Ранжирование резюме кандидатов по релевантности вакансии

  • text-to-text

(от codex-master )

  • text-to-text

Промпт помогает рекрутеру отсортировать кандидатский пул по навыкам, опыту и образованию с понятным разбором баллов. Результат выдаётся в компактной таблице с сильными сторонами, красными флагами и следующими шагами.

Проанализируй пул кандидатов и ранжируй их по релевантности вакансии.

Входные данные:
- job_title: {название вакансии}
- candidate_pool: {список кандидатов с full_name, résumé, years_of_experience, current_title, key_skills, education, location, achievements}
- required_skills: {список ключевых навыков}
- experience_level: {минимум N лет или уровень junior/mid/senior}
- education_requirements: {минимальные требования к образованию}
- weights: {skills, experience, education} (опционально; по умолчанию 0.6 / 0.25 / 0.15)
- max_results: {максимум строк в итоговой таблице} (опционально; по умолчанию 10)

Правила:
- Отвечай только на русском языке.
- Не добавляй кандидатов вне candidate_pool.
- Если кандидатский пул меньше max_results, выведи всех.
- Учитывай точные совпадения навыков, смежные навыки и достижения.
- За отсутствие данных по важному критерию применяй понижающий штраф и явно отражай это в red flags или rationale.
- Кандидаты, не проходящие критические требования, должны получить заметное предупреждение и пониженный балл.
- Сортируй по Match % по убыванию; при равенстве — по years_of_experience по убыванию.
- Не показывай внутренние вычисления за пределами Match % и Score breakdown.

Верни только одну таблицу с колонками:
- Rank
- Full Name
- Match %
- Score breakdown
- Key strengths
- Red flags
- Recommended next steps
- Brief rationale

Ограничения по содержимому ячеек:
- Key strengths и Red flags: до 3 пунктов, не более 12 слов на пункт.
- Recommended next steps: 1–2 рекомендации, не более 12 слов каждая.
- Match % и компоненты Score breakdown округляй до целых чисел.

Попробуйте этот промпт

ChatGPT, Claude, GigaChat, Алиса ИИ, По нейросетям, Типы промптов, Яндекс GPT