# Mira ทำงานอย่างไร

Source: https://docs.mira.day/th/docs/overview/how-mira-works

> Mira ใช้ semantic matching เพื่อเข้าใจเกณฑ์การสรรหาที่ซ่อนอยู่ Agent ของ Mira ค้น ประเมิน และส่งมอบ Shortlist ผู้สมัครจากหลายแหล่ง



***

Mira รับผิดชอบการปฏิบัติงานเพื่อให้คุณโฟกัสกับการตัดสินใจ คุณอธิบายสิ่งที่ต้องการ Agent ค้นหาและจับคู่ แล้วคุณก็ตรวจผลลัพธ์ นี่คือ workflow การ Sourcing ทีละขั้นตอน

```
คุณอธิบายตำแหน่ง
       ↓
Agent สอบถามเพิ่มเติม (เฉพาะเมื่อข้อมูลไม่ครบ)
       ↓
Agent ค้นหาข้ามหลายแหล่งข้อมูล talent
       ↓
MRE ประเมินและจัดอันดับผู้สมัคร
       ↓
Shortlist ส่งมอบพร้อม AI Summary
       ↓
คุณตรวจ ปรับ หรือทำต่อ
```

ขั้นที่ 1: คุณอธิบายความต้องการ [#ขั้นที่-1-คุณอธิบายความต้องการ]

พิมพ์ job description วาง JD หรืออธิบายตำแหน่งด้วยภาษาธรรมชาติ Mira เข้าใจเกณฑ์ที่ซ่อนอยู่ : คุณไม่ต้องใช้ syntax การค้นหาที่เป็นทางการ

ขั้นที่ 2: Agent สอบถามเพิ่มเติม (เฉพาะเมื่อจำเป็น) [#ขั้นที่-2-agent-สอบถามเพิ่มเติม-เฉพาะเมื่อจำเป็น]

ถ้าคำอธิบายของคุณเฉพาะเจาะจงอยู่แล้ว Agent ก็ไปต่อเลย ถ้ามีรายละเอียดสำคัญขาดหายหรือกำกวม Agent จะสร้างฟอร์มสอบถามสั้น ๆ ครอบคลุมเรื่องอย่าง seniority level จำนวนผู้สมัคร และ preference เฉพาะ ฟอร์มจะปรากฏเฉพาะตอนที่มันช่วยปรับปรุงผลลัพธ์จริง ๆ

ขั้นที่ 3: ค้นหาหลายแหล่ง [#ขั้นที่-3-ค้นหาหลายแหล่ง]

Mira ค้นหาข้าม 3 ชั้นของข้อมูล:

| ชั้น                   | แหล่ง                                                    | คำอธิบาย                                 |
| ---------------------- | -------------------------------------------------------- | ---------------------------------------- |
| **Public data**        | รวมมาจากฐานข้อมูล talent ภายนอกหลายแห่ง                  | ครอบคลุมกว้างทุกอุตสาหกรรมและภูมิภาค     |
| **ข้อมูลของ Mira เอง** | Index ของ Mira สำหรับโปรไฟล์มืออาชีพสาธารณะและประกาศงาน  | อัปเดตต่อเนื่อง ครอบคลุมระดับโลก         |
| **Private data**       | Resume ที่คุณอัปโหลดหรือ candidate pool ที่เชื่อมต่อ ATS | ฐานข้อมูล talent ของคุณเอง Mira ค้นหาได้ |

ขั้นที่ 4: Matching ที่ใช้การให้เหตุผล [#ขั้นที่-4-matching-ที่ใช้การให้เหตุผล]

Mira Reasoning Embedding ประเมินผู้สมัครแต่ละคนด้วย multi-hop reasoning, ไม่ใช่การจับคู่ keyword:

* "อย่างน้อย 5 ปีประสบการณ์", คำนวณจาก career timeline
* "ประสบการณ์ 0 to 1", ตีความว่าเป็นการสร้างบริษัทในช่วง early-stage
* "Background บริษัทมหาชน", อนุมานจาก organizational context ผ่านข้อมูลบริษัท

ขั้นที่ 5: ส่งมอบ Shortlist [#ขั้นที่-5-ส่งมอบ-shortlist]

คุณได้รายการที่คัดแล้วประกอบด้วย:

* ชื่อ ตำแหน่งปัจจุบัน บริษัท และสถานที่ของผู้สมัคร
* จำนวนปีของประสบการณ์
* AI Summary ของคุณสมบัติและความเหมาะสม
* ประวัติการทำงานเต็มและการศึกษา
* ข้อมูลติดต่อ (อีเมล โทรศัพท์ LinkedIn)
* ไฟล์ข้อมูลที่ดาวน์โหลดได้

ขั้นที่ 6: Iterate [#ขั้นที่-6-iterate]

คุยต่อในบทสนทนาเดิม:

* ขอผู้สมัครเพิ่ม
* ปรับเกณฑ์ ("รวม Amsterdam ด้วย", "เน้น background สาย startup")
* เริ่ม search ใหม่สำหรับตำแหน่งอื่น

Task แต่ละอันถูกบันทึกไว้ที่ sidebar กลับมาดูเมื่อไรก็ได้

ต่อไป [#ต่อไป]

* [Key Concepts](/th/docs/overview/key-concepts): Agent, Shortlist และคำศัพท์อื่น ๆ อธิบายไว้
* [Quick Start](/th/docs/getting-started/quick-start): รัน Sourcing Task แรกของคุณ