reinforcement-learning-recruiter

强化学习工程师简历筛选 Skill

工作流程

按以下步骤依次执行，不得跳过：

1. 解析简历：务必将简历附件转换为 Markdown 格式后，再进行后续分析。
2. 执行评估：严格按照下方"评分标准"和"疑点检测"规则，对简历内容进行逐维度分析，给出初步评分。
3. 交叉验证：对照原始 JD 要求（岗位职责、职位要求、加分项），审查各维度评分的合理性：
   • 检查是否存在简历亮点被低估（如 JD 明确要求"安全容器"或"分布式训练"经验，但评分未充分体现）
   • 检查是否存在简历短板被忽视（如 JD 要求"Kubernetes 架构"经验，但候选人仅停留在概念层面）
   • 检查加分项匹配度（如候选人具备 openclaw、claudecode 等 JD 明确提及的加分项，是否在评分中体现）
   • 如有偏差，调整相应维度得分并说明调整理由
4. 生成报告：严格按照下方"输出格式"生成最终的 Markdown 评估报告，并直接呈现给用户。

---

岗位背景

本 skill 针对以下类型的强化学习工程师岗位设计：

原始 JD 文件：origin_jd.md

核心职责

• 与 Agentic 强化学习训练框架深度配合，支持高并发、大规模工具调用及复杂交互流程；
• 构建 Agent、Function Call、Sandbox 及其他环境交互场景下的分布式训练奖励评估系统；
• 构建 Agent 框架与平台，支持复杂交互下的强化学习模型训练；
• 对强化学习任务的 agent 链路进行工程性能优化，提升模型训练效率。

---

评分标准

共五个维度，每个维度独立打分（1–5 分），最终按权重计算综合得分（满分 100 分）。

维度一：工程与系统构建能力（权重 30%）

考察候选人从 0 到 1 构建复杂系统的工程经验、逻辑分析能力和算法基础。

分数	标准
5	简历中有明确的、主导完成的复杂系统从零构建经历，描述清晰，有可量化的规模或成果（如 QPS、延迟、规模等）。
4	有复杂系统的核心模块设计与开发经历，主导或深度参与，但量化成果不够充分。
3	有较复杂系统的开发经历，但以执行为主，非主要设计者，或项目规模有限。
2	参与过系统开发，但主要承担功能模块或维护工作，缺乏系统性设计经验。
1	仅有基础的编码经历，无复杂系统构建经验。

维度二：分布式系统与 Kubernetes（权重 25%）

考察候选人在分布式系统原理、Kubernetes 架构及其生态的掌握程度与实践经验。

分数	标准
5	深入参与过大规模分布式系统（如千节点以上集群）的设计、开发和维护；精通 K8s 架构，有自定义 Operator、调度器或网络插件等深度实践。
4	在生产环境中使用 K8s 管理过中等规模服务，熟悉常见分布式系统问题（一致性、容错、服务发现等）并有实际解决经验。
3	有 K8s 使用经验，能独立部署和运维服务，了解分布式系统基本原理，但未涉及深度定制或大规模场景。
2	了解 K8s 基本概念，有有限的使用经验，分布式系统知识停留在理论层面。
1	对 K8s 和分布式系统仅有概念性了解，无实际经验。

维度三：安全容器与沙箱隔离技术（权重 10%）

考察候选人对安全容器（gVisor、Kata Containers、Firecracker 等）及多租户隔离环境的理解深度与落地经验。

分数	标准
5	有安全沙箱或多租户隔离环境的完整架构设计与生产落地经验，深入理解至少一种安全容器技术的内核原理（如 gVisor 的系统调用拦截机制）。
4	深入理解安全容器技术原理，有实际部署和调优经验，但非完整架构设计者。
3	了解安全容器的基本原理和使用方法，有过评估或试验性使用经历。
2	对安全容器有概念性了解，知道 gVisor/Kata 等技术的存在和用途，但无实际使用经验。
1	对安全容器和沙箱隔离技术不了解或未提及。

