@elevo-ai/create-plugin 0.1.5

package/src/templates/plugin/commands/my-plugin-command.md

@@ -0,0 +1,946 @@
+---
+description: 对比多位候选人的综合能力和匹配度，提供AI驱动的深度分析
+argument-hint: workspace_id, candidate_ids, job_id (可选), candidate_data (可选), job_data (可选)
+allowed-tools: mcp__elevo-platform__read_object_instance, mcp__elevo-platform__list_object_instances
+category: recruitment
+---
+
+# 候选人对比命令
+
+## 功能说明
+
+对比 2-3 位候选人的技术能力、软技能、薪资期望和综合匹配度，提供结构化的对比分析和招聘建议。支持多轮对话，用户可以追问细节或请求更深入的分析。
+
+**输出格式**：严格的 Markdown 表格 + 分析文本，便于前端解析和渲染
+
+## 命令参数
+
+### 必填参数
+
+- **workspace_id** (string): Workspace ID
+- **candidate_ids** (string): 候选人 ID 列表，逗号分隔（如 `"cand-1,cand-2"` 或 `"cand-1,cand-2,cand-3"`）
+
+### 可选参数
+
+- **job_id** (string): 职位 ID（如缺失，从第一个候选人的 job_id 推断）
+
+### 性能优化参数（前端可选传入，避免重复查询）
+
+前端可直接传入完整实例数据，命令将优先使用这些数据，避免重复 MCP 查询：
+
+- **candidate_data** (array): 候选人实例数组 JSON
+- **job_data** (object): 职位实例 JSON
+
+**格式示例：**
+```json
+{
+  "candidate_data": [
+    {
+      "id": "cand-123",
+      "name": "张三",
+      "resume_content": "...",
+      "candidate_highlight": { "work_years": "5年", ... },
+      "expected_salary": 350000,
+      "current_salary": 280000,
+      "job_id": "job-456"
+    },
+    {
+      "id": "cand-124",
+      "name": "李四",
+      ...
+    }
+  ],
+  "job_data": {
+    "id": "job-456",
+    "title": "高级后端开发",
+    "skill_requirements": "...",
+    "salary_range": "30-50万"
+  }
+}
+```
+
+## 执行流程
+
+**📝 关于代码示例：** 本文档中的 JavaScript 代码仅为**伪代码示例**，用于说明逻辑流程。实际执行时，Claude AI 会理解这些逻辑并调用相应的 MCP 工具（如 `mcp__elevo-platform__read_object_instance`），无需真实的 JavaScript 运行环境。
+
+### 第 1 步：验证输入参数
+
+#### 1.1 验证候选人数量
+
+```javascript
+const candidateIds = candidate_ids.split(',').map(id => id.trim());
+
+if (candidateIds.length < 2 || candidateIds.length > 3) {
+  return "❌ 候选人数量必须为 2-3 人，当前提供了 " + candidateIds.length + " 人";
+}
+```
+
+#### 1.2 验证参数完整性
+
+**情况 1：前端传入了 candidate_data**
+- 直接使用，跳到步骤 1.3
+
+**情况 2：只提供了 candidate_ids**
+- 需要查询候选人数据（步骤 2）
+
+如果 `candidate_ids` 为空或格式错误，返回错误：
+```
+❌ 缺少候选人 ID 列表，请提供 candidate_ids 参数（格式：cand-1,cand-2）
+```
+
+#### 1.3 提取职位 ID（如未提供）
+
+**优先级：**
+1. 参数 `job_id`（如果提供）
+2. `candidate_data[0].job_id`（如果提供了候选人数据）
+3. 查询第一个候选人的 `job_id` 字段
+
+**注意**：前端通过职位候选人列表发起对比时，所有候选人已保证来自同一职位，无需额外验证。
+
+### 第 2 步：获取候选人数据
+
+#### 2.1 优先使用传入的 candidate_data
+
+如果 `candidate_data` 参数存在且数组长度与 `candidate_ids` 匹配，直接使用：
+- 跳到步骤 2.3
+
+#### 2.2 查询候选人实例
+
+对每个候选人 ID 执行查询：
+
+```javascript
+for (const candidateId of candidateIds) {
+  const candidate = await mcp__elevo-platform__read_object_instance({
