Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →NCS 국가직무능력표준 기반 이력서·자기소개서 적합성 평가 스킬입니다. 인간 검토자가 사용할 점수표·근거·강점/약점 요약을 제공하며, 보호 계층 정보(사진·생년월일·출신지·가족관계 등) 자동 마스킹과 4년 결정 로그 보관 안내를 강제합니다. ⚠️ 본 스킬은 의사결정 보조 도구입니다. AI 자동 거절·자동 합격 기능을 제공하지 않습니다. 최종 결정은 반드시 인간 검토자가 수행해야 하며, 이는 한국 채용절차법·EEOC Title VII·NYC Local Law 144·Colorado SB 24-205 등 규제에 따른 요구사항입니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "이력서 검토", "지원자 평가", "서류 스크리닝", "이력서 분석" - "NCS 직무 적합도 평가", "채용 서류 검토", "이력서 점수" - "면접 대상자 선별 보조" (개별 후보 평가) 주의: **per-candidate 평가**에 한정됩니다. 채용 프로세스 설계(JD 작성·면접 구조·온보딩
.claude/skills/modu-ai-resume-screener/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 44% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 95% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 78% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 136% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 230% | 0% |
> moai-hr | 한국 채용 워크플로우. AI는 채점만, 결정은 사람.
위반 사례 (참고): iTutorGroup $365K 합의 — 연령 기반 자동 거절로 ADEA 위반.
채용절차법(2014, 30인 이상 사업장 적용)·NCS 분류체계·EEOC Title VII·NYC Local Law 144 등 한국·글로벌 규제를 동시 준수하도록 설계된 이력서 평가 스킬입니다. AI는 NCS 능력단위별 적합도 점수와 인용 근거를 제공하고, 채용 책임자가 이를 의사결정 자료로 활용합니다.
이력서 검토 지원자 평가 서류 스크리닝 이력서 분석 NCS 직무적합도 채용 서류 검토 이력서 점수
moai-hr:employment-manager로 직무기술서를 먼저 작성하도록 안내)다음 정보는 평가 전 자동으로 가립니다:
| 카테고리 | 마스킹 방식 | |---|---| | 사진 | 무시 (이미지 파싱 안 함) | | 생년월일 / 나이 | 졸업연도→학력만 표시 | | 출신지 / 본적 | 광역시·도까지만 표시 | | 가족관계 | 전체 마스킹 | | 신체정보 (키·체중) | 전체 마스킹 | | 종교 / 정치 성향 | 전체 마스킹 | | 결혼 여부 / 자녀 | 전체 마스킹 | | 사진·이름이 노출된 SNS | URL만 표시, 본인 사진 무시 |
NCS 분류체계에서 해당 직무의 능력단위(Unit of Competence) 추출 후 각각에 0-3점 부여:
| 점수 | 의미 | |---|---| | 0 | 관련 경험·학습 근거 없음 | | 1 | 간접 경험 또는 입문 학습만 확인 | | 2 | 직접 경험 또는 중급 학습 확인 | | 3 | 충분한 직접 경험 + 정량 성과 확인 |
각 점수는 이력서 인용(직접 텍스트 발췌)과 함께 제시. 인용 없는 점수는 invalid.
다음을 출력 (라벨·자동 권고 금지):
금지: "Strong Match", "권고: 면접", "부적합", "거절 권고" 같은 라벨 절대 출력 금지.
출력 마지막에 감사 정보 추가:
## 감사 정보 (4년 보관 권장)
- 평가 시각: 2026-05-01T12:00:00+09:00
- 입력 이력서 SHA256: <hash>
- 사용 직무기술서 ID: JD-2026-001
- 마스킹 처리 항목: 사진, 생년월일, 가족관계, 결혼 여부
- AI 모델: claude-opus-4-7
- 사용자: <orchestrator user>markdown> ⚠️ 본 평가는 의사결정 보조용입니다. 최종 결정은 인간 검토자가 수행해야 합니다. > 한국 채용절차법 및 관련 규제(EEOC Title VII, NYC Local Law 144 등)에 따라 자동 거절·자동 합격은 금지됩니다. ## NCS 능력단위별 적합도 | 능력단위 | 점수(0-3) | 인용 근거 | |---|---|---| | 시스템분석 | 3 | "AWS 마이그레이션 프로젝트 PM 24개월" | | ... | ... | ... | 매칭률: 72% (능력단위 합계 / 최대 가능 점수) ## 강점 (3) 1. ... 2. ... 3. ... ## 약점 (3) 1. ... ... ## 면접 확인 필요 사항 (3) 1. ... ... ## 추천 면접 질문 후보 (5) 1. ... ... ## 감사 정보 (4년 보관 권장) - 평가 시각: ... - 입력 이력서 SHA256: ... - ...
