技巧与最佳实践

帮助你更快获得更好结果的实用建议。

---

像给同事介绍一样描述职位

不要把它当作填表格。像你跟同事解释职位一样描述：

"我需要一个做过 B2B SaaS 的产品经理，最好在 A 轮到 B 轮的公司。能跟客户沟通，也能深入分析数据。坐标伦敦或愿意搬过来。"

这种自然的沟通方式比列着条条框框的正式 JD 能给 Mira 提供更多上下文。

用好隐性标准

那些你通常只在脑海中记着或口头告诉招聘人员的信息，正是 Mira 区别于关键词搜索的关键：

• "经历过高速增长阶段的人"。
• "有受监管行业的经验"。
• "能独立推进工作，不依赖大团队"。
• "那种能在混乱的早期创业环境中如鱼得水的人"。

Mira 语义推理匹配模型能理解这些并将其纳入匹配计算。

先宽后窄，逐步细化

第一次搜索不需要完美。典型的工作流程是：

1. 第一轮：描述核心需求，保持开放。
2. 查看：浏览候选人列表，观察谁匹配度高、谁不够理想。
3. 第二轮："多给我一些像3号候选人那样的"或"聚焦有支付行业经验的候选人"。
4. 第三轮：微调地域、资历或公司类型。

每一轮都基于对话上下文。Mira会记住一切。

用数据文件促进团队协作

下载候选人列表数据文件，分享给：

• 招聘经理：在你联系候选人之前让他们先审阅。
• 团队成员：分工联系候选人。
• ATS/追踪表格：导入用于跟踪和人才管道管理。

去 LinkedIn 查看更多背景

AI 摘要能快速了解候选人，但 LinkedIn 主页通常包含更多信号：

• 发表的帖子和文章（思想领导力）。
• 同事的推荐（同行认可）。
• 活跃模式（是否在积极看机会？）。
• 共同人脉（温暖引荐的可能性）。

一个职位一个任务

为不同职位创建独立任务。这能保持对话的聚焦，也便于后续回顾。不要在同一个任务中混合"帮我找个后端工程师"和"顺便也找个设计师"。

跨天持续迭代

任务会永久保存。明天回来说"有没有符合这个标准的新候选人？"或"换个角度试试：聚焦目前在咨询公司的候选人"，智能体会从上次中断的地方接着工作。