+    workspace_id: workspace_id,
+    object_type: "candidate",
+    instance_id: candidateId
+  });
+
+  if (!candidate) {
+    return `❌ 候选人 ${candidateId} 不存在`;
+  }
+
+  candidates.push(candidate);
+}
+```
+
+**提取必要字段：**
+- `id` - 候选人 ID
+- `name` - 姓名
+- `job_id` - 职位 ID
+- `resume_content` - 简历内容（用于技术评估）
+- `candidate_highlight` - 候选人亮点（如有）
+  - `work_years` - 工作年限
+  - `education` - 学历背景
+  - `company_background` - 公司背景
+  - `special_skills` - 特殊技能
+- `expected_salary` - 期望薪资
+- `current_salary` - 当前薪资
+- `classification` - 筛选分类（初筛/待安排/面试中/已淘汰/已录用）
+- `screening_score` - 筛选评分（如有）
+- `screening_notes` - 筛选备注（如有）
+
+#### 2.3 验证数据完整性
+
+确保所有候选人数据包含关键字段：
+- 如果缺少 `name` 或 `resume_content`，返回警告但继续执行
+- 如果缺少 `job_id` 且未提供 `job_id` 参数，返回错误
+
+### 第 3 步：获取职位数据
+
+#### 3.1 优先使用传入的 job_data
+
+如果 `job_data` 参数存在，直接使用：
+- 跳到步骤 4
+
+#### 3.2 查询职位实例
+
+使用步骤 1.3 确定的 `job_id`：
+
+```javascript
+const job = await mcp__elevo-platform__read_object_instance({
+  workspace_id: workspace_id,
+  object_type: "job",
+  instance_id: job_id
+});
+
+if (!job) {
+  return `❌ 职位 ${job_id} 不存在`;
+}
+```
+
+**提取必要字段：**
+- `id` - 职位 ID
+- `title` - 职位名称
+- `skill_requirements` - 技能要求（必需，用于匹配度评估）
+- `salary_range` - 薪资范围
+- `job_scope` - 工作范围/职责
+- `level` - 职级（如 P6、P7）
+- `department` - 部门
+
+### 第 4 步：执行对比分析（核心逻辑）
+
+**分析维度：**
+
+**重要：使用动态维度配置！**
+
+对比分析的维度**必须来自** `job.screening_weights` 配置（而非硬编码）。每个职位可配置 2-8 个自定义维度。
+
+**screening_weights 格式：**
+```json
+[
+  {"name": "技术能力", "weight": 40},
+  {"name": "工作经验", "weight": 30},
+  {"name": "教育背景", "weight": 20},
+  {"name": "薪资匹配度", "weight": 10}
+]
+```
+
+**评分流程：**
+
+1. **读取 job.screening_weights** - 获取维度列表和权重
+2. **对每个维度评分** - 基于简历内容和职位要求，给每个候选人在该维度打分（1-5分）
+3. **计算综合匹配度** - 使用配置的权重进行加权平均
+
+#### 4.1 动态维度评分
+
+对于每个配置的维度，评估候选人表现：
+
+**常见维度评分指南：**
+
+**技术能力（如果配置）：**
+- 基于简历内容（`resume_content`）和职位要求（`skill_requirements`），评估：
+  - **核心技术栈匹配度**（如：Java、Python、React 等）
+  - **项目经验相关性**（是否有类似业务经验）
+  - **技术深度**（是否有深度优化、架构设计经验）
+
+**工作经验（如果配置）：**
+- 基于候选人亮点（`candidate_highlight`）和简历内容，评估：
+  - **工作年限**（是否符合职位要求的经验范围）
+  - **公司背景**（是否来自知名公司或相关行业）
+  - **职业轨迹**（是否有持续成长的轨迹）
+
+**教育背景（如果配置）：**
+- 基于 `candidate_highlight.education` 和简历内容，评估：
+  - **学历层次**（本科/硕士/博士）
+  - **院校层次**（985/211/普通本科）
+  - **专业相关性**（计算机相关/理工科/其他）
+
+**薪资匹配度（如果配置）：**
+- 基于候选人薪资数据和职位薪资范围，计算：
+  - **期望薪资** (`expected_salary`)
+  - **涨幅预期** = (`expected_salary` - `current_salary`) / `current_salary` × 100%
+  - **职位薪资范围** (`salary_range`)
+  - **性价比评估**（期望薪资是否在合理范围内）
