同义表达搜不到
岗位要求和简历里的表述方式不同，只按关键词检索时，写法不一致的合适人才容易被漏看。
为什么需要
关键词能搜到词，却读不懂经历
匹配要解决的是「谁更值得先看」，而不是替你判断谁一定合适。
人才库沉睡
历史积累的简历越多，靠人工翻找越不现实，已有资源难以在新岗位上被重新利用。
推荐说不清理由
如果推荐结果没有依据说明，招聘人员无法判断是否值得细看，也不会长期信任这个工具。
数据来自哪里
匹配依赖你已有的职位库与人才库
没有可用的数据基础时，先补齐数据结构，再讨论匹配方案。
- 职位库
- 岗位名称、职责描述、任职要求与用人偏好。描述越具体，匹配依据越明确。
- 人才库
- 简历与人才字段，包括教育、工作、项目经历与技能。可先通过简历解析补齐结构。
- 业务权重
- 哪些要求属于硬性门槛、哪些可以放宽，由你的用人标准定义并可随时调整。
- 使用反馈
- 招聘人员对推荐结果的采纳与否，用于调整权重与规则，属于持续优化范围。
匹配依据
系统在比较哪些信息
依据由业务定义并可调整，不采用可能导致违法歧视的敏感条件。
- 岗位职责与工作经历内容的相关性
- 技能项、证书与岗位要求的对应关系
- 经验年限、学历层次等结构化条件的命中情况
- 行业与业务方向的接近程度
- 期望城市、期望岗位等求职意向字段
- 由业务定义的加权规则与排除条件
处理过程
匹配在业务流程中的位置
第 1 步：接入职位库与人才库
通过产品内置数据或接口读取岗位与人才信息，确认字段含义与数据授权范围。
阶段产出：字段映射说明与数据接入方案
第 2 步：结构对齐与补齐
把岗位要求和人才字段对齐到同一套结构，标记缺失严重、暂不参与匹配的数据。
阶段产出：可参与匹配的数据范围
第 3 步：辅助匹配计算
结合结构化条件与文本语义相关性计算参考程度，并记录每条推荐的主要依据。
阶段产出：候选推荐集合与依据记录
第 4 步：输出推荐排序
按参考程度排列并附依据说明，供招聘人员决定先查看哪些候选人或哪些岗位。
阶段产出：带依据说明的推荐排序
第 5 步：人工确认与反馈
招聘人员查看原始简历后确认，采纳情况回流用于调整权重和规则。
阶段产出：人工确认记录与调整方向
输出与解释
推荐结果如何被理解和核对
- 推荐排序
- 按参考程度排列的候选人或岗位顺序，用于决定查看优先级。
- 匹配依据说明
- 列出这条推荐主要依据哪些条件和经历，便于人工快速判断。
- 差异提示
- 标出未满足或信息缺失的要求，提示需要在沟通中确认的内容。
- 可回看记录
- 推荐结果与人工处理动作留痕，便于复盘推荐是否贴合真实用人标准。
数据量与质量要求
匹配效果的上限由数据决定
- 岗位描述具体：职责与要求可判断，避免只有一句话的岗位
- 人才字段规整：关键经历与技能有稳定的取值口径
- 有一定数据规模：样本过少时排序参考价值有限
- 重复数据可识别：同一候选人的多份简历需要能够合并或去重
- 数据授权明确：使用范围与留存方式已经确认
- 有反馈通道：招聘人员的采纳情况能回流用于调整
接入方式
产品内置、接口接入，还是项目定制
- 产品内置
- 在迈旗人才招聘平台系统的业务流程中直接使用已产品化的能力，随产品版本更新，范围以版本说明为准。
- 接口接入
- 通过接口把能力接到你现有的系统或流程中，接口范围、调用方式与联调排期在方案中约定。
- 项目定制
- 标准能力覆盖不到的流程、字段和数据环境，通过招聘业务 AI 定制先做场景与数据评估，再确定实现方式。
常见问题
数据、接入与效果评估的决策问题
人岗匹配需要什么数据？
需要可用的职位库与人才库：岗位职责与任职要求、人才的教育与工作经历、技能项等字段，以及数据使用授权。字段不规整时，通常先用简历解析补齐结构。
数据量太少可以用吗？
可以先做小范围试算，但要如实说明：样本过少时推荐排序的参考价值有限。我们会在数据评估阶段判断你的数据是否足够支撑匹配场景，而不是先接入再解释。
怎么接入我们已有的系统？
可以在迈旗人才招聘平台系统中直接使用，也可以通过接口读取你现有的职位库与人才库，把推荐结果输出到你使用的界面。接口范围与联调方式在方案中约定。
推荐结果可以直接当作录用依据吗？
不可以。输出是推荐排序和依据说明，不是匹配结论，也不承诺完全自动化。招聘人员需要查看原始简历并结合沟通判断，AI 的作用是减少漏看和翻找成本。
人才数据如何保护？
支持部署在你可控的环境中；数据使用范围、存储位置、留存与删除方式在方案与合同中写明。验证阶段优先使用脱敏样本，不使用未获授权的候选人数据。
怎么评估匹配效果？
用你自己的历史岗位与人才数据做回溯对照：看推荐前列中被人工采纳的比例、过去成功入职的候选人是否被推荐出来，以及找人时长的变化。评估结论以你的样本为准。