简历筛选 Agent
输入一份 JD 和若干份简历，输出可审计的匹配评分、是否推进面试的决策，以及针对性的面试题与追问 —— 每一条判断都要能指回简历原文。
问题
为什么不是「让大模型读一遍简历打个分」
直接问模型「这个人合不合适」，它会给你一个数字和一段听着有道理的话。问题是这段话你没法核对 —— 它可能在复述简历里根本没写的东西，也可能引了原文却得出相反的结论。招聘是要对人负责的决策，理由不可核对就等于没有理由。
所以这套流程把「打分」拆成了可追溯的步骤：JD 先拆成一条条带权重的要求，每条要求单独判定，每个判定必须附上简历里的原句作为证据，最后再由一个独立的 Checker 回头查这些判定站不站得住。
输出长什么样
- 逐条判定 —— 每条 JD 要求给出满足 / 部分满足 / 不满足，附简历原句
- 三档决策 —— 推进、待定、淘汰，硬性项不满足直接一票否决
- 面试题与追问 —— 每道题写明考察哪个点、为什么问，附评分标准
- 校验记录 —— Checker 发现了什么、修订了几轮、还剩什么问题
内置功能
跑一遍
下面这份是真实运行结果，不是写死的界面稿 —— 数据由仓库里的内置样例以 DEMO_MODE=1 跑出后导出。该模式回放固定缓存，不调用任何模型、不发网络请求，所以结果每次都一样。
样例是一份 JD 加三份对比鲜明的简历，三档决策各占一位，并且刻意保留了两处不完美，用来展示 Checker 真的在干活。
源码
完整实现、架构文档与部署说明在 GitHub。本地 make demo 可以无 Key 跑起完整界面。