+
+**其他自定义维度：**
+- 根据维度名称灵活评估，从简历内容中提取相关证据
+- 评分标准：1-5 分（1=不符合，5=完全符合）
+
+#### 4.2 综合匹配度评估
+
+基于配置的维度和权重，计算综合评分：
+
+```javascript
+// 权重总和为 100，转换为小数
+const weights = job.screening_weights.map(w => ({
+  name: w.name,
+  weight: w.weight / 100  // 40 → 0.4
+}));
+
+// 加权平均
+综合匹配度 = Σ (维度得分 × 维度权重)
+```
+
+**示例计算：**
+```
+假设配置：
+[
+  {"name": "技术能力", "weight": 40},    // 0.4
+  {"name": "工作经验", "weight": 30},    // 0.3
+  {"name": "教育背景", "weight": 20},    // 0.2
+  {"name": "薪资匹配度", "weight": 10}   // 0.1
+]
+
+候选人A得分：
+技术能力 4.5 × 0.4 = 1.8
+工作经验 4.0 × 0.3 = 1.2
+教育背景 3.0 × 0.2 = 0.6
+薪资匹配度 4.0 × 0.1 = 0.4
+------------------------------
+综合匹配度 = 4.0
+```
+
+**匹配度等级：**
+- 4.5-5.0：⭐️⭐️⭐️⭐️⭐️ 强烈推荐
+- 4.0-4.4：⭐️⭐️⭐️⭐️ 推荐
+- 3.5-3.9：⭐️⭐️⭐️ 可考虑
+- 3.0-3.4：⭐️⭐️ 需谨慎
+- <3.0：⭐️ 不推荐
+
+**重要：招聘建议原则**
+- 推荐建议必须基于候选人的实际情况进行分析，不要机械套用评分等级
+- 避免千篇一律的"强烈推荐"或"不推荐"，应该结合具体优势、风险和业务需求给出中肯建议
+- 例如：即使综合评分达到 4.5 分，如果存在关键技能缺失或薪资严重超预算，也应该提示风险
+- 例如：即使综合评分只有 3.5 分，如果候选人在某个关键维度特别突出且符合特定需求，也可以考虑推荐
+
+### 第 5 步：生成结构化输出
+
+**重要：输出必须严格遵循以下 Markdown 格式，便于前端解析！**
+
+**输出长度限制：**
+- **初始对比分析**应保持简洁，只输出：
+  1. 📋 候选人概览表格（必须）
+  2. 📈 关键指标对比表格（必须）
+  3. 💡 候选人亮点与风险（必须，每人2-3个亮点+1-2个风险）
+  4. 简短的对比总结（100-150字，突出核心差异和关键建议）
+  5. 追问建议（3-5个问题示例）
+- **避免在初始输出中包含冗长的详细分析**（如第5.5节和5.6节的完整内容）
+- 详细分析仅在用户追问特定问题时提供（参见第6步：支持多轮对话）
+
+#### 5.1 候选人概览表格
+
+```markdown
+## 📋 候选人概览
+
+| 维度 | 候选人A姓名 | 候选人B姓名 | 候选人C姓名（如有）|
+|------|------------|------------|-------------------|
+| 🆔 ID | cand-123 | cand-124 | cand-125 |
+| 🎓 学历背景 | 本科·软件工程·广东外语外贸大学 | 硕士·计算机科学·北京大学 | 本科·通信工程·西安电子科技大学 |
+| 💼 工作年限 | 5年 | 3年 | 7年 |
+| 🏢 公司背景 | 腾讯、字节跳动 | 阿里巴巴 | 华为、小米 |
+| 💰 当前薪资 | 28万 | 22万 | 35万 |
+| 🎯 期望薪资 | 35万 | 28万 | 42万 |
+| 📈 涨幅预期 | 25% | 27% | 20% |
+```
+
+**格式要求：**
+- 表格必须使用标准 Markdown 格式（`|` 分隔）
+- 第一列是维度名称（固定顺序）
+- 后续列是候选人数据（按 candidate_ids 顺序）
+- Emoji 使用一致（🆔🎓💼🏢💰🎯📈）
+- 数字格式化：薪资加"万"后缀，涨幅加"%"后缀
+- **学历背景必须包含完整学校名称**，格式："学历·专业·学校全称"（如："本科·软件工程·广东外语外贸大学"）
+- **重要：表格单元格内容必须是纯文本，禁止包含任何 markdown 或 HTML 特殊字符**
+  - ❌ 禁止：`<br>`、`<div>`、`**粗体**`、`*斜体*`、`[链接]()`
+  - ✅ 正确：使用全角空格或顿号分隔多行内容，例如："本科·计算机科学　西安石油大学"
+  - ✅ 正确：使用简短描述，避免换行，例如："本科·计算机"
+
+#### 5.2 关键指标对比表格
+
+**重要：表格行数和维度名称必须与 `job.screening_weights` 配置一致！**
+
+```markdown
+## 📈 关键指标对比
+
+| 评估维度 | 候选人A姓名 | 候选人B姓名 | 候选人C姓名（如有）|
+|----------|------------|------------|-------------------|
+| {维度1名称} | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️ (4.5) |
+| {维度2名称} | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️ (3.5) | ⭐️⭐️⭐️⭐️⭐️ (5.0) |
