# Mira 的工作原理

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

> 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 [#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） [#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 [#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 [#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 [#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 [#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。

下一步 [#下一步]

* [核心概念](/zh/docs/overview/key-concepts)：智能体、候选人短名单等术语解释。
* [快速上手](/zh/docs/getting-started/quick-start)：运行你的第一个搜寻任务。