案例 14：招聘简历智能初筛

本案例对应 JQuick-Java 仓库 USE-CASES.md 中的场景 14，面向 HR SaaS 领域的招聘简历两段式智能初筛。第一段用学历、相关年限、技能覆盖率（80%）、薪资带宽、工作地五个硬门槛，叠加高频跳槽与超长空窗两个否决项，确定候选集合；第二段仅对通过硬筛的候选人按学历院校、经验、技能、稳定性、资质英语五个维度评分，路由到推荐面试（STRONG / NORMAL）、人才储备（RESERVE）或淘汰（REJECT），全部门槛与评分口径由 JQuick-Java 的 XML 规则代理驱动。

行业场景

招聘系统每天从内推、猎头、在线渠道（REFERRAL / HEADHUNTER / ONLINE）收进大量简历。HR 发布岗位时定义岗位要求学历、要求年限、必备技能清单与薪资带宽（下限/上限）、工作城市；简历侧提供候选人学历（PHD / MASTER / BACHELOR / COLLEGE）、院校层次（985 / 211 / ORDINARY）、相关工作年限、技能匹配数、期望薪资、所在城市与是否接受异地调动，以及近 5 年跳槽次数、职业空窗月数、资格证、英语水平（CET6 / CET4 / NONE）。

初筛第一段是硬性门槛与稳定性否决：学历先档位化（博士 4 / 硕士 3 / 本科 2 / 大专 1），候选人档位不低于岗位要求即通过；相关年限不少于要求年限通过；技能覆盖率达到 80% 通过（用交叉相乘比较，规避整数除法精度问题）；期望薪资不超过带宽上限且不低于下限的八成通过（恶意低报同样拦截）；同城或接受异地调动通过。五项全部满足才算硬门槛通过；而近 5 年跳槽 ≥4 次或空窗 ≥24 个月直接命中稳定性否决项。

第二段是五维评分，满分 100：学历院校分按超档 20 / 高 1 档 15 / 达标 10，另加 985 +5、211 +3；经验分按超出年限 ≥5/≥2/≥0 年给 25/20/12；技能分按覆盖率 100%/80%/60% 给 20/14/8；稳定性分按跳槽 0/1/2 次给 15/10/5，空窗 ≤3 个月再加 5；资质证 +5、CET6 +5、CET4 +3。

结论路由严格两段式：命中否决项或任一硬门槛不满足即 REJECT，评分不改变淘汰结论；硬筛通过后 ≥75 分进入面试、≥55 分进入人才储备、其余淘汰。推荐等级进一步细分：≥85 STRONG、≥75 NORMAL、≥55 RESERVE，淘汰候选人在 Service 侧被强制置为 NONE。决策 reasons 逐条列出未满足的门槛、命中的否决项以及面试/储备推荐说明。

业务痛点

硬门槛与评分混在一起导致误判：若不区分两段，可能出现「评分高但学历不达标仍进面试」或「跳槽 5 次只因综合分高而通过」，招聘红线被分数稀释。
门槛口径散落各招聘渠道代码中：80% 技能覆盖率、薪资下限八成、空窗 24 月等阈值硬编码在不同服务里，岗位族调整标准时需要多处改动并重新发版 HR SaaS。
技能覆盖率用整数除法有精度隐患：匹配数/要求数直接整除会丢失小数，4/5 在整数除法下得 0，临界覆盖判定不可靠。
五维评分难以独立调参与解释：院校、经验、技能、稳定性、加分项若揉成一个大方法，HR 无法单独调整某一维度权重，也无法向用人部门解释候选人分数构成。
薪资不仅要防超顶还要防低报：只校验期望薪资不超上限会放过恶意低报候选人，必须同时约束下限八成，这类复合门槛用普通配置表难以表达。
SaaS 多租户环境与老旧部署并存：不同客户的 JDK 版本与基础设施差异大，部分客户仍在 JDK 8 / 信创环境，无法引入重型规则平台，需要轻量可嵌入且决策结果可审计的规则方案。

方案架构

本案例采用「入参模型 + 决策结果模型 + 规则接口 + XML 规则脚本 + Service 编排 + JUnit 测试」六件套结构，硬门槛、否决项、五维评分与路由阈值全部外置在 XML 中，Service 负责门槛逐项判定、评分汇总与淘汰原因组装：

层次	职责	对应文件
领域模型	简历要素、初筛决策（硬筛结果/总分/结论/推荐等级/说明）	Resume.java、ScreeningDecision.java
规则集与 XML	5 项硬门槛 + 否决项 + 5 维评分 + 结论路由（14 个方法）	ResumeScreeningRules.java、resume-screening.xml
编排服务	门槛逐项判定与否决原因、评分汇总、推荐等级仅对通过者生效	ResumeScreeningService.java
测试	6 组候选人形态（理想、学历不足、薪资超带、储备、否决、调动）	ResumeScreeningServiceTest.java