+| {维度3名称} | ⭐️⭐️⭐️ (3.0) | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.5) |
+| ... | ... | ... | ... |
+| 🎯 综合匹配度 | ⭐️⭐️⭐️⭐️ (4.3) | ⭐️⭐️⭐️⭐️ (4.1) | ⭐️⭐️⭐️⭐️ (4.0) |
+```
+
+**示例（4个维度）：**
+```markdown
+## 📈 关键指标对比
+
+| 评估维度 | 候选人A姓名 | 候选人B姓名 | 候选人C姓名（如有）|
+|----------|------------|------------|-------------------|
+| 技术能力 | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️ (4.5) |
+| 工作经验 | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️ (3.5) | ⭐️⭐️⭐️⭐️⭐️ (5.0) |
+| 教育背景 | ⭐️⭐️⭐️ (3.0) | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.5) |
+| 薪资匹配度 | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.0) |
+| 🎯 综合匹配度 | ⭐️⭐️⭐️⭐️ (4.3) | ⭐️⭐️⭐️⭐️ (4.1) | ⭐️⭐️⭐️⭐️ (4.0) |
+```
+
+**示例（6个维度）：**
+```markdown
+## 📈 关键指标对比
+
+| 评估维度 | 候选人A姓名 | 候选人B姓名 | 候选人C姓名（如有）|
+|----------|------------|------------|-------------------|
+| 技术能力 | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️ (4.5) |
+| 工作经验 | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️ (3.5) | ⭐️⭐️⭐️⭐️⭐️ (5.0) |
+| 教育背景 | ⭐️⭐️⭐️ (3.0) | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.5) |
+| 薪资匹配度 | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.0) |
+| 团队协作 | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️ (3.5) |
+| 创新能力 | ⭐️⭐️⭐️⭐️⭐️ (5.0) | ⭐️⭐️⭐️ (3.0) | ⭐️⭐️⭐️⭐️ (4.0) |
+| 🎯 综合匹配度 | ⭐️⭐️⭐️⭐️ (4.3) | ⭐️⭐️⭐️⭐️ (4.0) | ⭐️⭐️⭐️⭐️ (4.1) |
+```
+
+**格式要求：**
+- 表格行数 = 维度数量 + 1（综合匹配度）
+- 维度名称必须与 `job.screening_weights` 配置完全一致
+- **维度名称禁止使用 Emoji 图标**（如 🔧 💼 🎓 等），必须使用纯文本维度名
+- 综合匹配度固定使用 🎯 图标（这是唯一允许的 Emoji）
+- 评分使用星级（⭐️）+ 数字分数（括号内）
+- 星级数量根据评分四舍五入（4.3 → 4颗星）
+- 分数保留一位小数
+- **重要：表格单元格内容必须是纯文本，禁止包含 markdown 或 HTML 特殊字符**
+
+#### 5.3 候选人卡片信息（初始输出必须）
+
+**重要：独立评估 vs 横向对比的区分**
+- **核心亮点和潜在风险**：必须基于候选人自身的**客观独立评估**，不受排名影响。即使候选人排名靠后，只要客观上有优势就必须写出来。
+- **推荐总结**：可以包含**横向对比**，如"相比其他候选人技术栈匹配度最高"、"三位候选人中经验最丰富"等相对评价。
+
+**为每个候选人提供核心亮点、潜在风险和推荐总结，用于前端卡片展示：**
+
+```markdown
+## 💡 候选人亮点与风险
+
+### 候选人A姓名
+
+**核心亮点：**
+- [亮点1：具体的技术优势或项目经验]
+- [亮点2：相对其他候选人的明显优势]
+
+**潜在风险：**
+- [风险1：具体的不足或风险点]
+
+**推荐总结：**
+[一句话总结（50-80字），包含：核心优势、主要风险、是否推荐及理由]
+示例："技术栈完美匹配，有真实30,000+ QPS高并发经验，ACM-CCPC银奖，可立即上手"
+示例："分布式系统能力强，但需技术栈转型(Go→Java)，需3-6个月适应期"
+
+### 候选人B姓名
+
+**核心亮点：**
+- [如果没有明显亮点，写：暂无突出亮点]
+
+**潜在风险：**
+- [风险1：具体的不足或风险点]
+
+**推荐总结：**
+[一句话总结，必须包含优势和风险的平衡分析]
+
+### 候选人C姓名（如有）
+
+[同样格式]
+```
+
+**核心亮点要求（非常重要）：**
+- **客观独立评估原则**：亮点必须基于候选人自身的客观能力和经历，**不受排名影响**
+- **每个候选人都要独立评估**：即使排名靠后，只要客观上有优势就必须写出来，不能因为排名低就写"暂无突出亮点"
+- **具体性原则**：给出具体的技能、项目、公司名称、数据或成就，避免空泛描述
+- **数量限制**：2-3个亮点（如果确实有），最多不超过3个
+- **真实性原则**：只写客观存在的亮点，**禁止编造亮点**
