顾问手上有一份新简历,系统要当场回答六个问题
这套东西不是搜索框,也不是简历打分器。它做一件事:把「这个人能去哪」变成一张可以转发、可以据以行动的派发卡——哪些岗对口、岗在谁手上、是哪个客户、如果不是自己的,谁在牵头、怎么搭上线。
前一版站点是照开发顺序写的,读起来像技能流水账。这一版按顾问拿到简历那一刻重排:先给卡,再讲卡上每一行是怎么判出来的,最后讲哪几行今天还答不了。
需求的原话很短:手上有人,想知道岗在哪
这套东西是从顾问群的一张截图起的。原话说的是:手上有候选人,想知道在我们能掌握的所有岗位里,哪些最贴;这个岗是不是他自己的,是哪个客户的;如果不是他的,那是哪个顾问在牵头,或者怎么才能链接到这个客户。
这句话听起来像搜索,其实不是。搜索只回答「有哪些岗」。顾问真正卡住的是后面几层:这个岗是不是我的、不是我的该找谁、找了能不能接上。这三层今天全在人的脑子里和微信里,不在系统里。
现在拿到一份简历,实际要走四步
所以这套产品的目标不是「搜得更准」,而是把第三步和第四步消灭掉:卡上直接写清楚岗在谁手上、客户是谁、走谁的线能接上。做不到的那几行,宁可写「不知道」,也不留空让人猜。
一句话说清边界
它管「这个人现在能去哪、怎么去」。它不管面试怎么问(那是面试评估技能的事)、不管谈判怎么谈、也不替顾问决定要不要推——卡只把事实和依据摆出来,动作由人定。
一张派发卡,九行,每行都要有出处
整套系统的输出就是这张卡。它要能被直接发到群里、贴进邮件、或者当作顾问一天的待办。下面这张用真实池子里的计数渲染(候选人身份脱敏)。
issued 2026-11-20 09:14 · SLA 24h
九行里八行能填,只剩意愿那行缺字段——这也正是全公司 79% 的派发停在「先接触」的原因。这张卡的价值不在九行全满,而在于每一行都写着它是怎么来的:数字带口径、判断带依据、不知道就明写不知道。顾问看卡能自己复核,不会出现「系统说 62 个,我去数只有 20 个」这种失去信任的事。
这是渲染样例,用的是真实池子里的真实计数,候选人信息做了脱敏。卡上「待接」的三行对应第 03 节表里标红的三行,也是第 12 节要先做的第一件事。
六个问题,六条判定,三条跑通三条待接
卡上九行背后是六个判定。每个判定都要回答三件事:靠什么数据、现在能判到什么程度、判不出来时卡上写什么。
| 问题 | 靠什么判 | 实测到什么程度 | 状态 |
|---|---|---|---|
| 一、这人属于哪个职能、哪个职级带 | 词表 473 个职能词、1,175 条别名;职级带靠标题里的层级词(总监 / 经理 / 负责人 / 副总裁…) | 简历侧 12,784 段履历:职能判出 64.9%、职级带判出 77.0% | 已通 |
| 二、我们自己手上有多少对口岗 | 岗位库 3,082 条跑门控,职能与职级带同时判出才算「可推演」 | 门控通过 916 条,落在 77 个格;判不出的 1,819 条里 92.1% 标题根本没有层级词 | 已通 |
| 三、市面上有多少同类岗 | 外部在招池,按职能 × 职级带打格,另出城市索引 | 公开市场 215 条 → 145 个需求组 / 39 格;客户委托 1,118 条 → 60 格,两源零重叠、分池计数 | 已通 |
| 四、这些岗里哪个是我的 | 读职位的「对接顾问姓名」,与查询人文本比对,产出「我名下几个」 | 916 条可门控岗里 815 条有对接顾问(89.0%);财务 G7 实跑:62 个开口分在 21 位顾问手上,查询人 0 个 | 已通 |
| 五、是哪个客户的 | 岗位「关联客户」→ 客户表,取客户名 | 916 条可门控岗 100% 有客户关联,客户表 1,359 条全部 join 得上;财务 G7 落到 12 家客户 | 已通 |
| 六、不是我的,怎么接上 | 第一步「找谁」已有答案(守岗顾问排名);第二步「怎么开口」要用 BD 人脉路径 | 「找谁」已进卡;「谁和这家客户有交情、话怎么递」还没接 | 半条 |