规则方法拆分

规则接口共 14 个方法，门槛类、否决类、评分类、路由类各司其职：

规则方法	口径	分值/输出
`eduRank`	学历档位化：博士 4 / 硕士 3 / 本科 2 / 大专及其他 1	1 ~ 4
`educationPass`	候选人学历档位 ≥ 岗位要求档位即通过	boolean
`experiencePass`	相关工作年限 ≥ 岗位要求年限即通过	boolean
`skillPass`	要求技能数 ≤0 直接通过；否则匹配数 ×100 ≥ 要求数 ×80（覆盖率 80%）通过	boolean
`salaryPass`	期望薪资 ≤ 带宽上限且 ≥ 下限 ×0.8 才通过	boolean
`locationPass`	所在城市与工作城市相同，或接受异地调动即通过	boolean
`hardReject`	近 5 年跳槽 ≥4 次或空窗 ≥24 个月返回 true	boolean
`scoreEducation`	超档 20 / 高 1 档 15 / 恰好达标 10；985 再 +5、211 再 +3	0 ~ 25
`scoreExperience`	超出年限 ≥5 给 25 / ≥2 给 20 / ≥0 给 12 / 不足给 0	0 ~ 25
`scoreSkills`	要求数 ≤0 或全覆盖给 20；覆盖 ≥80% 给 14；≥60% 给 8；否则 0	0 ~ 20
`scoreStability`	跳槽 0/1/2 次给 15/10/5；空窗 ≤3 月再 +5	0 ~ 20
`scoreBonus`	持资格证 +5；CET6 +5；CET4 +3	0 ~ 10
`screeningResult`	否决项或硬门槛不通过 REJECT；通过后 ≥75 INTERVIEW、≥55 RESERVE、否则 REJECT	结论字符串
`recommendLevel`	≥85 STRONG；≥75 NORMAL；≥55 RESERVE；否则 NONE	推荐等级字符串

代码实现（完整可运行）

将以下六个文件按源码原包名放入 JQuick-Java 的测试工程：两个模型放在 com.github.paohaijiao.demo.model，规则接口与测试类放在 com.github.paohaijiao.demo，编排服务放在 com.github.paohaijiao.demo.service，XML 脚本放入 src/test/resources/demo/。保持目录与包名不变后，在工程根目录执行 mvn test -Dtest=ResumeScreeningServiceTest 即可运行。

Resume.java

package com.github.paohaijiao.demo.model;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;

/**
 * 候选人简历要素（初筛所需的硬性条件与画像）
 */
@Data
@NoArgsConstructor
@AllArgsConstructor
public class Resume {

    /**
     * 候选人姓名
     */
    private String candidateName;

    /**
     * 应聘岗位
     */
    private String positionName;

    /**
     * 候选人学历：PHD / MASTER / BACHELOR / COLLEGE
     */
    private String educationLevel;

    /**
     * 岗位要求学历
     */
    private String requiredEducation;

    /**
     * 毕业院校层次：985 / 211 / ORDINARY
     */
    private String schoolTier;

    /**
     * 相关工作年限
     */
    private int yearsExperience;

    /**
     * 岗位要求年限
     */
    private int requiredYears;

    /**
     * 技能匹配数
     */
    private int skillMatchCount;

    /**
     * 岗位要求技能数
     */
    private int requiredSkillCount;

    /**
     * 期望薪资
     */
    private double expectedSalary;

    /**
     * 薪资带宽下限
     */
    private double salaryMin;

    /**
     * 薪资带宽上限
     */
    private double salaryMax;

    /**
     * 所在城市
     */
    private String currentCity;

    /**
     * 工作城市
     */
    private String jobCity;

    /**
     * 是否接受异地调动
     */
    private boolean willingToRelocate;

    /**
     * 近 5 年跳槽次数
     */
    private int jobHoppingCount;

    /**
     * 职业空窗月数
     */
    private int gapMonths;

    /**
     * 是否持有岗位相关资格证
     */
    private boolean certified;

    /**
     * 英语水平：CET6 / CET4 / NONE
     */
    private String englishLevel;

    /**
     * 招聘渠道：REFERRAL / HEADHUNTER / ONLINE
     */
    private String channel;
}

ScreeningDecision.java

package com.github.paohaijiao.demo.model;

import lombok.Data;

import java.util.ArrayList;
import java.util.List;

/**
 * 简历初筛决策结果
 */
@Data
public class ScreeningDecision {

    /**
     * 候选人姓名
     */
    private String candidateName;

    /**
     * 综合评分（0-100）
     */
    private int totalScore;

    /**
     * 硬性条件是否全部满足
     */
    private boolean hardCheckPass;

