招聘信息处理Skill

任务目标

本Skill用于：批量处理包含招聘信息的markdown文档，自动识别图片内容（包括本地图片和在线图片链接），提取关键信息，根据条件筛选并生成结构化报告
能力包含：文件路径识别与扫描、自适应分批处理、图片链接识别、图片下载、图片识别与OCR、文本理解、信息提取、条件匹配、进度跟踪、完整性验证、报告生成
触发条件：用户提供招聘markdown文档（单个文件或文件夹）及筛选条件

前置准备

依赖说明：图片下载功能依赖requests库，版本>=2.28.0

操作步骤

标准流程

阶段一：文件扫描与规划

输入路径识别
- 判断用户提供的路径是：
  - 单个文件：直接添加到处理列表
  - 文件夹：扫描文件夹内所有markdown文件
- 记录文件类型和路径
文件扫描（针对文件夹）
- 如果是文件夹，扫描该目录下的所有markdown文件
- 支持的文件扩展名：.md, .markdown
- 递归扫描子目录（可选，根据用户需求决定）
- 记录所有文件的完整路径
- 必须扫描所有文件，不得遗漏
数量评估与分批决策
- 统计需要处理的文档总数
- 自适应分批规则：
  - 文档数量 ≤ 10：一次性处理所有文档
  - 文档数量 > 10：分批处理，每批处理10个文档
- 计算需要分多少批
- 记录批次规划：总批次、每批文件列表
进度跟踪初始化
- 记录以下信息：
  - 总文件数
  - 已处理数（初始为0）
  - 待处理数（初始为总文件数）
  - 当前批次（初始为0）
  - 成功处理数（初始为0）
  - 失败处理数（初始为0）

阶段二：分批处理文档

批次循环处理 对于每个批次（按顺序执行）：

5.1 批次初始化
- 当前批次编号 += 1
- 确定本批次处理的文件列表（按编号顺序取10个或剩余文件）
- 报告本批次进度："正在处理第X批，共Y批，文件数Z个"
5.2 逐个文档处理 对于本批次中的每个招聘文档，必须完整处理，不得跳过：

5.2.1 图片链接识别与提取
- 扫描文档中所有图片引用，识别两种格式：
  - 本地图片：![alt](local_path.png)
  - 在线图片：![alt](https://example.com/image.jpg)
- 提取所有图片的URL或路径
- 记录图片在文档中的位置和上下文
5.2.2 在线图片下载 对于每个在线图片链接：
- 调用 python /workspace/projects/recruitment-processor/scripts/download_image.py --image-url <URL> --output-dir ./downloaded_images
- 捕获下载结果，获取本地保存路径
- 如下载失败，记录错误但继续处理其他图片
- 记录图片来源（在线下载/本地文件）
5.2.3 图片识别与内容提取
- 对于所有可访问的图片（下载成功的在线图片和本地图片）
- 使用图像识别能力提取每张图片中的文字信息
- 必须逐一识别所有图片，不得遗漏任何一张
- 记录图片内容与上下文的对应关系
- 标注每张图片的信息来源
5.2.4 文本理解与整合
- 阅读文档文本内容
- 将图片识别的文字信息与文本内容进行整合理解
- 确保文本和图片信息都被充分利用
- 形成对该招聘文档的完整认知
5.2.5 关键信息提取 提取以下信息（如文档中未明确提及某项信息，标注"未提及"）：
- 职位名称
- 公司名称
- 薪资待遇（明确范围或具体数值）
- 截止时间
- 发布时间
- 企业性质（国企/民企/外企/事业单位等）
- 工作地点
- 学历要求
- 工作经验要求
- 岗位职责
- 任职要求
- 图片数量及来源统计
5.2.6 错误处理
- 如果某个文件处理失败：
  - 记录失败原因
  - 失败处理数 += 1
  - 不影响其他文件的处理，继续处理批次中的剩余文件
- 如果文件处理成功：
  - 成功处理数 += 1
  - 将提取的信息暂存
5.3 批次进度更新
- 已处理数 += 本批次文件数
- 待处理数 = 总文件数 - 已处理数
- 报告批次进度："第X批完成，已处理A个文件，待处理B个文件"