前五条今天都能答,前三条靠算法,第四第五条靠读字段——它们本质是组织数据问题,不是模型问题。原来以为归属要新建一套数据,实测发现两个字段一直在库里,只是没人读出来。
真正还差的只剩第六条的后半段:知道该找 Lily Wang,不等于递得进去。谁和这家客户有交情、用什么由头开口、对方最近在忙什么,这些还散在人脑和群里。这是下一版要接的 BD 人脉路径层。
不用简历文本相似度,用职能 × 职级带门控
做这类系统最顺手的做法是:把简历和 JD 都转成向量算相似度,取前 N 个。我们试过,结论是不能用。
文本相似度(放弃)
在真实「推没推」记录上做判别,AUC 0.483。0.5 是瞎猜,0.483 说明比瞎猜还差一点。
原因不难理解:JD 和简历都在堆同一批词(沟通能力、跨部门协作、财务分析),相似度高只说明两份文本都用了套话,不说明这个人适合这个岗。
格匹配(在用)
把人和岗都归到职能序列 × 职级带两维上,格对上了才算对口。可解释、可反驳、可复算。
代价是覆盖率:判不出职能或带的人和岗直接落空,不硬凑。这个代价接受,因为算错比算不出来更糟。
词表是这套方法的地基,覆盖率都实测过
| 口径 | 覆盖 | 说明 |
|---|---|---|
| 简历侧 · 总和口径 | 88.2% | 一段履历里有一个能力词被认出来就算命中 |
| 简历侧 · 严格口径 | 74.3% | 该段履历的主要能力词都要认出来 |
| JD 侧 · 需求句 | 71.8% | 314 条 JD 切出 2,223 句需求句,单份中位 80% |
| 职能序列(简历履历) | 64.9% | 12,784 段里判出 8,291 段 |
| 职级带(简历履历) | 77.0% | 主要靠标题里的层级词,天花板就在这里 |
有一个数不太符合直觉:职级带比职能更容易判。因为职能词要靠语义(「战略投资」算财务还是算战略,人也要想一下),职级词是硬标记(带「总监」就是 G7)。真正难的是那些什么层级词都没有的标题。
3,082 条在招岗位,能门控的只有 916 条
岗位库是全公司岗位需求的总库:客户 1,262 家、需求期 2,159 条、职位 3,082 条。要做匹配,先得判出每条职位属于哪个职能、哪个职级带。
| 项 | 条数 | 占比 | 备注 |
|---|---|---|---|
| 职位总数 | 3,082 | — | 原表「职能」「职级」两列 99.7% 是空的 |
| 判出职能序列 | 1,965 | 63.8% | |
| 判出职级带 | 1,263 | 41.0% | 这是天花板,不是这一版的失误 |
| 两项都判出(可门控) | 916 | — | 落在 77 个格,是内部机会的全部来源 |
| 缺职级带 | 1,819 | 59.0% | 其中 1,675 条(92.1%)标题里一个层级词都没有 |
| 职能未识别 | 1,117 | 36.2% | 多为「项目经理」「负责人」这类跨序列标题 |
| 已判为最高带 | 231 | — | G9,路径推演到此为止 |
为什么不去把 1,819 条缺带补上
这件事认真算过一次,结论是补不动。1,819 条缺带职位里,1,675 条(92.1%)的标题没有任何层级词——「项目经理」「高级顾问」「财务」这种。要靠 JD 正文去推,但正文里也很少写「这条岗是总监级」。
按最乐观的假设:能补的 1,114 条全部补齐,覆盖率从 41.0% 只到 45.7%。花的是人工逐条看图的时间,换来 4.7 个百分点。所以这一版的判断是不补,改录入口径:新岗位入库时就要求填职级带,历史数据不追。
一个真实查询长什么样
拿「财务共享中心总监 · G7」去查内部库:62 个对口在招岗(G7 24 个、G6 31 个、G8 7 个)。这个数顾问可以在 Gllue 里复核——卡不制造新数字,只是把散在各处的数字合起来。