    /**
     * 初筛结论：INTERVIEW-推荐面试 / RESERVE-人才储备 / REJECT-不通过
     */
    private String result;

    /**
     * 推荐等级：STRONG / NORMAL / RESERVE / NONE
     */
    private String recommendLevel;

    /**
     * 命中与不满足条件说明
     */
    private List<String> reasons = new ArrayList<String>();

    public void addReason(String reason) {
        this.reasons.add(reason);
    }
}

ResumeScreeningRules.java

package com.github.paohaijiao.demo;

import com.github.paohaijiao.xml.param.Param;

/**
 * 场景 14：招聘简历智能初筛规则集
 * <p>
 * 规则按「硬性门槛 → 多维评分 → 结论路由」两段式拆分：
 * <ul>
 *     <li>门槛类：学历、年限、技能覆盖率、薪资带宽、工作地，任一不满足即淘汰</li>
 *     <li>评分类：学历院校、经验、技能、稳定性、资质英语五个维度</li>
 * </ul>
 * 规则脚本见 {@code src/test/resources/demo/resume-screening.xml}。
 */
public interface ResumeScreeningRules {

    int eduRank(@Param("education") String education);

    boolean educationPass(@Param("actualRank") int actualRank,
                          @Param("requiredRank") int requiredRank);

    boolean experiencePass(@Param("yearsExperience") int yearsExperience,
                           @Param("requiredYears") int requiredYears);

    boolean skillPass(@Param("skillMatchCount") int skillMatchCount,
                      @Param("requiredSkillCount") int requiredSkillCount);

    boolean salaryPass(@Param("expectedSalary") double expectedSalary,
                       @Param("salaryMin") double salaryMin,
                       @Param("salaryMax") double salaryMax);

    boolean locationPass(@Param("currentCity") String currentCity,
                         @Param("jobCity") String jobCity,
                         @Param("willingToRelocate") boolean willingToRelocate);

    boolean hardReject(@Param("jobHoppingCount") int jobHoppingCount,
                       @Param("gapMonths") int gapMonths);

    int scoreEducation(@Param("actualRank") int actualRank,
                       @Param("requiredRank") int requiredRank,
                       @Param("schoolTier") String schoolTier);

    int scoreExperience(@Param("yearsExperience") int yearsExperience,
                        @Param("requiredYears") int requiredYears);

    int scoreSkills(@Param("skillMatchCount") int skillMatchCount,
                    @Param("requiredSkillCount") int requiredSkillCount);

    int scoreStability(@Param("jobHoppingCount") int jobHoppingCount,
                       @Param("gapMonths") int gapMonths);

    int scoreBonus(@Param("certified") boolean certified,
                   @Param("englishLevel") String englishLevel);

    String screeningResult(@Param("totalScore") int totalScore,
                           @Param("hardCheckPass") boolean hardCheckPass,
                           @Param("hardReject") boolean hardReject);