维度四：强化学习框架与分布式训练经验（权重 25%）

考察候选人对主流强化学习训练框架（verl、slime、Areal 等）的掌握程度、实际应用经验，以及是否具备分布式强化学习训练的工程经验。分布式 RL 训练经验（如多机多卡训练、异步 rollout、reward 分布式评估等）视为重要加分点。

分数	标准
5	熟练掌握至少一种指定框架，有在生产级项目中应用的经验；同时具备分布式强化学习训练的完整工程经验（如多机多卡训练、异步 rollout pipeline、分布式 reward 评估系统等）。
4	熟悉至少一种指定框架并有实际项目应用经验；或虽无分布式 RL 训练经验，但在框架使用上有深度实践（能描述具体场景和解决的工程问题）。
3	了解强化学习训练框架的基本原理，有过学习或实验性使用经历，但未在正式项目中大规模应用；对分布式训练有概念性了解。
2	对强化学习有一定了解，但未接触过指定框架，或仅停留在理论学习阶段；无分布式 RL 训练经验。
1	简历中未体现强化学习相关经验。

维度五：加分项（权重 10%）

考察候选人是否具备 JD 中提及的加分项经验：openclaw、claudecode、opencode 等工程实践，或安全容器、虚拟机、浏览器沙箱等方向的专项经验。

分数	标准
5	具备多项加分项，且有明确的实际落地经验。
4	具备一项加分项，且有实际落地经验。
3	具备一项加分项，但仅有理论了解或试验性使用经历。
2	与加分项方向有一定关联，但未直接涉及。
1	不具备任何加分项相关经验。

---

综合得分计算

综合得分 = (D1×30 + D2×25 + D3×10 + D4×25 + D5×10) / 5

其中 D1–D5 分别为五个维度的得分（1–5 分），最终结果为满分 100 分的综合得分。

---

疑点检测

在评分完成后，必须对简历进行以下专项检查。若发现疑点，在报告中逐条列出；若无疑点，明确写出"未发现明显疑点"。

1. 时间线重叠：检查所有工作经历和项目经历的起止时间，若存在同一时段出现两段全职工作或两个全时投入项目的情况，标注出具体的重叠时间段和涉及的公司/项目名称。
2. 技能与项目不匹配：若技能列表中声称"精通"或"熟练掌握"的技术，在所有项目描述中完全没有体现，则标注出该技术名称。
3. 描述自相矛盾：若简历中存在前后矛盾的表述（如年限描述不一致、同一技术在不同位置的熟悉程度描述相差悬殊），标注出具体位置和矛盾内容。
4. 经历断层：若工作经历中存在超过 6 个月的空白期且未作说明，标注出该时间段。

---

输出格式

最终报告必须严格遵循以下 Markdown 格式输出：

## 简历评估报告：[候选人姓名]

> **岗位**：强化学习工程师（Agentic RL 方向）
> **综合得分：[X.X] / 100**

---

### 维度评分详情

| 维度 | 权重 | 得分（1-5） | 加权分 | 评分理由 |
| :--- | :--- | :---: | :---: | :--- |
| 工程与系统构建 | 30% | [分数] | [加权分] | [基于简历原文的具体依据] |
| 分布式系统与 K8s | 25% | [分数] | [加权分] | [基于简历原文的具体依据] |
| 安全容器与沙箱隔离 | 10% | [分数] | [加权分] | [基于简历原文的具体依据] |
| 强化学习框架与分布式训练 | 25% | [分数] | [加权分] | [基于简历原文的具体依据] |
| 加分项 | 10% | [分数] | [加权分] | [基于简历原文的具体依据] |
| **综合得分** | 100% | — | **[总分]** | — |

---

### 潜在疑点

- **[疑点类型]**：[具体描述，引用简历中的原始信息]
- 若无疑点：未发现明显疑点。

---

### 综合评价

[2–3 段文字，概述候选人的核心优势、明显短板，以及是否建议进入下一轮面试，并给出理由。]