岗在谁手上:89% 的开口能报出对接顾问,100% 能报出客户
这一层原来以为要新建数据,结果不用——岗位库里两个字段一直在,只是没读。一个是「对接顾问姓名」(文本),一个是「关联客户」(指向客户表)。接进卡片之后,顾问最关心的那三句话就有了答案。
| 字段 | 有值 | 覆盖率 | 能不能进卡 |
|---|---|---|---|
| 对接顾问姓名(文本) | 2,691 | 87.3% | 可以 320 种写法,无大小写重名 |
| 对接顾问(人员字段) | 0 | 0% | 不能 姓名没绑飞书账号,只能按文本比 |
| 关联客户(指向客户表) | 3,082 | 100% | 可以 客户表 1,359 条,全部 join 得上 |
| 主责团队 / 协同团队 | 8 / 5 | 0.3% / 0.2% | 不能 团队级归属基本没录 |
| 流程状态 | 8 | 0.3% | 不能 搜不到「这岗进行到哪」 |
只看能门控的那 916 条:815 条有对接顾问(89.0%),101 条是空的;客户 916 条全部有。也就是说「有哪些岗」和「是哪个客户」这两层数据是齐的,「谁在推」缺一成。
跑一遍真实查询:62 个开口,一个都不在你名下
还是财务共享中心总监 G7 那位候选人,查询人写「Johnson Xue」:
| 项 | 结果 |
|---|---|
| 开口数 | 62 个(G7 24 / G6 31 / G8 7) |
| 分布在几位顾问手上 | 21 位 |
| 头部 | Lily Wang 13 个 · Ivy Rao 7 个 · Dina He 5 个 · Andy YANG 2 个 |
| 没填对接顾问 | 10 个 |
| 查询人名下 | 0 个 |
| 涉及客户 | 12 家,如 老乡鸡、九方智投、瑞云互联(北京)冷链物流 |
卡片因此改了说法:从「推」改成「有 62 个开口,但都不在你名下,先找 Lily Wang、Ivy Rao 等牵头的顾问借道」。动作还是推——岗是真的,只是路径要走别人的线。这个状态单独有个降级码 owned_by_others,跟「没开口」分开记,因为下一步完全不同:一个是找人借道,一个是去找客户。
并入客户委托岗之后:62 涨到 83,但两套名字对不上
客户委托给我们的岗(飞书招聘猎头端 1,118 条,门控后 587 条有职能+职级带)也是开口,只是没进 ATS。按同一套「职能 × 职级带」并进索引后,同一位候选人看到的开口从 62 涨到 83:
| 口径 | 开口 | G7 / G6 / G8 | 有主顾问 | 无归属 |
|---|---|---|---|---|
| 只看 ATS | 62 | 24 / 31 / 7 | 21 位 | 10 |
| 并入客户委托岗 | 83 | 27 / 48 / 8 | 36 位 | 10 |
两个坑。一是职级带前缀:索引里的带写的是 G7,客户委托侧若写成 7,并表会造出两份同格,开口数看着没变——这类错不报错。二是两套名字零重叠:ATS 侧 162 位顾问全是英文名,猎头端 360 位全是中文名,并起来 522 人。同一个人两边各算一次,所以「36 位顾问」只能当量级看,不能当人数;查询人 Johnson Xue 在 ATS 名下有 8 个岗,猎头端查无此名。
修法在组织录入侧:从通讯录拉全员姓名加英文名做映射,把姓名绑到 open_id。这一步做完,归属数才是人数,不是写法数。
三个跟直觉不一样的数
- 一格多人共持是常态。77 个格里 49 格有 3 位以上顾问在推。「是不是我的」不是一个是/否,而是「你在这 N 人里排第几」。
- 开口高度集中。199 位顾问持有这 815 个岗,31 人手上 ≥5 个,3 人 ≥20(Lily Wang 146、Ivy Rao 70、Sharon LUO 27)。所以「开口很多」常常等于「某几个人手上很多」,卡片必须同时给人数,否则顾问会以为市场很宽。
