Hiring Agent 是 HackerRank 开源的简历 PDF 到评分流水线：解析为结构化数据，可选补充候选人简历中提供的 GitHub 信号，再按岗位目录中的规则生成分项分数、证据、加分和扣分。官方说明它不是 ATS，但曾用于给实习申请排序并过滤低于阈值的简历。
来源：github.com/interviewstreet/hiring-agent 查看 GitHub 仓库 → 📘 使用教程 →项目把评分提示、岗位权重和输出结构公开，便于检查黑箱规则；同时官方 README 主动列出同一简历多次评分波动、PDF 隐形文本注入和 GitHub 偏置等争议。透明度有助于审计，但不等于系统已经公平或适合自动淘汰候选人。
来源：github.com/interviewstreet/hiring-agentPyMuPDF 把 PDF 转为 Markdown 风格文本，Jinja 模板分别提取基本信息、工作、教育、技能、项目和奖项。
来源：github.com/interviewstreet/hiring-agent若简历包含 GitHub 资料，程序获取公开 profile 与仓库，并让模型挑选最多 7 个项目参与评价。
来源：github.com/interviewstreet/hiring-agent每个 roles/<name> 目录用 role.json、criteria.jinja 和 system_message.jinja 定义分类、权重、评分边界和公平性提示。
来源：github.com/interviewstreet/hiring-agent默认配置指向本地 Ollama 的 gemma4:latest，也列出 Gemini 等 provider；官方明确说仓库配置不是 HackerRank 生产配置。
来源：github.com/interviewstreet/hiring-agentscore.py 编排 PDF 解析、分段 LLM 提取、JSON Resume 归一化、GitHub API 补充和岗位评分。Pydantic 约束结构，provider 配置选择 Ollama 或云模型；development mode 会把中间 JSON 缓存在 cache/，并追加 per-role CSV。
来源：github.com/interviewstreet/hiring-agent (1) · github.com/interviewstreet/hiring-agent (2)本地 Ollama 或配置的云模型可选 GitHub token岗位 role.json 与评分模板适合教学、研究、岗位 rubric 原型和候选人自查，也可以作为内部审计样例。招聘者若要影响真实候选人的排序、面试或淘汰，需要独立的法律、偏差、可访问性、数据保护和人工复核流程；仓库默认配置不能直接视为合规产品。
来源：github.com/interviewstreet/hiring-agent (1) · eur-lex.europa.eu/legal-content/EN/TXT/ (2)截至 2026-09-23，官方 GitHub Releases 页面为空，仓库也没有可引用的稳定版本号。部署或评估必须锁定具体 commit、模型、providers.json 和岗位目录。
来源：github.com/interviewstreet/hiring-agent/releasesstatus: official_docs_checked_not_locally_run | checked_at: 2026-09-23 | environment: 核对官方 README、requirements、providers.json、默认岗位规则、MIT LICENSE、GitHub API、EEOC 与 EU AI Act 官方资料；未处理任何真实或合成简历 | limitations: 未验证安装、PDF 解析、模型可用性、重复评分方差、提示注入、GitHub 数据、偏差指标、隐私控制或法律适用性 | observed_output: 官方 Releases 为空；Python 固定 3.11.13；默认模型 gemma4:latest；默认岗位把开源、自有项目、生产和技能分别设为 35/30/25/10 分，并允许 bonus
来源：github.com/interviewstreet/hiring-agent/releases (1) · github.com/interviewstreet/hiring-agent/blob/main/roles/software_engi… (2)Hiring Agent 是单简历到分数的 CLI 原型，默认突出 GitHub 与项目证据；CandiSift 定位完整开源 ATS，先去除 PII、做确定性过滤和匹配，再让模型角色处理幸存者并保留人工复核。要研究 HackerRank 公开 rubric 时前者更直接；需要候选人管道、职位匹配和 PII 控制时后者覆盖更广。两者都必须在真实使用前独立验证公平性和合规性。
来源：github.com/interviewstreet/hiring-agent (1) · github.com/confused-ai/candisift (2)Hiring Agent 最有价值的地方是把招聘评分规则和争议公开出来，适合作为审计与研究材料。真实招聘应先用合成数据验证解析、注入和重复性，再设计人工复核、候选人告知、申诉、合理便利与差异影响监控；未完成这些工作前，不应让默认分数决定谁失去机会。
来源：官方 README 与文档入口不是。官方 README 明确说它不是 ATS，也不是面向 HackerRank 客户的产品；仓库配置还是演示配置，不是其生产配置。
不能保证。官方 README 收录的复现实验指出同一简历存在明显评分波动。使用者应固定模型与配置并重复测量，不能把一次分数当成稳定事实。
模型可以本地运行，但程序仍可能调用 GitHub API，并在 development mode 缓存 JSON、写入 CSV。需要同时检查网络、日志、缓存和文件权限。
技术上可以按阈值过滤，但不应直接这样部署。招聘 AI 可能受反歧视、数据保护、高风险系统和合理便利要求约束，必须做人工复核、偏差测试和当地法律评估。