阶段三：条件筛选与汇总

条件筛选
- 读取用户提供的筛选条件（参考筛选条件模板格式）
- 对所有成功提取的招聘信息进行条件匹配
- 严格判断是否符合所有筛选条件
- 保留所有符合条件的信息，剔除不符合的
- 每个文档都必须经过筛选判断，不得跳过
完整性验证
- 验证处理结果：
  - 已处理数 + 待处理数 = 总文件数
  - 每个文件都有处理结果（成功或失败）
- 如果发现遗漏：
  - 立即补充处理遗漏的文件
  - 更新进度跟踪信息
- 必须确保所有文件都经过审查，不得有任何遗漏
生成总结文档 对筛选后的所有招聘信息生成结构化总结报告，包含：

8.1 报告概览
- 处理的文档总数
- 批次处理情况：总批次数、每批文件数
- 成功处理的文档数量
- 失败的文档数量及失败原因列表
- 提取的图片总数（在线图片/本地图片）
- 筛选符合条件的数量
- 处理时间
8.2 招聘信息列表 对每个符合条件的招聘信息，按以下格式呈现：
```
## [职位名称] - [公司名称]

**基本信息**
- 薪资待遇：[具体数值或范围]
- 企业性质：[国企/民企/外企等]
- 工作地点：[城市/地区]

**时间信息**
- 截止时间：[具体日期]
- 发布时间：[具体日期]

**要求信息**
- 学历要求：[学历层次]
- 工作经验：[年限要求]

**岗位详情**
- 岗位职责：[摘要]
- 任职要求：[摘要]

**图片信息**
- 图片总数：[数量]张（在线图片X张，本地图片Y张）
- 图片来源标注：[哪些关键信息来源于图片]

---
```
8.3 失败文件列表
- 列出所有处理失败的文件
- 说明每个文件的失败原因
- 提供可能的解决方案
8.4 处理进度报告
- 批次处理时间线
- 每批处理的文件列表
- 进度跟踪信息
8.5 注意事项
- 标注信息来源于图片或文本
- 标注缺失的关键信息
- 说明图片下载和识别的情况
输出结果
- 将总结文档输出为markdown格式
- 文件名格式：招聘信息总结_YYYYMMDD_HHMMSS.md

资源索引

必要脚本：见 scripts/download_image.py（用途：从URL下载在线图片，参数：--image-url --output-dir <目录>）
筛选条件模板：见 references/筛选条件模板.md（用途：定义筛选条件的标准格式）
信息提取指南：见 references/信息提取指南.md（用途：指导如何准确提取关键信息）

注意事项

完整性要求（最高优先级）

必须完整读取所有提供的文档，严禁跳过任何文档
必须逐一识别文档中的所有图片，不得遗漏任何一张
必须处理所有图片链接，包括本地图片和在线图片
必须确保所有文件都经过审查，不得有任何遗漏
处理完成后必须进行完整性验证

自适应分批处理

根据文档数量自动选择处理策略：
- 少量文档（≤10）：一次性处理
- 大量文档（>10）：分批处理，每批10个
分批处理时严格按顺序执行，不跳过任何批次
每批处理完成后报告进度
如果某批处理失败，不影响后续批次的处理
所有批次完成后统一进行筛选和汇总

进度跟踪

实时跟踪处理进度
记录每个文件的处理状态
每批次完成后更新进度信息
便于监控整体处理情况和排查问题

错误处理

单个文件处理失败不影响其他文件
记录所有失败的文件和失败原因
在总结文档中单独列出失败文件
提供错误原因和可能的解决方案

图片链接处理

识别markdown中的图片语法：
- 区分本地图片路径和在线URL
- 在线图片必须先下载到本地再进行识别
- 下载失败的图片要记录错误但不影响整体处理

图片识别准确性

仔细核对图片提取的文字与上下文的一致性，必要时多次识别确保准确性

条件筛选严格性

用户提出的每个条件都必须严格满足，部分不符合即视为不符合

信息缺失处理

对于文档中未明确提及的信息，必须标注"未提及"，不要主观推断

时间格式统一

所有时间信息统一为YYYY-MM-DD格式

薪资格式规范

薪资信息应包含数值范围和单位（如：15-25K/月，年薪30-40万）

使用示例

示例1：处理单个文件

功能说明：用户提供单个markdown文件
执行方式：一次性处理
关键要点：
- 直接读取文件内容
- 完整处理所有图片
- 提取关键信息
- 进行条件筛选

筛选条件：

薪资范围：15-25K/月
企业性质：国企

示例2：处理少量文件（≤10个）

功能说明：用户提供包含5个markdown文件的文件夹
执行方式：一次性处理
关键要点：
- 扫描文件夹内所有markdown文件
- 文档数量≤10，一次性处理
- 逐个处理每个文件
- 统一进行筛选和汇总