+- **"暂无突出亮点"的使用场景**：仅当候选人确实没有任何技术优势、项目经验、公司背景等客观亮点时才使用（极少数情况）
+- **示例：**
+  - ✅ 好的亮点："有3年微服务架构经验，负责过日活百万级系统"（客观描述，不依赖排名）
+  - ✅ 好的亮点："来自字节跳动，参与过抖音推荐系统优化，QPS达10万+"（具体数据）
+  - ✅ 好的亮点："ACM-ICPC区域赛金奖，算法能力扎实"（客观成就）
+  - ❌ 差的亮点："熟悉Java开发"（太空泛，几乎所有Java开发都符合）
+  - ❌ 差的亮点："工作态度好"（主观且无法验证）
+  - ❌ 错误用法："暂无突出亮点"（仅因为排名靠后，实际上候选人有3年大厂经验）
+
+**潜在风险要求：**
+- **客观独立评估原则**：风险必须基于候选人自身情况的客观评估，**不受排名影响**
+- **每个候选人都要独立评估**：即使排名靠前，只要客观上存在风险就必须指出
+- **具体性原则**：指出具体的不足或风险，不要使用模糊表述
+- **真实性原则**：基于简历和职位要求的真实分析，**禁止主观臆测**
+- **数量限制**：1-2个主要风险，最多不超过2个
+- **示例：**
+  - ✅ 好的风险："期望薪资42万超出职位预算上限35万"（客观事实）
+  - ✅ 好的风险："缺少职位要求的Go语言经验，主要技术栈为Java"（具体技能缺口）
+  - ✅ 好的风险："工作年限仅1年，职位要求3年以上"（客观差距）
+  - ❌ 差的风险："可能不够努力"（主观臆测）
+  - ❌ 差的风险："稳定性存疑"（无具体依据）
+
+**推荐总结要求（新增，非常重要）：**
+- **长度限制**：50-80字，一句话
+- **必须包含**：核心优势 + 主要风险/不足 + 推荐结论
+- **可以包含横向对比**：这部分可以引入与其他候选人的对比话术，如"相比其他候选人"、"技术栈匹配度最高"等
+- **平衡性原则**：不能只写优势或只写风险，要综合评估
+- **具体性原则**：给出具体的技术、经验、数字等，避免空泛
+- **示例：**
+  - ✅ 好的总结："技术栈完美匹配，有真实30,000+ QPS高并发经验，ACM-CCPC银奖，三位候选人中技术能力最强，强烈推荐"（包含横向对比）
+  - ✅ 好的总结："有3年大厂经验，但主要技术栈为Go语言，与职位要求的Java不匹配，需3-6个月转型期"（客观分析，不含对比）
+  - ✅ 好的总结："虽然工作年限较短，但来自阿里巴巴且薪资性价比高，适合预算有限的团队"（包含横向对比）
+  - ❌ 差的总结："候选人很优秀，推荐录用"（太空泛，没有具体信息）
+  - ❌ 差的总结："有一定经验，可以考虑"（没有说明优势和风险）
+
+#### 5.4 简短的对比总结（初始输出必须）
+
+**在初始对比分析中，必须提供一个简短的总结（100-150字），替代详细分析：**
+
+```markdown
+## 📝 对比总结
+
+[100-150字的简洁总结，包括：]
+- 三位候选人的核心差异（1-2句话）
+- 各自最突出的优势（简要）
+- 主要风险点（简要）
+- 总体推荐倾向（基于实际情况，避免机械套用评级）
+
+💬 **如需了解更多？** 您可以继续提问：
+- "能否详细对比候选人A和B的技术能力？"
+- "候选人C的薪资能否谈到XX万以内？"
+- "能否详细分析候选人B的优势和不足？"
+```
+
+**示例：**
+```markdown
+## 📝 对比总结
+
+从综合评分看，候选人A（4.3分）在技术能力和性价比上表现突出，项目经验与职位高度匹配；候选人B（4.1分）学历背景优秀且薪资期望合理，但工作年限偏短；候选人C（4.0分）经验最丰富，但期望薪资较高。建议优先考虑候选人A，如看重学历可选候选人B，如需资深经验可考虑候选人C但需薪资谈判。
+
+💬 **如需了解更多？** 您可以继续提问：
+- "能否详细对比候选人A和B的技术能力？"
+- "候选人C的薪资能否谈到40万以内？"
+- "能否详细分析候选人B的优势和不足？"
+```
+
+---
+
+#### 5.5 详细分析文本（仅在多轮对话追问时提供）
+
+**注意：以下详细分析内容不应在初始对比中输出，仅在用户追问时提供！**
+
+当用户追问如"能否详细分析候选人X的优势和不足？"时，可以提供如下格式的详细分析：
+
+```markdown
+## 🔍 详细分析
+
+### 候选人A姓名 - 综合评分 4.3/5.0
+
+**核心优势：**
+- 技术能力突出，在XX领域有深入经验
+- 项目经验与职位高度匹配
+- 薪资期望合理，性价比高
+
+**潜在风险：**
+- 学历背景相对较弱
+- 可能需要额外关注XX方面的能力
+
+**招聘建议：** [根据实际情况给出中肯建议，避免机械使用"强烈推荐"或"不推荐"]
+
+---
+
+[候选人C 同样格式]
+```
+
+**内容要求：**
+- 每个候选人包含：核心优势（2-4点）、潜在风险（1-3点）、招聘建议（基于实际情况）
+- 招聘建议必须结合候选人的具体情况，不要千篇一律地使用"强烈推荐"或"不推荐"
+- 使用简洁的列表格式
+- 避免空泛的描述，给出具体的技能/项目/公司名称
+- 候选人之间用 `---` 分隔
+
+---
+
+#### 5.6 综合推荐（仅在多轮对话追问时提供）
+
+**注意：以下综合推荐内容不应在初始对比中输出，仅在用户追问时提供！**
+
+当用户追问如"你推荐哪个候选人？"或"能否给出综合推荐？"时，可以提供如下格式：
+
+```markdown
+## 🏆 综合推荐
+
+**推荐排序：**
+1. **候选人A姓名** (4.3分) - 技术能力和性价比最优，强烈推荐优先录用
