resume-salary-estimator-skill 是做什么的？
Codex 技能，用于基于简历的可解释薪资估算，提供预测区间和简历信号分析。
功能概述
- 可解释的薪资预测：根据简历中的技能、工作经验、教育背景等特征，生成预估薪资范围。
- 预测区间：提供不确定性量化，输出薪资的置信区间（例如，90%置信度）。
- 简历信号分析：分析哪些因素（如“Python”、“5年经验”）对薪资影响最大，并以可视化的方式呈现。
使用方法
- 将简历内容（文本或结构化数据）作为输入传递给该技能。
- 技能会解析简历，提取关键特征并运行薪资估算模型。
- 输出包括：
- 预测薪资：最佳估算值。
- 预测区间：高置信度范围（例如，
[80k, 120k]）。 - 信号重要性：按重要性排序的特征列表及其贡献值。
支持的平台
- Codex
- 其他兼容的 AI Agent 平台（如 Claude、Cursor 等，需适配输入格式）
配置
环境变量（可选）：
MODEL_PATH：指定薪资估算模型的路径（默认为内置模型）。CONFIDENCE_LEVEL：预测区间的置信度（0-1，默认为 0.9）。
示例
{
"resume_text": "5年Python开发经验，精通Flask和Django，曾在大型互联网公司担任高级工程师。",
"options": {
"confidence_level": 0.9
}
}
输出示例：
{
"predicted_salary": 95000,
"interval": [76000, 114000],
"confidence": 0.9,
"signals": [
{"feature": "Python", "importance": 0.45},
{"feature": "5年经验", "importance": 0.30},
{"feature": "高级工程师", "importance": 0.15},
{"feature": "互联网公司", "importance": 0.10}
]
}
工作原理
此技能使用预训练的回归模型（如梯度提升机或神经网络）进行薪资预测，并利用分位数回归或贝叶斯方法生成预测区间。信号分析基于特征重要性技术（如 SHAP 值或排列重要性）。