/pipeline-pattern：批量简历生产线识别

单份简历核验是"证伪一条条主张"，成本高、结论弱。而当 HR 手上有一批简历时，存在一个杠杆更高的信号：结构性雷同。

如果二十份简历里有六份使用了同一套版式、同一种句式节奏、同一组项目、同一类开源贡献模式，那么这六份简历大概率出自同一条生产线——某个简历包装工具、某个培训机构、某个求职社群的模板。

这个发现的价值不是判定这六个人在造假（他们很可能都是真实做过这些项目的），而是：

对这批简历中来自模板的共性表述，降低其信息权重；把面试的注意力转向能区分个体的部分。

换句话说：当六份简历都写着"主导设计高并发架构，QPS 提升 300%"时，这句话就不再是区分度信号，面试官需要问别的。

边界

• 本 skill 的产出绝不能用于淘汰任何候选人。出自同一培训班、用了同一个简历工具、做了同一个热门项目——都不是任何形式的负面事实。培训班是正当的学习途径，简历工具是正当的效率工具。
• 绝不能形成对特定群体的歧视。不得基于识别结果推断候选人的院校层次、经济状况、家庭背景或任何受保护特征，也不得建议对某个来源的候选人整体降级。
• 结论的唯一合法用途是调整面试提问策略：既然模板部分无区分度，就多问模板之外的部分。
• 只比对简历文本本身与候选人主动提供的公开材料。不比对候选人之间的私人关系，不推断谁认识谁。

核验流程

第一步：建立指纹

对每份简历提取以下特征，读 references/template-fingerprints.md 了解各维度的具体提取方法：

维度	提取内容
版式指纹	分栏结构、字体、配色、图标使用、分区标题样式、页数、信息区排列顺序
句式指纹	要点条目的句式结构、平均长度、动词选择、是否每条都挂数字
词汇指纹	高频专有措辞（"链路""闭环""赋能""治理""0→1""体感"等）
项目组合指纹	项目类型的组合方式（如"一个 RAG + 一个秒杀 + 一个手写框架"这种覆盖多方向的经典组合）
开源指纹	贡献的仓库集合、PR 类型、时间窗口
凭证指纹	同一竞赛的同一届次、同一批证书
叙事指纹	自我定位的措辞方式、技能栏的组织逻辑

第二步：聚类比对

两两比对指纹，按相似度分层：

• 强雷同：版式几乎一致（同一模板）+ 句式节奏一致 + 项目组合高度重合。
• 中度雷同：句式与措辞明显同源，但版式不同（可能同一培训内容、不同模板）。
• 弱雷同：只有项目类型重合。

极重要：弱雷同不构成任何信号。热门项目类型本来就集中——大量候选人做 RAG 项目，只是因为这是当前最热的学习方向。这属于时代共性，不是生产线特征。

只有版式 + 句式 + 项目组合三者同时高度雷同，才值得记录。

第三步：区分"共同来源"与"共同经历"

发现雷同后，必须先排除完全正当的解释：

观察	正当解释
多人项目相同	他们是同一个团队的成员——这非常常见，也完全诚实
多人经历相同	同一实习项目组、同一课程、同一竞赛队伍
多人版式相同	用了同一个流行的开源简历模板（这类模板被数万人使用）
多人措辞相同	同一个行业的通用黑话，或同一份广为流传的简历写作指南
多人开源贡献相同	参加了同一个开源活动、同一个社区的新手引导

同一团队的成员简历相似，是最常见也最正当的情况。此时正确的处理是记录"这几位候选人可能来自同一团队/项目组"，这对 HR 是有用的中性信息（比如避免重复问同一个项目、或注意个人边界的划分），而不是负面信号。

第四步：定位区分点

这才是本 skill 真正的产出。识别出模板部分之后，找出模板之外的、能区分个体的内容：

• 各人在共同项目中的不同分工；
• 模板之外的独有经历；
• 各自 GitHub 上的实际代码差异（同一个项目，不同人的提交内容完全不同）；
• 技术深度的实际差异（通过 blog-check、project-check 的结果）。

然后为面试官输出差异化提问建议：既然共性部分无区分度，就针对这些差异点提问。

输出

### 批量筛查结果

**样本**：N 份简历
**聚类**：发现 M 组结构性雷同

#### 组 1：[强雷同]，涉及候选人 A、C、F
**共同指纹**：
- 版式：完全一致（单栏、蓝色分区标题、公司 logo 条、两页）
- 句式：要点均为"动词 + 系统能力 + 业务价值 + 数字"，平均 45 字
- 项目组合：三人均含"RAG 问答 + 秒杀系统 + 手写 RPC"
- 开源：三人 PR 集中在同一组 5 个仓库，均为文档类改动，时间窗均在 2025.06—07

**已排除的正当解释**：
- 非同一团队（三人所述公司、时间均不同）
- 非通用开源模板（该版式未在公开模板库中检索到）

**结论**：三份简历**很可能出自同一套简历生产流程**（工具、培训或社群模板）。

**这意味着什么（重要）**：
- 这**不表示**三位候选人在造假，也不影响对他们能力的判断；
- 这**只表示**：三份简历中的共性表述（尤其是相同的项目描述与指标）**不具备区分度**，不应作为择优依据；
- 建议把面试重点转向下方的差异点。

**可用于区分个体的点**：
| 候选人 | 独有内容 | 建议追问方向 |
| A | 在共同项目外有 XX 经历 | ... |
| C | GitHub 上有实质性 T4 级贡献 | ... |
| F | 无模板外内容 | 建议深挖共同项目中的个人边界 |

使用纪律

1. 产出仅用于调整提问策略，不得作为筛选、淘汰、降级的依据，报告中必须写明这一点。
2. 不推断来源的具体名称。可以说"疑似出自同一套模板"，不要说"这是 XX 培训班的"或"这是 XX 工具生成的"——这既无法证实，也可能对第三方构成不实指控。
3. 不对候选人做群体评价。不写"这批人都是速成的"。每个人的能力仍需独立评估。
4. 优先怀疑正当解释。同团队、同课程、同开源活动、同流行模板——这些解释的先验概率远高于"生产线"。
5. 样本量小于 5 份时不做聚类结论。两份简历相似可能纯属巧合。