+2. **候选人B姓名** (4.1分) - 综合素质好，可作为备选
+3. **候选人C姓名** (4.0分) - 薪资偏高，建议谨慎考虑
+
+**关键决策因素：**
+- 如果预算充足，优先选择候选人A（技术能力最强）
+- 如果看重学历背景，候选人B更合适
+- 如果需要资深经验，候选人C是最佳选择
+
+**下一步建议：**
+1. 与候选人A深入沟通薪资和入职时间
+2. 安排候选人B和候选人A的对比面试
+3. 对候选人C进行薪资谈判，争取降低期望薪资
+
+---
+
+💬 **有任何疑问？** 您可以继续提问，例如：
+- "能否详细对比候选人A和B的技术能力？"
+- "候选人C的薪资能否谈到40万以内？"
+- "如果只能录用一个人，你推荐谁？"
+```
+
+**内容要求：**
+- 推荐排序必须按综合匹配度从高到低
+- 推荐理由应基于候选人的实际情况，不要机械套用"强烈推荐优先录用"等固定用语
+- 关键决策因素列举 2-3 个场景
+- 下一步建议给出 3-5 个可执行的行动项
+- 结尾提示用户可以继续提问（支持多轮对话）
+
+### 第 6 步：支持多轮对话
+
+用户可能继续提问，常见问题类型：
+
+#### 6.1 深入对比特定维度
+
+用户：*"能否详细对比候选人A和B的技术栈？"*
+
+回复示例：
+```markdown
+## 🔧 候选人A vs 候选人B - 技术栈详细对比
+
+### 后端技术
+- **候选人A**: Java (精通)、Spring Boot、MySQL、Redis、Kafka
+- **候选人B**: Go (精通)、Python、PostgreSQL、RabbitMQ
+
+**对比分析**：
+- 职位要求使用 Java 技术栈，候选人A完全匹配
+- 候选人B虽然 Go 技术强，但需要时间适应 Java 生态
+
+### 前端技术
+- **候选人A**: React、Vue（基础）
+- **候选人B**: React、TypeScript（精通）
+
+**对比分析**：
+- 候选人B的前端能力更强，适合全栈职位
+- 候选人A主要做后端，前端经验较弱
+
+### 架构能力
+- **候选人A**: 负责过百万级用户系统架构设计
+- **候选人B**: 参与过微服务改造项目
+
+**对比分析**：
+- 候选人A的架构经验更丰富
+- 候选人B的微服务实践更贴近我们的技术方向
+
+**综合建议**: 如果职位偏重后端架构，选择候选人A；如果需要全栈能力，选择候选人B。
+```
+
+#### 6.2 单一候选人深度分析
+
+用户：*"能否详细分析候选人B的优势和不足？"*
+
+回复示例：
+```markdown
+## 🔍 候选人B深度分析
+
+### 📊 综合评分：4.1/5.0
+
+**评分构成：**
+- 技术能力：4.0 (权重 40%) → 1.6
+- 工作经验：3.5 (权重 30%) → 1.05
+- 教育背景：5.0 (权重 15%) → 0.75
+- 薪资性价比：5.0 (权重 15%) → 0.75
+- **总分**：4.15 → 4.1
+
+---
+
+### ✅ 核心优势
+
+#### 1. 教育背景优秀
+- 硕士学历·软件工程（985院校）
+- 学术背景扎实，理论基础好
+- 适合需要研发深度的岗位
+
+#### 2. 薪资性价比高
+- 当前薪资：22万
+- 期望薪资：28万（涨幅 27%，合理范围）
+- 低于职位薪资范围中位数（30-35万）
+
+#### 3. 来自大厂背景
+- 阿里巴巴 3年工作经验
+- 接受过系统化的技术培训
+- 代码规范和工程能力强
+
+---
+
+### ⚠️ 潜在不足
+
+#### 1. 工作年限偏短
+- 仅 3年经验，职位要求 5年+
+- 可能缺少复杂系统架构经验
+- 需要更多时间积累项目经验
+
+#### 2. 技术深度有限
+- 主要做业务开发，缺少底层优化经验
+- 没有独立负责过大型项目
+- 技术广度可以，但深度不够
+
+#### 3. 项目经验相关性一般
+- 主要做电商业务，与我们的XX业务有差异
+- 需要一定时间熟悉业务领域
+
+---
+
+### 🎯 适用场景
+
+**最适合：**
+- 职位偏重业务开发（非底层架构）
+- 团队需要高学历人才提升整体素质
+- 预算有限，需要性价比高的候选人
+
+**不太适合：**
+- 需要资深架构师
+- 需要立即上手复杂系统
+- 对特定领域经验有硬性要求
+
+---
+
+### 💡 录用建议
+
+**如果录用候选人B：**
+
+1. **入职培训计划**
+   - 前 1 个月：熟悉业务和代码库
+   - 前 3 个月：导师带教，从简单任务开始
+   - 前 6 个月：逐步承担核心模块开发
+
+2. **薪资策略**
+   - 入职薪资：28万（符合期望）
+   - 试用期通过后：调整到 30万（激励成长）
+   - 1年后表现优秀：调整到 32-35万（留住人才）
+
+3. **团队配置**
+   - 安排一位资深导师
+   - 与经验丰富的同事搭档
+   - 定期 Review 代码和技术成长
+
+**风险缓解措施：**
+- 延长试用期到 4-6 个月（观察适应情况）
+- 设置明确的考核指标（如：独立完成 X 个功能）
+- 提供技术培训预算（如：参加技术大会、购买课程）
+
+---
+
+**综合结论：** 候选人B是一个潜力股，适合作为"培养型"人才引进。如果团队有成熟的培养体系，且预算有限，可以优先考虑。但如果需要即战力，建议选择候选人A。
+```
+
+---
+
+### 第 7 步：错误处理
+
+| 错误场景 | 错误信息 |
+|---------|---------|
