mcpField
E
evaluating-candidates

evaluating-candidates

github.com/oldwinter其他1040 次安装1 周前更新
代码仓库

关于 evaluating-candidates

面向招聘团队的候选人评估技能,帮助基于证据作出招聘决策。它将评估标准、工作样本、推荐人反馈和风险整理为可供决策的材料包。

主要功能

  1. 01制定岗位专属评估标准
  2. 02将面试记录转化为证据
  3. 03设计工作样本与付费试岗
  4. 04规划推荐人核查
  5. 05生成决策备忘录与风险方案

适用场景

  1. 01用统一评分表比较候选人
  2. 02制定工作样本评分细则
  3. 03汇总推荐人反馈以辅助招聘决策

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/oldwinter/skills --skill evaluating-candidates

安装后在 Claude Code 中输入/evaluating-candidates确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

skillpack.json
references/
CHECKLISTS.md
EXAMPLES.md
INTAKE.md
RUBRIC.md
SOURCE_SUMMARY.md
TEMPLATES.md
WORKFLOW.md

详细介绍

评估候选人

范围

涵盖

  • 明确招聘标准(对于这家公司当前的这个岗位,“优秀”意味着什么)
  • 将面试、工作样本/试用和推荐人反馈转化为证据,而不是凭感觉判断
  • 设计与岗位相关的工作样本(并在适当时安排带薪试用)
  • 开展高信号的背景推荐核查,并将结果纳入决策
  • 提出可供决策的建议,明确列出风险和缓解措施

适用场景

  • “帮我判断是否应该录用这位候选人。”
  • “根据面试笔记和推荐人反馈,创建评分表和决策备忘录。”
  • “设计工作样本/带回家完成的测试(或带薪试用)及评分标准。”
  • “规划并开展推荐人核查;给我一份总结和建议。”
  • “为 <role> 校准招聘标准,并公平地比较候选人。”

不适用场景

  • 你需要定义岗位成果或撰写职位描述(请使用 writing-job-descriptions)
  • 你需要设计/开展结构化面试并制定问题清单(请使用 conducting-interviews)
  • 你需要法律/人力资源合规指导,或处理高风险的就业问题(此技能不构成法律建议)
  • 你需要薪酬/录用通知谈判策略

输入

最低必需信息

  • 岗位 + 级别 + 职能(例如,“高级产品经理”“创始成员级客户执行”“Staff 机器学习工程师”)
  • 公司/团队背景以及“难点”(发展阶段、限制、速度预期)
  • 评估标准(4–8 项能力)以及任何不可妥协的要求/危险信号
  • 可用的候选人材料(简历/作品集 + 面试笔记,如已面试)
  • 希望纳入的信号:面试、工作样本/带回家完成的测试、带薪试用、推荐人反馈
  • 限制条件:时间线、保密/个人身份信息规则、仅供内部使用还是可以分享

缺失信息处理策略

  • 从 references/INTAKE.md 中最多提问 5 个问题(每次提问 3–5 个)。
  • 如果缺少标准或笔记,提出一套默认标准,并明确标注假设。
  • 不要索要机密信息。如果笔记包含敏感信息,请索要经过脱敏的摘录或摘要。

输出(交付物)

以 Markdown 形式生成一份候选人评估决策包(在聊天中提供;如有要求,也可作为文件提供):

  1. 评估简报(岗位成功定义、标准、权重、危险信号)
  2. 评分表(评分锚点 + 证据记录)
  3. 信号日志(将所有信号规范化到一张表中,并附上证据)
  4. 工作样本/带回家完成的测试/带薪试用计划 + 评分标准(如适用)
  5. 推荐人核查工具包(联系内容、提纲、记录表、总结)
  6. 候选人比较(如有多位候选人)
  7. 招聘决策备忘录(建议 + 风险 + 缓解措施)
  8. 风险/待解决问题/后续步骤(始终包含)

模板:references/TEMPLATES.md
扩展指南:references/WORKFLOW.md

工作流(7 个步骤)

