重建可搜索画像
把历史简历解析为稳定、可追溯的经历与技能证据。
招聘问题
大多数人才库只支持姓名、标签和关键词搜索。候选人的经验会变化，岗位定义也会变化；旧标签无法解释一个人为什么适合今天的岗位，招聘人员因而倾向重新去外部平台搜索。
Aimme 如何处理
把招聘判断拆成可以检查的步骤
应用当前岗位标准
使用今天确认的职责和门槛重新匹配，不依赖过去的岗位标签。
保留关系上下文
结合过往沟通、面试与拒绝原因，避免不合适的重复触达。
识别资料时效
标记可能过期的公司、职位、地点和联系方式，安排补充验证。
从问题到可复核结果
保留上下文，也保留停止和复核的机会
-
01
选择人才范围
确定团队、岗位家族、时间范围和允许使用的数据。
-
02
清理与归并
处理重复简历、同一人的多个版本和不完整身份。
-
03
重新匹配
对当前岗位生成证据矩阵，而不是复用旧分数。
-
04
确认再激活
招聘人员复核关系历史、匹配理由和联系方式后决定是否触达。
为什么结果值得复核
不把模型的流畅表达当成事实
- 保留简历版本和最近更新时间，避免新旧信息混用。
- 历史拒绝原因与当前岗位判断分开，不把过去结果永久固化。
- 再发现结果解释哪些新要求触发了相关性。
- 候选人触达前检查退订、无效联系方式和团队已有沟通。
适用边界
明确系统做什么，也明确它不做什么
- Aimme 不根据姓名、性别、年龄、民族等受保护特征推荐候选人。
- 模型输出是招聘辅助信息，不构成录用、拒绝或薪酬决定。
- 证据不足、来源冲突或硬性条件未知时，系统应明确标记并交由人工核验。
- 候选人数据由客户控制，不用于训练公共模型；团队需要按适用法律和平台规则使用数据。
常见问题
先回答最重要的问题
人才库盘活和普通简历搜索有什么区别？
普通搜索主要返回包含关键词的记录；盘活需要结合当前岗位重新评估、处理身份和资料时效，并考虑历史关系。
过去被拒绝的候选人还能重新考虑吗？
可以，但需要区分当时岗位、拒绝原因和当前要求。Aimme 保留历史上下文，由招聘团队决定是否重新联系。
如何衡量盘活效果？
建议跟踪可匹配候选人覆盖率、有效联系方式比例、复核通过率、触达回复率和最终进入面试的人数。