看到解析器看到的,逐行查看。
六个独立子分数。拖低你的具体要点。岗位要求但你忘记提及的具体关键词。全部确定性、可重复、免费。
- 6个子分数
- 60秒内基础评分
- PDF · DOCX · TXT
- 确定性,循环中无LLM
每个评分,带其证据。
可解析性 · 15%。解析器能否读取你的PDF?我们使用主流ATS引擎相同的库(Tika、pdfplumber、mammoth)重新提取文本。如果文本在图像中栅格化、隐藏在OCR层后、或分布在解析器无法跟随的列中,此评分下降,我们告诉你哪一页。
技能匹配 · 40%。CV上出现了职位所需技能中的哪些。精心策划的技能图谱包含数千同义词(ML到machine learning、k8s到kubernetes、'tensorlfow'等错字),不论拼写都能捕获合法技能。
经验 · 15%。你的年数和资历是否超过岗位门槛?我们提取每个角色的日期范围,计算总相关经验,并与从岗位解析的最低年数比较。资深要点密度根据职称进行合理性检查。
教育 · 10%。你的最高学位是否达到岗位最低要求?学士、硕士、博士已规范化,认证线索浮现,当岗位说'或同等经验'时绝不惩罚训练营毕业生。
结果密度 · 10%。你的要点中有多少是量化的?强CV有55-75%的要点包含数字。低于此值,AI重写引擎为目前以'并做出改进'结尾的要点提出可衡量的结果。
联系信息整洁 · 10%。邮箱、电话、地点、LinkedIn、可解析的标题。令人惊讶的是有多少CV因无法解析的标题而失8分。我们验证邮箱、电话和城市都在前150个字符内。
每个评分段实际意味着什么。
85至100 · 强。大多数资深CV在一次完整通过后落在这里。提交并前进。
70至85 · 良。能通过关键词过滤器,但在一些边缘情况解析器上失利。值得再来一次。
55至70 · 边界。可能从自动化步骤中被过滤。要么可解析性问题,要么缺少必需技能。
40至55 · 弱。解析器恢复的文本非常少。先修复可解析性,再评分。
0至40 · 拒绝。几乎肯定是仅图像PDF。用可选中文本重新导出。
Questions, answered.
是的。上传PDF或DOCX,获得全部六个子分数,看哪些行拖低了你,并导出结果。评分本身无付费墙。
典型1或2页PDF的首次评分在60秒内。更大文档(8+页学术CV)多花2到3秒。
文本提取层涵盖Taleo、Workday、Greenhouse、Lever、iCIMS和Ashby内部使用的。评分层使用确定性技能图谱而非黑盒LLM,所以同一份CV总是获得相同评分。
PDF或DOCX最可靠。粘贴的纯文本可以工作,但会丢失格式信号。扫描的图像PDF在可解析性上评分会低,直到你先进行OCR。
85+是强。70至85是良。55至70是边界(你可能在仅关键词过滤步骤中失利)。低于55意味着解析器会挣扎,你应在适配任何岗位之前修复它。
是的。表格、不保留阅读顺序的多列布局、图像中的文本、自定义节名('我的旅程')、未嵌入的不寻常字体和仅图像PDF都作为具体的可解析性警告出现。
不。评分由我们自己的解析器确定性计算,而非LLM。只有可选的AI重写步骤调用Claude,且仅在你选择的片段上。