+| 候选人数量不符 | `❌ 候选人数量必须为 2-3 人，当前提供了 {count} 人` |
+| 缺少候选人 ID | `❌ 缺少候选人 ID 列表，请提供 candidate_ids 参数（格式：cand-1,cand-2）` |
+| 候选人不存在 | `❌ 候选人 {candidate_id} 不存在，请检查 ID 是否正确` |
+| 职位不存在 | `❌ 职位 {job_id} 不存在，请检查 ID 是否正确` |
+| 数据缺失 | `⚠️ 候选人 {name} 缺少简历内容，对比分析可能不完整` |
+| 职位 ID 缺失 | `❌ 无法确定职位 ID，请提供 job_id 参数或确保候选人数据包含 job_id 字段` |
+
+## 输出格式规范总结
+
+**前端解析依赖的关键格式：**
+
+1. **表格格式**：严格使用 Markdown 表格（`|` 分隔）
+2. **章节标记**：使用固定的 `##` 标题
+   - `## 📋 候选人概览`
+   - `## 📈 关键指标对比`（**表格行数和维度名称必须与 job.screening_weights 配置一致**）
+   - `## 💡 候选人亮点与风险`（初始输出必须）
+   - `## 📝 对比总结`（初始输出必须，100-150字）
+   - `## 🔍 详细分析`（仅在追问时提供）
+   - `## 🏆 综合推荐`（仅在追问时提供）
+3. **候选人顺序**：严格按照 `candidate_ids` 参数顺序
+4. **评分格式**：星级 + 括号数字（如 `⭐️⭐️⭐️⭐️ (4.0)`）
+5. **分隔符**：候选人之间使用 `---`
+6. **学历格式**：必须包含完整学校名称（如："本科·软件工程·广东外语外贸大学"）
+7. **亮点和风险要求**：
+   - **核心亮点和潜在风险**：必须基于候选人自身的客观独立评估，不受排名影响
+   - **推荐总结**：可以包含横向对比话术
+   - 如果候选人确实没有任何优势，才写"暂无突出亮点"，禁止因排名靠后而忽略客观优势
+8. **输出长度**：初始对比只输出表格+亮点风险+100-150字总结，详细分析仅在追问时提供
+9. **动态维度**：关键指标对比表格的维度行数和名称必须来自 `job.screening_weights` 配置，支持 2-8 个动态维度
+
+**禁止的格式：**
+- ❌ 不要使用 HTML 表格
+- ❌ 不要改变表格列的顺序
+- ❌ 不要省略章节标题的 Emoji
+- ❌ 不要使用非标准的 Markdown 语法
+- ❌ 不要在初始输出中包含冗长的详细分析
+- ❌ 不要为平庸候选人编造虚假亮点
+
+## 使用示例
+
+### 示例 1：基本使用（2个候选人）
+
+```
+/hr-recruitment:compare-candidates --workspace-id 55170d90-5ee1-4e8b-a919-cd1e56c8c6b0 --candidate-ids cand-abc123,cand-def456
+
+参数：
+- workspace_id: 55170d90-5ee1-4e8b-a919-cd1e56c8c6b0
+- candidate_ids: cand-abc123,cand-def456
+```
+
+**说明**：最简单的使用方式，命令会自动查询候选人和职位数据
+
+### 示例 2：3个候选人对比
+
+```
+/hr-recruitment:compare-candidates --workspace-id 55170d90-5ee1-4e8b-a919-cd1e56c8c6b0 --candidate-ids cand-abc123,cand-def456,cand-ghi789
+
+参数：
+- workspace_id: 55170d90-5ee1-4e8b-a919-cd1e56c8c6b0
+- candidate_ids: cand-abc123,cand-def456,cand-ghi789
+```
+
+**说明**：支持最多 3 个候选人对比
+
+### 示例 3：前端优化（传入完整数据）
+
+```
+/hr-recruitment:compare-candidates --workspace-id 55170d90-5ee1-4e8b-a919-cd1e56c8c6b0 --candidate-ids cand-abc123,cand-def456 --candidate-data [{"id":"cand-abc123","name":"张三",...},{"id":"cand-def456","name":"李四",...}] --job-data {"id":"job-456","title":"高级后端开发",...}
+
+**前端已查询的上下文数据（请优先使用，避免重复查询）：**
+
+**candidates:**
+```json
+[
+  {
+    "id": "cand-abc123",
+    "name": "张三",
+    "job_id": "job-456",
+    "resume_content": "...",
+    "candidate_highlight": {
+      "work_years": "5年",
+      "education": "本科·计算机",
+      "company_background": "腾讯、字节跳动"
+    },
+    "expected_salary": 350000,
+    "current_salary": 280000
+  },
+  {
+    "id": "cand-def456",
+    "name": "李四",
+    ...
