为什么关键词相似度经常误导求职者
同一个词出现在简历和职位描述里，不代表候选人真的具备招聘方要求的深度。例如“负责数据分析”可能只是参与过一次报表，而岗位需要独立构建指标体系。反过来，候选人的项目名称和岗位关键词不同，也不代表能力无关。
更常见的问题是硬性条件被平均掉：城市不接受、学历不满足、工作年限严重不符，却因为技能关键词重合得到一个看似不错的分数。
一个可行动的结果必须能解释。用户要知道为什么投、为什么不投，以及什么信息需要人工复核，而不是只看到“匹配度 82%”。
招聘方视角的五层判断框架
硬性资格
学历、专业、毕业时间、工作年限、城市、证书、语言和明确行业门槛。冲突通常不能靠其他高分项抵消。
能力证据
项目、职责、结果和使用过的工具。证据要来自真实简历内容，避免把一个技能名称无限外推。
方向与动机
目标岗位、行业、城市、工作形态和发展方向。即使“能做”，也要判断它是否符合候选人的真实意愿。
风险与缺口
频繁跳槽、经历断层、岗位级别跨度、关键技术未出现或职责证据过弱。风险不是自动拒绝，但应当可见。
信息缺失
职位描述模糊、薪资未说明、岗位实际团队不清楚，或简历没有足够证据。信息不足应进入 review，而不是被模型自信补全。
为什么 Job Agent 使用 selected、review、rejected
| 结果 | 代表什么 | 默认动作 | 用户如何介入 |
|---|---|---|---|
| selected | 当前证据支持进入本轮执行，且没有阻断级冲突 | 启动整轮任务后按平台顺序执行 | 可在启动前调整搜索与目标 |
| review | 存在潜在匹配，但信息不足、条件模糊或风险需要人工判断 | 默认排除，不自动投递 | 用户明确指定后才可提升 |
| rejected | 存在明确不匹配或阻断条件 | 始终排除 | 不能在同一签名结果中静默提升 |
一次平台 Discover 最多处理 100 个去重岗位。完整决策意味着每个候选岗位都必须进入一种结果，并附带匹配点、风险和理由，不能只返回一小部分推荐岗位。
个性化沟通如何避免“看起来很 AI”
- 引用与当前岗位真正相关的项目或经历，而不是重复岗位名称。
- 只使用简历中的真实证据，不自动补全公司、数字或成果。
- 控制信息密度，先表达最强匹配点，不把整份简历塞进一条招呼语。
- 针对岗位差异改变表达，不把一段模板批量发送给所有招聘方。
- 当证据不足时承认不确定，不用空泛热情掩盖缺口。
常见问题
岗位匹配分数越高就越值得投吗？
不一定。高分可能掩盖硬性冲突，也可能来自重复关键词。可靠判断需要同时展示证据、冲突与不确定项。
简历中没有写出的能力可以推断吗？
可以做有边界推断，但必须与事实分开标记，不能把可能性当成真实经历用于沟通。
review 岗位会自动投递吗？
不会。review 默认排除，只有用户明确指定后才能提升。