# AI Sourcing に効果的な JD を書く Source: https://docs.mira.day/ja/docs/agent-sourcing/write-an-effective-jd > Mira の AI Agent に役職を説明するためのヒント。「スタートアップ気質」や「ゼロから構築した経験」などの暗黙の条件を含めることで、より良い候補者マッチングが実現します。 Mira の Agent は自然言語を理解します。正式な職務記述書を書く必要はありません。ただし、役職の説明方法が Shortlist の質に大きく影響します。 *** 良い説明 vs. 弱い説明 [#良い説明-vs-弱い説明] | 弱い | 良い | 重要な理由 | | --------------- | ------------------------------------------------------------------ | ----------------------------------- | | 「開発者を見つけて」 | 「シニアバックエンドエンジニア、Python 5年以上、大規模マイクロサービス構築経験あり、フィンテック出身が好ましい」 | より多くのコンテキストがMREにより多くのシグナルを提供。 | | 「NYCのマーケティング担当」 | 「NYC在住の B2B SaaS マーケティングマネージャー、プロダクトローンチ経験あり、データドリブンなキャンペーンに慣れている」 | 暗黙の条件（「データに慣れている」）が推論ベースのマッチングを活性化。 | | 「良い人が必要」 | 「プロダクトを 0 から 1 にした経験のある人、理想的には Series A-B のスタートアップで」 | Mira は「0 から 1」をアーリーステージの構築経験と解釈。 | Mira Reasoning Embeddingが理解するもの [#mira-reasoning-embeddingが理解するもの] Mira Reasoning Embeddingはキーワード検索を超えています。以下のような条件を使えます： 算術的条件 [#算術的条件] > 「バックエンド開発で 5 年以上の経験」 MREは、プロフィールタグからではなく、候補者のキャリアタイムラインから経験年数を計算します。 意味的条件 [#意味的条件] > 「ゼロイチ経験のある人」または「ゼロからチームを構築した経験」 MREは暗示される意味を解釈します, アーリーステージの事業構築、ゼロからのチーム作り。 常識的条件 [#常識的条件] > 「上場企業出身」または「高成長スタートアップ気質」 MREは候補者の職歴（企業規模、資金調達ステージ、成長軌道）から組織的コンテキストを推定します。 マルチソース条件 [#マルチソース条件] > 「上場企業での営業経験があり、スタートアップ経験もある」 MREは候補者のキャリアの異なる部分にわたって多段推論を実行します。 より良い結果を得るためのヒント [#より良い結果を得るためのヒント] 1. **タイトルだけでなくスキルを具体的に。** 「フルスタック」は人によって意味が異なります。必要なものが「React + Node.js + PostgreSQL」なら、そう伝えましょう。 2. **暗黙の条件を含める。** リクルーターに口頭で伝えるようなこと : 「タフな人」「独立して動ける」「リモートチームのマネジメント経験あり」: Mira はこれらも理解します。 3. **企業タイプに言及する。** 「YC スタートアップ出身」と「大手テック出身」では、Agent が表示する候補者が大きく変わります。 4. **勤務地の希望を明確に。** 「ベルリン優先、リモート可」は「柔軟な勤務地」よりも明確です。 5. **フィルタリングしすぎない。** まず広く始めて、その後絞り込みましょう。最初の Shortlist を見てから「スタートアップ経験のある人に絞って」と Agent に指示できます。 結果が合っていない場合は [#結果が合っていない場合は] Shortlist を確認した後、同じ会話で調整できます： * 「もっとジュニアな候補者を見せて」。 * 「アムステルダムの人も含めて」。 * 「EC 企業出身の候補者に絞って」。 * 「現在新しい役職を探している人が欲しい」。 Agent は会話の全コンテキストを記憶し、次の検索をそれに応じて調整します。