/hr/resume_job_match_score
Content-Type: multipart/form-data
Authorization: Bearer <YOUR_API_KEY>

file:     <resume.pdf>
content:  "Junior Finance Associate — entry-level role.
           Required: Excel, Python, financial modelling, analytics."
language: English
context:  "EMPHASIZE: skills. EMPHASIZE: education.
           DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates."

响应结构保持不变——你仍然会获得 20 个已评分指标，以及最重要指标的 explanations——但现在这些数字将反映经过指令调整后的权重。

关于非确定性的一点说明

context 参数是我们引导引擎行为的主要杠杆，我们会根据客户带来的真实世界案例持续对其进行调优。如果你遇到某种场景，发现输出结果与你的预期不符，请把完整的请求/响应发送给我们——这是我们能获得的最有价值的反馈。

开始使用

准备好试试看了吗？这是你的简要清单：

1. 阅读产品详情： 简历/CV 与职位描述兼容性评分
2. 查看在线演示： CVMatchScore.com —— 一个完全基于此端点构建的可用产品
3. 从你的 SharpAPI dashboard 获取 API 密钥，并发送你的第一个请求
4. 告诉我们还缺少什么——我们发布的每一种指令模式，最初都来自客户反馈

祝你匹配顺利。🎯

👉 今天就试用简历/CV 与职位描述兼容性评分 API： sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

由 Vecteezy 提供的简历图库照片