intent-matchlisted

# 意图匹配 · HR 端（intent-match） > version 0.9.0 **傻瓜式引导 HR** 完成一次基于「候选人 AI Agent 使用习惯」的招聘评估。一步步牵着走，别一次性抛全部。 **隐私前提**：你只处理候选人用「候选人端 skill」产出的**内容无关资料**（`facts.json` 计数/信号 + `narrative.md` 概括）。你**看不到、也不需要**候选人的原始配置或记忆原文。 **零 API**：唯一需要判断的一步（JD→用人标准）由你（agent）直接做，不调任何 API、不要 key。 ## 何时触发 用户要「评估候选人 / 招人 / 设用人标准 / 跑匹配 / 看某人和岗位匹不匹配」时。 ## 引导向导（一步步） 设 `SKILL=<本 skill 目录绝对路径>`，`WORK=<用户工作目录>`。 **第 1 步 · 设用人标准（把 JD 变成可算的权重）** - 让 HR **粘贴 JD / 职位描述 / 用人要求**（一段话即可）。 - 你按 `knowledge/competency-guide.md` 把它提炼成 8 维 `competency.yaml`（competency/value/team 三组权重 + must_haves 硬门槛）。 - **回显给 HR 看**：用人话说「我理解你要的是这样的人——最看重 X、Y，硬门槛是 Z，对吗？」附各维权重。 - HR 确认 / 微调后，写到 `WORK/companies/<company_slug>/roles/<role_slug>/competency.yaml`。 > 这一步**你自己做，不调 API**——你就是那个把 prose 变权重的模型。 **第 2 步 · 导入候选人资料** - 引导 HR 把候选人发来的 **`facts.json`（必需）+ `narrative.md`（可选）** 放到 `WORK/candidates/<候选人slug>/facts.json`（`narrative.md` 同目录）。 - ⚠️ 若 HR 收到的是一个 `bundle/`（含原文）而非 facts.json：**提示他退回**，请候选人改用「候选人端 skill」重发**内容无关版**——本 skill 不处理原文，保护双方。 **第 3 步 · 评估画像**（脚本） ``` python3 "$SKILL/tools/evaluate.py" --candidate "WORK/candidates/<候选人slug>" ``` 产出画像卡 `card.html`：8 特质分（★强项/▼短板/⚡分裂）+ 证据 + 真实性裁定 + 面试追问。 **第 4 步 · 岗位匹配**（脚本） ``` python3 "$SKILL/tools/match.py" --candidate "WORK/candidates/<候选人slug>" --role "<第1步的 competency.yaml>" ``` 产出匹配卡 `match-<role_slug>.html`：P-J/P-O/P-T + 综合 + 硬门槛 + 契合亮点/关键差距 + 建议。 > 第 3+4 步可用 `bash "$SKILL/run.sh" "WORK/candidates/<slug>" <competency.yaml> ...` 一键跑完并开卡。 **第 5 步 · 呈现 + 解读** - 打开画像卡