筛选条件：

工作地点：北京
学历要求：本科及以上

示例3：处理大量文件（>10个）- 分批处理

功能说明：用户提供包含25个markdown文件的文件夹
执行方式：分批处理（3批：10+10+5）
关键要点：
- 扫描文件夹，识别25个文件
- 文档数量>10，自动分批
- 第1批：处理文件1-10
- 第2批：处理文件11-20
- 第3批：处理文件21-25
- 每批处理完成后报告进度
- 所有批次完成后统一筛选
- 确保所有文件都经过审查

筛选条件：

薪资范围：15-25K/月
企业性质：国企

示例4：处理包含在线图片的文档

功能说明：文档中包含在线图片链接，需要先下载再识别
执行方式：智能体调用脚本下载图片 + 智能体识别
关键要点：
- 识别markdown中的图片URL
- 调用download_image.py下载图片
- 识别下载后的图片内容
- 记录图片来源为"在线下载"

筛选条件：

薪资范围：15-25K/月
企业性质：国企

示例5：多条件组合筛选

功能说明：筛选北京地区的、本科学历、1-3年经验的技术岗位
执行方式：智能体处理
关键要点：
- 地点信息可能在正文或图片中
- 工作经验要求可能模糊表述（如"应届生可"、"有相关经验者优先"），需要准确判断
- 学历要求可能有多个层次，选取最低要求作为筛选依据
- 逐一识别所有图片，确保不遗漏关键信息
- 严格按分批逻辑处理所有文件

筛选条件：

工作地点：北京
学历要求：本科及以上
工作经验：1-3年
职位类型：技术岗位

示例6：处理混合图片来源的文档

功能说明：文档中同时包含本地图片和在线图片链接
执行方式：智能体调用脚本下载在线图片 + 智能体识别所有图片
关键要点：
- 区分本地图片和在线图片
- 下载所有在线图片
- 逐一识别所有图片（本地+下载）
- 在总结中标注图片来源
- 确保所有图片都被识别
筛选条件：
```
无特殊条件，仅提取信息
```

分批处理流程示例

场景：处理30个文件的文件夹

阶段一：文件扫描与规划

扫描文件夹，发现30个markdown文件
文档数量 > 10，决定分批处理
计算批次：30个文件，每批10个，共3批
初始化进度：总文件数=30，已处理=0，待处理=30

阶段二：分批处理

第1批处理

当前批次=1，处理文件1-10
扫描文件1-10，识别图片，提取信息
处理结果：成功10个，失败0个
更新进度：已处理=10，待处理=20
报告："第1批完成，已处理10个文件，待处理20个文件"

第2批处理

当前批次=2，处理文件11-20
扫描文件11-20，识别图片，提取信息
处理结果：成功9个，失败1个（文件15损坏）
更新进度：已处理=20，待处理=10
报告："第2批完成，已处理20个文件，待处理10个文件"

第3批处理

当前批次=3，处理文件21-30
扫描文件21-30，识别图片，提取信息
处理结果：成功10个，失败0个
更新进度：已处理=30，待处理=0
报告："第3批完成，已处理30个文件，待处理0个文件"

阶段三：条件筛选与汇总

对29个成功处理的招聘信息进行条件筛选
完整性验证：已处理30个=总文件数30个，验证通过
生成总结文档，包含：
- 处理概览：总30个，成功29个，失败1个
- 符合条件的招聘信息列表
- 失败文件列表（文件15：文件损坏）
- 批次处理进度报告

图片下载脚本使用说明

调用方式

python /workspace/projects/recruitment-processor/scripts/download_image.py --image-url <图片URL> --output-dir <输出目录>

参数说明

--image-url：必填，图片的URL地址
--output-dir：可选，图片保存目录，默认为./downloaded_images

返回结果

成功：输出SUCCESS:<本地路径>
失败：输出ERROR:<错误信息>到标准错误流

使用场景

当文档中包含在线图片链接（如https://example.com/image.jpg）时，先调用此脚本下载图片，然后对下载后的本地文件进行图像识别。

示例

# 下载图片到默认目录
python /workspace/projects/recruitment-processor/scripts/download_image.py --image-url https://example.com/salary.jpg

# 下载图片到指定目录
python /workspace/projects/recruitment-processor/scripts/download_image.py --image-url https://example.com/salary.jpg --output-dir ./temp_images