Explainable ATS：可解释的简历筛选与候选人排序系统

核心能力与快速开始

★ 0 · TypeScript

能做什么

1. 声明式岗位要求：每条要求可设置权重与“必需/加分”属性。2. 流水线：摄入、脱敏、抽取（唯一使用模型的阶段，且仅能通过 record_evidence 工具调用返回引用）、逐字校验引用、基于规则的匹配、整数评分、读取时派生排序、招聘人员决策、仅追加的审计日志。3. 可解释性：每条判定展示引用原文、位置、置信度（high/medium/low）及说明计数逻辑的理由；排序条目附带自我解释句子。4. 评分公式为 floor(Σ 权重 × 判定得分 / Σ 权重)，整数基点可手工复算。5. 隐私保护：模型只接收脱敏文本，保护属性以等长 █ 掩码，敏感值不落库、不下发浏览器；与掩码重叠的引用即使真实存在也会被拒绝。6. 提供 strict 与 folded 两种匹配模式，并说明 folded 会改变部分判定结果。

适用场景

用于招聘流程中将简历与岗位要求进行可解释的初筛：为每位候选人给出逐条要求的判定与证据引用、整数评分与分层排序，并支持招聘人员记录 shortlist/hold/reject 决定及理由。可用于演示或教学“模型只引用、代码做判定”的人机协同设计模式，也可作为需要审计追踪与引用校验的 LLM 抽取流水线参考实现。

项目形态

可直接使用的工具

部署方式

本地运行：需要 Node.js 24 或更高版本，仓库根目录执行 npm run demo 即可（自动安装依赖、构建面板并启动，访问 http://localhost:3200/#/demo），无需数据库、API Key 或账号。完整招聘应用模式（APP_MODE=app，含登录、数据库、种子数据）在 README 中另有说明。数据库可为 SQLite 或 PostgreSQL，通过同一接口切换。

主要依赖

Node.js 24+；服务端仅三个运行时依赖（express、pg、Anthropic SDK）。使用真实模型时需 Anthropic API 的访问方式与费用，README 未说明具体成本；测试要求将两个作品集仓库检出到旁边目录才能达到完整通过数。

使用限制

作者声明这是作品集项目：演示使用确定性模拟抽取器（关键词匹配）替代模型，基于五个虚构候选人。Anthropic 适配器仅在 2026-10-14 对 Claude Sonnet 5.5 与 Claude Haiku 4.5 做过冒烟测试、失败路径检查和提示注入检查，抽取质量尚未测量，eval/ 中二十份虚构简历仍待人工标注。脱敏为基于模式的实现并为合成数据集调优，不是面向真实简历的通用 PII 清洗器。原始简历文本会被存储（用于引用校验）。默认 strict 匹配下示例五人无人合格；匹配模式默认值待评测集回答。材料未说明 API 成本、并发与生产部署限制。

许可证

MIT

最近推送

2026-10-15 08:28

资料检查：2026-10-16 07:00 · 卡片整理：2026-10-17 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

HR

招聘人员可用该系统按岗位要求（含权重和必备/加分标记）筛选简历、对候选人评分排序，并在每个判定旁查看简历中被逐字校验的引用证据；最终由招聘人员记录 shortlist、reject 或 hold 决定并填写理由，全过程留有审计记录。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证