- 姓名是纯文本。改花名、中英文写法不一致,都会让「我名下」算成 0。这一层最容易误判的地方不是数据没接,是名字对不上。
还没做的一条:把姓名绑到飞书账号(人员字段 0% 那行)。绑上之后「是不是我的」从文本比变成身份比,也不会因为改名丢归属。这是组织录入侧的活,不是算法活。
外部池两个源:公开市场 215 条,客户委托 1,118 条
内部库不够的时候要向外看:这个人如果今天离职,市面上有没有同类岗。这块接的是猎聘公开搜索,抓回来按同一套口径打格。
第一件事是把「条数」换成「需求组」
平台上同一个岗会在多个城市、多个时间各挂一次。按条数报会把格灌虚——215 条里实际只有 145 个需求,条数高估了 33%。所以每格给两个计数:挂出来的条数(工作量参考)和需求组数(真实机会)。
去重口径:同品牌 + 同归一岗名算一组,城市额外统计。跨城同岗有 7 组 19 条——一家咨询公司的人力咨询总监同时挂 6 个城市,那不是 6 个机会,是 1 个。
池子现状
| 维度 | 结果 | 说明 |
|---|---|---|
| 条数 / 需求组 / 格 | 215 / 145 / 39 | n≥5 的格 12 个,其余是薄格 |
| 品牌 / 职能 / 职级带覆盖 | 204(94.9%)/ 194(90.2%)/ 168(78.1%) | 匿名岗(「某知名公司」)不挂品牌,否则会长出假品牌 |
| 城市分布 | 32 个城市 | 上海 69 · 北京 53 · 深圳 30 · 杭州 17 · 广州 6 |
| 厚格头部 | 销售 G7 40 条 / 财务 G7 26 条 / 人力 G7 17 条 | 都集中在总监层,公开渠道偏中高端 |
每个查询词先算落格率,再决定加不加页
扩量的本能是加页,但一页固定 20 条,词选错时加页只是把噪声按比例放大。所以先算「抓回 20 条里,几条真的落进目标格」:
| 城市 · 格 · 查询词 | 抓回 | 落格 | 落格率 | 处理 |
|---|---|---|---|---|
| 深圳 · 销售 G7「大客户销售总监」 | 19 | 15 | 79% | 可加页 |
| 北京 · 销售 G7「销售总监」 | 20 | 13 | 65% | 勉强,先修规则 |
| 上海 · 销售 G7「销售总监」 | 20 | 12 | 60% | 勉强 |
| 上海 · 财务 G7「财务总监」 | 19 | 10 | 53% | 勉强 |
| 深圳 · 销售 G7「销售总监」 | 20 | 7 | 35% | 进黑名单,换词 |
| 北京 · 财务 G7「财务总监」 | 20 | 7 | 35% | 进黑名单,换词 |
| 深圳 · 销售 G7「区域销售总监」 | 20 | 4 | 20% | 进黑名单(比原词更差) |
两条结论。一是同一个词在不同城市差别很大:销售总监上海 60%、深圳 35%。所以黑名单按「城市 + 词」记,不按词记,否则会把上海的可用词一起废掉。二是换个近义词不等于变好:同格换成「区域销售总监」只有 20%,抓回来的多是「省区经理」。
也有换不到好词的格
北京财务 G7 连换三个词,三个词各有一种病:
| 查询词 | 抓回 | 落格 | 病在哪 |
|---|---|---|---|
| 财务总监 | 20 | 7 | 混进财务经理、税务、商业分析 |
| 财务负责人 | 20 | 5 | 多是下一层岗,比原词更差 |
| 财务共享中心总监 | 4 | 3 | 词很准,但总共 4 条(全是匿名岗),没有第二页 |
这一格最后取「财务共享中心总监」:宁可少拿几条干净需求,也不拿 20 条里 14 条进错格的噪声。要变厚只能补新词,加页没有用。第三行不给百分比——4 条样本算比率没意义,工具对不足 10 条的批次只报计数。
第二个源接上了:飞书招聘猎头端 1,118 条
