MuleRun简历初筛配置有四条路径：一、用自然语言指令生成结构化标准；二、从JD文件自动提取并校准条件；三、复用历史模板并微调；四、启用动态上下文感知增强，关联HRIS数据自动加权。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用mulerun进行招聘任务时，发现系统未按预期对候选人简历执行初筛，可能是由于筛选标准未正确生成或配置。以下是配置mulerun简历初筛条件的具体操作路径：一、通过自然语言指令即时生成筛选标准
MuleRun支持将口语化招聘需求直接转化为结构化筛选逻辑，无需编写代码或预设模板，系统自动解析语义并映射至技能、经验、学历等维度。
1、在MuleRun主界面点击「新建招聘Agent」按钮。
2、在提示框中输入类似“找3年以上Python后端开发经验、熟悉Django和PostgreSQL、本科及以上学历、有电商项目经历的候选人”这样的自然语言描述。
3、等待MuleRun完成语义解析，界面将自动生成带权重的初筛条件卡片，包括硬性门槛（如学历、年限）与软性偏好（如技术栈组合、行业背景）的分离标识。
4、点击「确认生成」，该标准将立即绑定至当前Agent并启用实时筛选。
二、基于职位描述（JD）文件自动提取并校准条件
当您已有一份结构清晰的职位描述文档（PDF/DOCX），MuleRun可从中识别岗位核心要求，并结合行业通用匹配规则补全隐含条件。
1、进入Agent设置页，选择「从JD导入标准」选项。
2、上传本地JD文件，或粘贴JD文本内容。
3、系统高亮显示已识别的必需技能（Required Skills）、优先技能（Preferred Skills）、经验年限、证书要求及排除项（如“不接受外包经历”）。
4、手动调整任一字段的匹配强度滑块（严格/宽松/忽略），例如将“熟悉Kubernetes”设为“宽松”，允许匹配“了解容器编排”等近义表述。
5、点击「应用并同步至筛选引擎」，更新后的条件将在下次简历批量处理时生效。
三、复用历史筛选模板并做差异化微调
MuleRun为每个用户维护私有模板库，所有曾成功运行过的筛选标准均可快速调用，并支持针对新岗位做最小化参数修正，避免重复定义。
1、在筛选配置页下拉选择「加载历史模板」。
2、从列表中选取一个与当前岗位相似度最高的模板（如“高级Java工程师_2026Q1”）。
3、系统自动载入原条件组，此时可单独修改某一项：将原“Spring Boot 2.x”升级为“Spring Boot 3.x”、将“3年经验”改为“5年经验”、新增“具备CI/CD平台搭建经验”为必需项。
4、修改完成后点击「另存为新模板」，命名后保存至个人库。
四、启用动态上下文感知条件增强
该模式使MuleRun在筛选过程中主动关联企业内部数据源（如HRIS系统中的职级体系、过往录用人员画像），实现条件自动加权与边界校准。
1、在高级设置中开启「上下文感知增强」开关。
2、授权MuleRun读取指定HRIS字段（仅限已配置OAuth连接的企业实例）。
3、系统将比对当前JD中“架构师”职级要求与历史录用者平均技术栈分布，自动提升“分布式系统设计”“高并发优化”等高频匹配项的权重系数。
4、在条件预览区可见新增的「上下文建议项」，勾选后纳入本次筛选逻辑。
