# 搜索筛选与标准

Source: https://docs.mira.day/zh/docs/agent-sourcing/search-filters-and-criteria

> 了解 Mira 中硬性筛选条件和 AI 标准的区别。



当你向 Mira 描述一个职位时，你的需求会以两种方式被处理：**硬性筛选条件**和**AI 标准**。理解两者的区别有助于你写出更好的描述，获得更精准的候选人列表。

***

硬性筛选条件 vs. AI 标准 [#硬性筛选条件-vs-ai-标准]

|          | 硬性筛选条件             | AI 标准                    |
| -------- | ------------------ | ------------------------ |
| **作用**   | 严格包含或排除候选人         | 影响排名和匹配分析                |
| **示例**   | 地点、语言、最低工作年限       | "创业基因"、"有从0到1的经验"、公司类型偏好 |
| **工作方式** | 二元判断：候选人要么通过，要么不通过 | 梯度排序：候选人按匹配程度排序          |
| **适用场景** | 不可协商的硬性要求          | 允许灵活处理的强偏好               |

硬性筛选条件 [#硬性筛选条件]

这些是候选人必须满足的要求。不符合硬性筛选条件的候选人不会出现在你的候选人列表中：

* **地点**："必须在柏林"：仅显示柏林的候选人。
* **语言**："必须会说德语"：仅显示会说德语的候选人。
* **最低经验**："至少5年"：排除经验不足的候选人。

AI 标准 [#ai-标准]

这些是MRE通过推理评估的偏好。匹配这些标准的候选人排名更高，但部分匹配的候选人仍然可能出现：

* **公司类型**："最好来自高增长的创业公司"：创业公司背景的候选人排名更高，但其他背景的优秀候选人也会展示。
* **隐性资质**："从零组建过团队"：MRE会在整个职业履历中寻找领导力模式。
* **文化信号**："有拼劲、注重实操"：MRE识别来自通常培养这些特质的环境的候选人。

澄清表单如何使用两者 [#澄清表单如何使用两者]

当智能体在你初始输入后生成澄清表单时，实际上是在将你的需求分为硬性筛选条件和 AI 标准：

* **资历级别** → 根据你的选择设为硬性筛选条件或强 AI 标准。
* **候选人数量** → 控制搜索范围。
* **公司类型偏好** → 设为排名用的 AI 标准。

建议 [#建议]

* **尽量少用硬性筛选条件。** 看到第一批候选人列表后随时可以收窄。过早设置过多筛选可能会排除优秀候选人。
* **将"最好有"的条件设为 AI 标准。** 不要说"必须来自创业公司"，试试"最好来自创业公司"：你可能会发现来自意想不到背景的优秀候选人。
* **在对话中持续优化。** 看到结果后，告诉智能体："只展示创业公司的候选人"来收紧标准，或"也包含大企业背景的候选人"来放宽标准。