예시 1 — NCS 직무기술서 + 이력서 1건
사용자: "백엔드 시니어 채용. NCS 직무기술서 첨부, 지원자 이력서 PDF 첨부."
→ resume-screener 가 능력단위별 0-3 점수 + 인용 + 강점/약점/면접 질문
→ 자동 거절·자동 합격 라벨 없음, 감사 정보 자동 기록예시 2 — 보호 계층 마스킹 시연
사용자: "이 이력서 평가해줘. (사진·주민번호 앞자리 포함)"
→ resume-screener 가 사진·생년월일·출신지 자동 가린 후 평가
→ 출력 상단에 "마스킹 처리 항목: ..." 명시Before (평가 전):
moai-hr:employment-manager — NCS 직무기술서(JD) 우선 작성. 평가 기준이 될 직무 요건을 먼저 정의합니다.After (평가 후):
moai-hr:employment-manager — 본 스킬이 출력한 점수·확인 필요 사항을 바탕으로 면접 질문과 면접 설계(직무 역량·문화 적합성 비중 포함)를 구성합니다.moai-hr:employment-manager의 면접 설계로 이어집니다.Alternative:
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 21,898 | 16,712 | -24% | 1 | 1 | 0% | 3,841 | 5,519 | +44% | 0 | 0 | — |
case-02 | fail→pass | 18,539 | 18,935 | +2% | 1 | 1 | 0% | 3,163 | 6,179 | +95% | 0 | 0 | — |
case-03 | fail→pass | 18,833 | 18,428 | -2% | 1 | 1 | 0% | 3,206 | 5,700 | +78% | 0 | 0 | — |
case-04 | fail→fail | 10,491 | 11,440 | +9% | 1 | 1 | 0% | 1,737 | 4,601 | +165% | 0 | 0 | — |
case-05 | fail→pass | 13,079 | 11,327 | -13% | 1 | 1 | 0% | 1,977 | 4,666 | +136% | 0 | 0 | — |
case-06 | fail→fail | 11,100 | 13,216 | +19% | 1 | 1 | 0% | 1,854 | 4,819 | +160% | 0 | 0 | — |
case-07 | fail→pass | 10,575 | 17,263 | +63% | 1 | 1 | 0% | 1,664 | 5,494 | +230% | 0 | 0 | — |
case-08 | fail→fail | 14,149 | 11,700 | -17% | 1 | 1 | 0% | 2,261 | 4,439 | +96% | 0 | 0 | — |
case-09 | fail→fail | 15,859 | 9,246 | -42% | 1 | 1 | 0% | 2,532 | 4,164 | +64% | 0 | 0 | — |
case-10 | fail→fail | 11,487 | 15,451 | +35% | 1 | 1 | 0% | 1,806 | 5,257 | +191% | 0 | 0 | — |
case-11 | fail→pass | 13,197 | 14,601 | +11% | 1 | 1 | 0% | 1,959 | 5,031 | +157% | 0 | 0 | — |
case-12 | fail→pass | 17,423 | 7,550 | -57% | 1 | 1 | 0% | 2,693 | 3,907 | +45% | 0 | 0 | — |
case-13 | fail→pass | 9,719 | 7,523 | -23% | 1 | 1 | 0% | 1,525 | 3,816 | +150% | 0 | 0 | — |
case-14 | fail→fail | 9,383 | 5,824 | -38% | 1 | 1 | 0% | 1,403 | 3,540 | +152% | 0 | 0 | — |
case-15 | fail→fail | 18,173 | 7,384 | -59% | 1 | 1 | 0% | 2,974 | 3,822 | +29% | 0 | 0 | — |
case-16 | pass→pass | 9,901 | 9,885 | -0% | 1 | 1 | 0% | 1,688 | 4,283 | +154% | 0 | 0 | — |
case-17 | fail→pass | 14,767 | 11,018 | -25% | 1 | 1 | 0% | 1,746 | 4,423 | +153% | 0 | 0 | — |
case-18 | fail→pass | 18,251 | 16,773 | -8% | 1 | 1 | 0% | 2,733 | 5,505 | +101% | 0 | 0 | — |
case-19 | fail→pass | 10,882 | 15,083 | +39% | 1 | 1 | 0% | 1,734 | 5,138 | +196% | 0 | 0 | — |
case-20 | pass→pass | 16,558 | 12,708 | -23% | 1 | 1 | 0% | 2,840 | 4,693 | +65% | 0 | 0 | — |
case-21 | pass→pass | 14,251 | 16,747 | +18% | 1 | 1 | 0% | 2,317 | 5,226 | +126% | 0 | 0 | — |
case-22 | fail→pass | 17,599 | 20,890 | +19% | 1 | 1 | 0% | 2,812 | 6,094 | +117% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +55 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.