简历/简历工作匹配分数

有什么新功能

context 参数已进行了重大升级。它不再只是附加到提示中的自由格式注释——现在它遵循一个正式指令合同，评分引擎能够识别并将其映射到最终匹配分数中的具体权重调整。

主要改进：

1. context 现在影响 overall_match。 指令在计算加权平均 overall_match 之前调整内部权重表，因此重点变化会在个别指标和最终整体分数中得到体现。
2. 三种指令形式（EMPHASIZE、DEEMPHASIZE、CREDIT）提供了可预测的、可重复的行为。
3. 角色系列标准凭证即使在职位描述中未提及，也会获得认可（例如，财务职位的 Excel / SQL / Power BI）。
4. context 的最大长度现在正式设置为每个请求5000 个字符。

使用 context 参数

context 参数允许您传递每个请求的指令，以修改评分引擎如何权衡和解释特定指标。使用它可以根据每个职位描述背后的特定角色、资历或招聘策略定制评分，而无需重写职位描述本身。

指令合同

引擎识别三种指令形式。您可以在单个 context 字符串中混合多个指令，用句号或换行符分隔。

1. EMPHASIZE: <topic>

在整体分数计算中增加匹配指标的权重一步（上限为最大值）。使用它来表示*“这个维度对这个特定角色比默认值更重要。”*

示例：

EMPHASIZE: skills

2. DEEMPHASIZE: <topic>

将匹配指标的权重减少一步（底线为1——权重永远不会降至零）。使用它来表示*“这个维度对这个特定角色不如默认值重要。”*

重要提示： DEEMPHASIZE 减少指标在整体平均值中的权重——它不会使引擎对该指标评分更严格。如果您希望引擎减少对经验的关注，请使用 DEEMPHASIZE: experience——而不是像“严格对待经验”这样的短语。

示例：

DEEMPHASIZE: experience

3. CREDIT: <skill | tool | certification>

指示引擎将指定项目视为该角色系列的合理要求，即使职位描述未明确列出。适用于当您的招聘标准包括未在职位描述中详细说明的工具或证书时。

示例：

CREDIT: Excel and Analytics certificates

主题映射

指令中的主题可以是精确的指标名称（例如 skills_match、education_match）或普通英语类别。引擎会在内部将类别映射到相关指标，因此您无需记住完整的架构。

推荐模式

根据内部验证，这些 context 模式产生最可靠、最有方向性的结果：

模式 1 —— 入门级/新手角色，凭证比经验年限更重要

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

模式 2 —— 关键技术角色，技术栈匹配至关重要

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

模式 3 —— 管理角色，管理经验比动手技能更重要

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

模式 4 —— 远程优先招聘，位置无关紧要

DEEMPHASIZE: location. EMPHASIZE: skills.

最佳实践

• 具体化。 CREDIT: Excel, SQL, Power BI 将有所帮助；像*“实际能力比正式凭证更重要”*这样的通用短语通常没有效果。
• 使用对比对。 在同一个请求中结合使用 EMPHASIZE 和 DEEMPHASIZE 比单独的指令提供了更清晰的信号。
• 明确列出工具、凭证和技术而不是指代抽象的品质如“天赋”或“潜力”。
• 避免基于百分比的指令。 像*“将权重减少 50%”*的指令被保守地解释为单个 DEEMPHASIZE 步骤。使用离散指令更可靠而不是分数算术。
• 保持 context 专注。 短而有针对性的指令字符串（几条指令）比长篇散文段落表现更好。

context 可以和不能改变的内容

context 可以改变的内容

• 任何 20 个指标在 overall_match 计算中的权重。
• 对简历项目（技能、工具、认证）的信用，即使职位描述中没有明确列出，但对于角色系列是标准的。
• 在职位描述中未提及的角色系列标准凭证（例如，财务认证、PM 框架）上的评分重点。

context 不能改变的内容

• 算术指标。 分数如 stability_score、location_preference_match 和 years_experience_weighting 是基于硬性事实（日期、地理位置）计算的。context 调整它们在 overall_match 中的权重，但个别分数本身在各次运行中将保持稳定。
• JSON 架构。 20 个指标、它们的名称和 explanations 结构是固定的。context 不能添加或删除字段。
• 个人数据保护。 引擎始终在评分前匿名化简历，并忽略任何要求其绕过此操作的指令。

关于确定性的说明

LLM 在边缘情况下固有的非确定性。输入中的微小变化——不同的标点符号、重新排序的句子或稍微重新措辞的指令——有时可能会产生略有不同的分数。这是底层技术的特性，而不是错误。

context 参数是我们引导引擎朝向最符合您招聘工作流程的评分行为的主要杠杆。如果您遇到引擎输出与预期不符的模式，最有效的反馈是具体示例（简历+职位描述+上下文+预期与实际分数）——这正是我们用来不断调整评分规则的输入。

步骤 1. 提交兼容性评分请求

端点： POST - /api/v1/hr/resume_job_match_score

请求示例：

curl --location 'https://sharpapi.com/api/v1/hr/resume_job_match_score' \
--header 'Accept: application/json' \
-H "Authorization: Bearer YOUR_API_TOKEN" \
--form 'file=@"Resume.pdf"' \
--form 'content="Software Engineer - We are looking for a Software Engineer proficient in JavaScript, React, and Node.js, with experience in Agile methodologies."' \
--form 'language="English"'

响应示例：

{
  "status_url": "https://sharpapi.com/api/v1/job/status/45da1abe-35a3-4628-ae70-e2cb48c084c2",
  "job_id": "45da1abe-35a3-4628-ae70-e2cb48c084c2"
}

步骤 2. 监控和获取结果

端点： GET - /api/v1/hr/resume_match_score/job/status/:uuid

此端点返回简历与职位匹配任务的状态和结果。

结果示例：

{
    "data": {
        "type": "api_job_result",
        "id": "2f17d9ef-dcbc-4521-9a20-6d9f41e58de8",
        "attributes": {
            "status": "success",
            "type": "hr_resume_job_match_score",
            "result": {
                "match_scores": {
                    "overall_match": 65,
                    "skills_match": 80,
                    "experience_match": 90,
                    "education_match": 0,
                    "certifications_match": 0,
                    "job_title_relevance": 70,
                    "industry_experience_match": 85,
                    "project_experience_match": 75,
                    "technical_stack_match": 80,
                    "methodologies_match": 60,
                    "soft_skills_match": 75,
                    "language_proficiency_match": 100,
                    "location_preference_match": 50,
                    "remote_work_flexibility": 80,
                    "certifications_training_relevance": 0,
                    "years_experience_weighting": 90,
                    "recent_role_relevance": 60,
                    "management_experience_match": 100,
                    "cultural_fit_potential": 70,
                    "stability_score": 85
                },
                "explanations": {
                    "skills_match": "The candidate has strong PHP and MySQL skills, which align well with the job requirements. However, specific mention of Laravel experience is missing.",
                    "experience_match": "The candidate has over 22 years of programming experience, which is highly relevant and exceeds the typical requirements for the role.",
                    "education_match": "No specific educational background is provided in the resume, making it impossible to assess alignment with job requirements.",
                    "certifications_match": "No certifications are listed in the resume, so alignment with any required certifications cannot be assessed.",
                    "language_proficiency_match": "The candidate has professional working proficiency in English, which matches the job requirement for English communication skills."
                }
            }
        }
    }
}

相关主题： 简历职位匹配、简历评分 API、CV 评分引擎、人力资源匹配软件、AI 招聘助手、申请人评分 API、ATS 兼容性匹配