    String recommendLevel(@Param("totalScore") int totalScore);
}

sume-screening.xml

class="header">

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE javas PUBLIC "-//PAOHAIJIAO//DTD API JAVA 1.0//EN"
        "classpath:paohaijiao/dtd/Jquick-java.dtd">
<javas namespace="com.github.paohaijiao.demo.ResumeScreeningRules">
 <!-- 学历档位：博士 4 / 硕士 3 / 本科 2 / 大专 1 -->
    <java name="eduRank" returnClass="int">
        <![CDATA[
            int def eduRank(str:education) {
                if (education == "PHD") {
                    return 4;
                } else if (education == "MASTER") {
                    return 3;
                } else if (education == "BACHELOR") {
                    return 2;
                } else {
                    return 1;
                }
            }
        ]]>
    </java>
 <!-- 学历门槛 -->
    <java name="educationPass" returnClass="boolean">
        <![CDATA[
            boolean def educationPass(int:actualRank, int:requiredRank) {
                if (actualRank >= requiredRank) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 年限门槛 -->
    <java name="experiencePass" returnClass="boolean">
        <![CDATA[
            boolean def experiencePass(int:yearsExperience, int:requiredYears) {
                if (yearsExperience >= requiredYears) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 技能门槛：覆盖率达到 80% 即通过（交叉相乘避免除法精度问题） -->
    <java name="skillPass" returnClass="boolean">
        <![CDATA[
            boolean def skillPass(int:skillMatchCount, int:requiredSkillCount) {
                if (requiredSkillCount <= 0) {
                    return true;
                } else if (skillMatchCount * 100 >= requiredSkillCount * 80) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 薪资门槛：期望不超带宽上限，且不低于下限八成（恶意低报也不通过） -->
    <java name="salaryPass" returnClass="boolean">
        <![CDATA[
            boolean def salaryPass(double:expectedSalary, double:salaryMin, double:salaryMax) {
                if (expectedSalary <= salaryMax && expectedSalary >= salaryMin * 0.8) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 工作地门槛：同城或接受调动 -->
    <java name="locationPass" returnClass="boolean">
        <![CDATA[
            boolean def locationPass(str:currentCity, str:jobCity, boolean:willingToRelocate) {
                if (currentCity == jobCity || willingToRelocate) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 硬性否决：高频跳槽或超长空窗 -->
    <java name="hardReject" returnClass="boolean">
        <![CDATA[
            boolean def hardReject(int:jobHoppingCount, int:gapMonths) {
                if (jobHoppingCount >= 4 || gapMonths >= 24) {
                    return true;
                } else {
                    return false;
                }
            }
        ]]>
    </java>
 <!-- 学历院校评分：超档 20 / 高一档 15 / 达标 10，另加院校层次分 -->
    <java name="scoreEducation" returnClass="int">
        <![CDATA[
            int def scoreEducation(int:actualRank, int:requiredRank, str:schoolTier) {
                int score = 0;
                if (actualRank - requiredRank >= 2) {
                    score = 20;
                } else if (actualRank - requiredRank == 1) {
                    score = 15;
                } else if (actualRank == requiredRank) {
                    score = 10;
                }
                if (schoolTier == "985") {
                    score = score + 5;
                } else if (schoolTier == "211") {
                    score = score + 3;
                }
                return score;
            }
        ]]>
    </java>
 <!-- 经验评分：超出要求越多分越高 -->
    <java name="scoreExperience" returnClass="int">
        <![CDATA[
            int def scoreExperience(int:yearsExperience, int:requiredYears) {
                int extra = yearsExperience - requiredYears;
                if (extra >= 5) {
                    return 25;
                } else if (extra >= 2) {
                    return 20;
                } else if (extra >= 0) {
                    return 12;
                } else {
                    return 0;
                }
            }
        ]]>
    </java>
 <!-- 技能覆盖率评分：100% 得 20，80% 得 14，60% 得 8 -->
    <java name="scoreSkills" returnClass="int">
        <![CDATA[
            int def scoreSkills(int:skillMatchCount, int:requiredSkillCount) {
                if (requiredSkillCount <= 0) {
                    return 20;
                } else if (skillMatchCount >= requiredSkillCount) {
                    return 20;
                } else if (skillMatchCount * 100 >= requiredSkillCount * 80) {
                    return 14;
                } else if (skillMatchCount * 100 >= requiredSkillCount * 60) {
                    return 8;
                } else {
                    return 0;
                }
            }
        ]]>
    </java>
 <!-- 稳定性评分：跳槽 0/1/2 次得 15/10/5，空窗 3 个月内加 5 -->
    <java name="scoreStability" returnClass="int">
        <![CDATA[
            int def scoreStability(int:jobHoppingCount, int:gapMonths) {
                int score = 0;
                if (jobHoppingCount == 0) {
                    score = 15;
                } else if (jobHoppingCount == 1) {
                    score = 10;
                } else if (jobHoppingCount == 2) {
                    score = 5;
                }
                if (gapMonths <= 3) {
                    score = score + 5;
                }
                return score;
            }
        ]]>
    </java>
 <!-- 资质与英语加分：资格证 5 分，CET6 5 分 / CET4 3 分 -->
    <java name="scoreBonus" returnClass="int">
        <![CDATA[
            int def scoreBonus(boolean:certified, str:englishLevel) {
                int score = 0;
                if (certified) {
                    score = score + 5;
                }
                if (englishLevel == "CET6") {
                    score = score + 5;
                } else if (englishLevel == "CET4") {
                    score = score + 3;
                }
                return score;
            }
        ]]>
    </java>
 <!-- 初筛结论：硬否决与门槛优先，评分只决定面试与储备 -->
    <java name="screeningResult" returnClass="java.lang.String">
        <![CDATA[
            str def screeningResult(int:totalScore, boolean:hardCheckPass, boolean:hardReject) {
                if (hardReject) {
                    return "REJECT";
                } else if (hardCheckPass == false) {
                    return "REJECT";
                } else if (totalScore >= 75) {
                    return "INTERVIEW";
                } else if (totalScore >= 55) {
                    return "RESERVE";
                } else {
                    return "REJECT";
                }
            }
        ]]>
    </java>
 <!-- 推荐等级 -->
    <java name="recommendLevel" returnClass="java.lang.String">
        <![CDATA[
            str def recommendLevel(int:totalScore) {
                if (totalScore >= 85) {
                    return "STRONG";
                } else if (totalScore >= 75) {
                    return "NORMAL";
                } else if (totalScore >= 55) {
                    return "RESERVE";
                } else {
                    return "NONE";
                }
            }
        ]]>
    </java>
 style="--0:#7FDBCA"></javas>

ava">ResumeScreeningService.java