公开市场池之外,客户自己委托给我们的岗一直躺在飞书招聘猎头端里,没进 ATS,也没进外部池。这批已经拉回 JD Data HQ 并归一:1,118 条、143 家客户、41 个城市,品牌与城市 100% 有值。
| 源 | 条数 | 格 | n≥5 | 需求组 | 职能 / 带覆盖 |
|---|---|---|---|---|---|
| 飞书招聘猎头端(客户委托) | 1,118 | 60 | 21 | 1,110 | 80.86% / 60.38% |
| 猎聘公开池(公开市场) | 215 | 39 | 8 | 145 | 90.2% / 78.1% |
| 合并视图 | 1,333 | 65 | 28 | — | — |
三个结论。
一是两源零重叠。品牌交集 0,连「名字互相包含」的近似对也是 0。不是数据错,是客群不同层:猎头端是 CGL 客户库的全称大客户,猎聘池是查询词命中的中小企业简称。所以跨源去重不能按品牌串比,要合必须先过公司别名表或工商实体。
二是互补,不是重复。仅猎头端有的格 35 个、仅猎聘 5 个、两源共有 25 个。方向正好相反:tech G2 猎头端 168 条、猎聘 5 条(客户委托偏执行层技术岗);sales G7 猎头端 13 条、猎聘 40 条(公开市场偏中高层销售)。
三是分池计数,不并进同一个外部开口。猎头端这批是「客户委托了但没进 ATS」,语义更接近内部开口;混进公开市场池会让外部开口从 215 虚增到 1,333。所以推演卡默认仍吃猎聘池,合并视图只在看板或显式传参时用。
两处口径差要记住:猎头端需求组 1,110 / 1,118(重复率 0.7%,一个岗位就是一个需求),猎聘 145 / 215(33%),同一套口径算出这两个数都对;猎头端薪资只 223 条有数、895 条面议,合并后算薪资中位 n 会骤降,样本不足 10 条仍只报计数。
括号去噪只能走白名单
猎头端 30.1% 的标题带括号注释。三轮对照说明「一刀切去括号」是错的:
| 口径 | 职能覆盖 | 职级带覆盖 | 判断 |
|---|---|---|---|
| 原始标题 | 80.95% | 60.38% | 基线 |
| 全量去括号(337 条) | 79.52% | 60.29% | 回退,5 条改错 |
| 只去噪声括号(21 条) | 80.86% | 60.38% | 6 条全改对,0 条改错 |
原因是括号里两种东西混在一起。(Product Marketing)、(Agent RL 训练方向) 是职能信号,去掉就把 Head of Growth 读成产品;(保密招聘) 是招聘状态,但里面的「招聘」先命中人力规则,于是供应链负责人、品牌负责人、GR 负责人全被判成人力资源。所以只剥「保密招聘 / 急招 / 热招 / 高薪 / 双休 / 五险一金」这类噪声词,其余括号保留。
加新源不再改代码
接第二源没有另写一套归一:任意平台的导出表(CSV/TSV/JSONL)交给适配器翻译成七个字段,然后走同一套归一。实测拿 40 条真实岗造成飞书形状的导出(中文业务表头、含多城写法与缺薪资),表头 9/9 全接上,归一后 40 条全落,30 余条的职能、职级带、品牌与基准零差异。这个零差异才是验收标准——同一个岗从两个源进来落到同一格,否则池子里的数就不能比。
卡片最后要给一个动作,不是给一个分数
顾问看完卡要能立刻决定做什么。所以输出不是「匹配度 87 分」,而是八种状态里的一个,配一个动作和一个时限(24 到 720 小时)。
判定顺序固定,命中即停
拿真实台账跑一遍:79% 的人第一动作是「去接触」
| 动作 | 人数 | 占比 | 含义 |
|---|---|---|---|
| 先接触(contact_first) | 2,059 | 79.3% | 有对口岗,但缺意愿信息,只能先建立联系 |
| 补数据(backfill) | 536 | 20.7% | 判不出职能或带,先补录再判 |