+  }
+]
+```
+
+**job:**
+```json
+{
+  "id": "job-456",
+  "title": "高级后端开发",
+  "skill_requirements": "...",
+  "salary_range": "30-50万"
+}
+```
+
+**重要提示：** 以上数据已由前端提供，无需再调用 MCP 工具查询。
+```
+
+**说明**：前端已经加载了完整数据，直接传入可避免重复 MCP 查询，显著提升性能
+
+### 示例 4：多轮对话
+
+**第一轮：** 执行初始对比
+
+```
+/hr-recruitment:compare-candidates --workspace-id ... --candidate-ids cand-1,cand-2
+```
+
+**第二轮：** 用户追问
+
+```
+用户：能否详细对比候选人A和B的技术栈？
+```
+
+**说明**：命令支持多轮对话，可以深入分析特定维度
+
+## 最佳实践
+
+### 1. 前端集成建议
+
+**推荐做法：**
+- 前端在候选人列表页已经加载了候选人和职位数据
+- 点击"对比候选人"按钮时，直接传入 `candidate_data` 和 `job_data`
+- 避免命令重复查询，提升用户体验
+
+**数据传递示例：**
+```typescript
+const compareCandidates = async (selectedIds: string[]) => {
+  const candidateData = selectedIds.map(id =>
+    candidates.find(c => c.id === id)
+  );
+
+  const command = '/hr-recruitment:compare-candidates';
+  const args = {
+    workspace_id: workspaceId,
+    candidate_ids: selectedIds.join(','),
+    candidate_data: candidateData,  // 已加载的数据
+    job_data: currentJob             // 当前职位数据
+  };
+
+  await copilotApi.compareCandidatesStream(workspaceId, args, callbacks);
+};
+```
+
+### 2. 多轮对话建议
+
+**常见追问场景：**
+- 深入对比特定维度（技术栈、工作经验、薪资）
+- 单一候选人深度分析
+- 薪资谈判策略
+- 录用建议和风险评估
+
+**用户引导：**
+在输出结尾提示用户可以继续提问，例如：
+```markdown
+💬 **有任何疑问？** 您可以继续提问，例如：
+- "能否详细对比候选人A和B的技术能力？"
+- "候选人C的薪资能否谈到40万以内？"
+- "如果只能录用一个人，你推荐谁？"
+```
+
+### 3. 性能优化
+
+**查询优化：**
+- 优先使用前端传入的数据（`candidate_data`、`job_data`）
+- 避免重复查询相同的候选人或职位数据
+- 如需查询，使用批量查询（如有支持）
+
+**响应优化：**
+- 初始分析控制在 30-60 秒内完成
+- 多轮对话响应控制在 10-20 秒内
+- 避免过度详细的分析（除非用户明确要求）
+
+## 技术说明
+
+### 为什么使用严格的 Markdown 表格格式？
+
+**优点：**
+1. **易于解析**：前端使用简单的字符串分割即可提取数据
+2. **可读性高**：人类可读，便于调试和验证
+3. **兼容性好**：Markdown 是通用格式，前端渲染库支持好
+4. **灵活性强**：可以包含 Emoji、星级等视觉元素
+
+**权衡：**
+- 需要严格控制输出格式（不能随意改变表格结构）
+- 前端解析需要处理边界情况（如：候选人姓名包含 `|` 字符）
+
+### 为什么支持多轮对话？
+
+**设计理由：**
+1. **深度分析需求**：招聘决策复杂，需要多维度分析
+2. **用户体验**：一次性展示所有信息会过载，按需提供更友好
+3. **灵活性**：用户可以根据实际情况追问细节
+
+## 相关命令和技能
+
+- **parse-resume** - 解析简历内容（对比分析的基础数据）
+- **generate-offer** - 生成薪资方案（对比后的下一步）
+- **schedule-interview** - 安排面试（候选人筛选后的操作）
+
+## 依赖
+
+- **MCP 工具**：`mcp__elevo-platform__read_object_instance`, `mcp__elevo-platform__list_object_instances`
+- **数据对象**：`candidate`, `job`
+- **Elevo Platform MCP**：用于查询候选人和职位数据
+
+---
+
+**最后更新**：2026-02-03
+**版本**：0.3.1
+**更新内容**：
+- **移除薪资谈判建议**（第 6.2 节），保持命令职责单一
+- 添加引导信息，推荐使用 `generate-offer` 命令处理薪资谈判
+- 添加代码示例说明，明确 JavaScript 代码仅为伪代码示例
+- **重大修改：核心亮点和潜在风险必须基于客观独立评估**，不受排名影响（v0.3.0）
+- 明确区分：亮点/风险是独立评估，推荐总结可以包含横向对比（v0.3.0）
+- "暂无突出亮点"仅在候选人确实没有任何优势时使用，不能因为排名靠后就忽略客观优势（v0.3.0）
+- 增加教育背景必须包含完整学校名称的要求（v0.2.0）
+- 增加招聘建议必须基于实际情况的原则，避免机械套用评级（v0.2.0）
+- 限制初始输出长度：只输出表格+亮点风险+100-150字总结，详细分析仅在追问时提供（v0.2.0）