1) 信息收集 + 决策框定
  • 输入: 用户背景;references/INTAKE.md。
  • 操作: 确认岗位、级别、必备条件和决策时间线。确定现有哪些信号,以及哪些信号需要补充(工作样本、试用、推荐人反馈)。记录限制条件(个人身份信息、仅供内部使用、公平性)。
  • 输出: 背景摘要 + 假设/未知事项清单。
  • 检查: 明确决策内容和决策日期(由谁决策、截止时间、依据哪些信号)。
2) 明确招聘标准和评估标准(不要临时发挥)
  • 输入: 岗位背景;现有评分标准/价值观(如有)。
  • 操作: 选择 4–8 项标准;用可观察的锚点定义“强/合格/弱”表现。明确列出危险信号。确定对于该岗位,是否应优先考虑原始能力 + 驱动力,而非“工作年限”。
  • 输出: 评估简报 + 评分表草案。
  • 检查: 每项标准都能通过证据衡量;没有任何标准是未经定义的“感觉”或“文化契合度”。
3) 制定信号计划 + 证据记录
  • 输入: 现有笔记;计划阶段。
  • 操作: 确定每种信号的职责(面试 = 行为证据;工作样本 = 情境中的执行能力;推荐人反馈 = 长期表现)。创建一份统一的信号记录表,以便进行同类比较。
  • 输出: 信号计划 + 信号记录表(空白或部分填写)。
  • 检查: 默认情况下,没有任何单一信号占主导地位;使用推荐人核查和工作样本时,需明确其权重。
4) 设计(或评估)工作样本 / 带回家作业 / 付费试用
  • 输入: 职位产出;约束条件;候选人的资历水平。
  • 操作: 创建与工作相关的任务,明确交付内容和评分标准。如果任务耗时超过 2–3 小时,或类似于真实工作,则优先采用付费试用,并明确知识产权 / 保密边界。
  • 输出: 工作样本 / 试用说明 + 评分标准。
  • 检查: 任务能够预测实际表现,对不同背景的候选人公平,并设有客观的评分基准。
5) 进行推荐人核查(做好时,这是信号最强的一项)
  • 输入: 推荐人目标;联系限制;问题库。
  • 操作: 优先联系与候选人共事时间较长、且工作情境相似的推荐人。询问具体事例、随时间的变化、优势 / 局限,以及“你会如何安排他们的工作?”。逐字记录证据,并校准偏见的影响。
  • 输出: 推荐人反馈笔记 + 推荐人反馈摘要。
  • 检查: 摘要包含具体事例和明确的录用 / 不录用信号,而非泛泛赞扬。
6) 综合信号 → 提出建议 + 降低风险
  • 输入: 评分卡、信号记录、工作样本结果、推荐人反馈摘要。
  • 操作: 撰写决策备忘录,引用证据,指出意见分歧 / 不确定性;如果决定录用,提出降低风险的措施(入职计划、辅导、30 / 60 / 90 天检查点)。
  • 输出: 招聘决策备忘录 + 候选人比较(如适用)。
  • 检查: 建议与加权证据一致;明确回应风险信号。
7) 质量关卡 + 校准 + 完成材料包
  • 输入: 完整的材料包草稿。
  • 操作: 按照 references/CHECKLISTS.md 检查,并使用 references/RUBRIC.md 评分。添加风险 / 未决问题 / 后续步骤。如果存在不确定性,提出能够消除不确定性的最小补充信号(有针对性的推荐人核查、范围明确的试用、具体的后续面试)。
  • 输出: 最终候选人评估决策材料包。
  • 检查: 证据足以支持决策;明确说明局限和公平性风险。

质量关卡(必需)

示例

示例 1(最终决策):“这是 Senior PM 候选人的面试笔记。请创建评分卡、总结各项信号,并撰写招聘决策备忘录。请注明风险和建议的缓解措施。”
预期:包含评分基准 + 证据的评分卡、信号记录、明确列出风险的决策备忘录。

示例 2(工作样本 + 推荐人):“我们正在招聘一名 Founding Engineer。请设计一项为期 2 天的付费试用任务和评分标准,并附上推荐人核查话术。然后说明我们应如何综合这些信号,做出录用 / 不录用的决定。”
预期:试用说明 + 评分标准、推荐人核查材料,以及综合评估框架。

边界示例:“告诉我这个人是否优秀。我只有他们的简历。”
回应:要求提供评估标准 + 至少一项高信号输入(结构化面试笔记、工作样本计划 / 结果,或推荐人反馈);提出最精简的评估计划,并列出假设 / 未知事项。

评论

支持 Markdown