Mira 的工作原理
Mira 的智能体如何从岗位描述到交付候选人名单。
Mira 负责执行,你负责决策。你描述需要什么人,智能体去搜索和匹配,你审核结果。以下是人才搜寻工作流的具体步骤。
你描述一个职位
↓
Agent 确认需求(仅在信息不足时)
↓
Agent 在多个人才来源中搜索
↓
MRE评估并排序候选人
↓
交付候选人名单及 AI 摘要
↓
你审阅、调整或继续第 1 步:描述需求
输入职位描述、粘贴 JD,或用自然语言描述职位。Mira 能理解隐含条件,你不需要使用正式的搜索语法。
第 2 步:智能体确认(按需)
如果你的描述已经足够具体,智能体会直接进入搜索。如果关键信息缺失或模糊,智能体会生成一份简短的澄清表单,通常涵盖资历级别、候选人数量和特殊偏好。表单只在能提升结果质量时才出现。
第 3 步:多源搜索
Mira 在三个数据层中搜索:
| 层级 | 来源 | 描述 |
|---|---|---|
| 公开数据 | 聚合自多个外部人才数据库 | 广泛覆盖各行业和地区 |
| Mira 自有数据 | Mira 自建的公开职业档案和职位发布索引 | 持续更新,全球覆盖 |
| 私有数据 | 你上传的简历或 ATS 集成的候选人池 | 你的专属人才数据库,Mira 可搜索 |
第 4 步:基于推理的匹配
Mira 语义推理匹配模型使用多跳推理评估每位候选人,而非关键词匹配:
- "至少 5 年经验":从职业时间线计算。
- "从 0 到 1 的经验":解读为早期公司建设经历。
- "上市公司背景":从公司数据推断组织背景。
第 5 步:交付候选人名单
你会收到一份精选名单,包含:
- 候选人姓名、当前职位、公司和所在地。
- 工作年限。
- AI 生成的资质和匹配度摘要。
- 完整的工作经历和教育背景。
- 联系方式,LinkedIn(必有),有数据时显示邮箱和电话。
- 可下载的数据文件。
第 6 步:迭代
继续对话:
- 要求更多候选人。
- 调整条件("也包括阿姆斯特丹"、"偏好创业公司背景")。
- 为其他职位发起新的搜索。
每个任务都保存在侧边栏中,随时可以回顾。