| 其余六种动作 | 0 | 0% | 推进、要岗、建客户等全部没有触发 |
最有信息量的是第三行:一个人都没进「推进」。原因不是没岗——其中 1,369 人(53%)手上有内部开口——而是意愿字段全是空的,判定链在第四步停住了。
这批 2,595 人是接归属层之前跑的,所以没有「借道」这一档。接上之后,其中相当一部分会从「先接触」改成「借道推」——动作变了,工作量没变,但顾问知道该敲谁的门。
这件事对产品的意义很大:匹配做得再准,只要意愿不录,系统就只会输出「去联系一下」,等于把顾问的工作从「判断」降级成「群发」。所以意愿字段不是锦上添花,是这套东西能不能推进的分水岭。而它只需要三个值:地点、薪资、级别。
现在还不知道准不准,因为一条结果都没回填
一套派发系统最容易自欺的地方,是拿「推了多少」当成绩。真正要看的是推了之后发生了什么,所以这一层单独做:事件回填加四个指标。
四个指标,各有明确分母
| 指标 | 定义 | 分母 |
|---|---|---|
| 回填缺口率 | 该有后续事件的派发里,实际没回填的比例 | 全部派发 |
| 推进率 | 阶段走到推荐 / 面试及以上的比例 | 有回填的派发 |
| 成单率 | 走到入职 / 成单的比例 | 有回填的派发 |
| 首事件周期 | 派出到第一个后续事件的天数 | 有回填的派发 |
样本门槛跟落格率那边统一:n≥30 报点值,10–29 报 Wilson 区间,n<10 只报计数。这条不是为了让数字好看,是为了避免「3 个人推成 1 个,成单率 33%」这种把人带偏的结论。
真实现状:回填 0 行
拿 2,595 行真实派发台账算,as of 2026-11-20:回填 0 行、缺口率 1.0。工具在这种情况下不报「命中率 0%」,而是报「计数 0/0」——0/0 不是 0%,是没有数据。
工具本身验过:80 条合成事件跑通,推进率 0.625、成单率 0.125、缺口率 0.9692,阶段只进不退,终局不改只记冲突。所以缺的不是能力,是谁来填没定——顾问自填,还是定时从 ATS 拉,两条路都还没选。
这一节是整份方案里最不体面的一节,但必须留着。没有回填,前面所有匹配、派发、路径推演都无法证明有用;有了回填,才有资格说「这套东西把命中率从多少提到了多少」。
五条不能越的线
这些不是免责声明,是使用时会真踩到的坑,每条都有实测依据。
- 外部岗不等于真在招。平台上的挂岗可能已经停了。所有外部数字必须带抓取日期,超过 30 天按过期处理,卡上写「外部口径,未核实」。
- 匿名岗不挂品牌。「某知名上市公司」如果强行归一,会长出一个假品牌,下次统计就多一家不存在的客户。宁可品牌留空。
- 归属这一行还没验证。没有真实覆盖率之前,不能在卡上猜「这岗大概是某顾问的」。猜错一次,顾问就不会再信这张卡。
- 意愿不录,推荐会退化成群发。这是 2,595 人批次给出的结论:缺意愿,79% 只能「先接触」。
- 小样本不给百分比。4 条落 3 条不是 75%,是「4 条里 3 条」。门槛统一在 10 和 30 两条线上。
做到哪一步:卡的上半张能用,下半张还空着
按「一张卡九行」对进度,比按功能列表对更诚实。
| 卡上的行 | 现在 | 差什么 |
|---|---|---|
| 职能 × 带 | 已通 | 「XX 负责人」会偏一格,已登记未修 |
| 内部开口 | 已通 | 只能覆盖 916 条可门控岗位 |
| 外部开口 | 已通 | 猎聘 + 飞书招聘猎头端两源已通;两源品牌未过实体对齐,暂不并池 |
| 是不是我的 | 已通 | 按姓名文本比,改名会丢;要绑飞书账号 |
| 哪个客户 | 已通 | 客户名已进卡,客户等级/状态还没用 |
| 谁在牵头 | 已通 | 守岗顾问排名已进卡;引荐路径未接 |
| 意愿 | 缺字段 | 只要地点、薪资、级别三个值 |
| 建议动作 | 已通 | 八状态七动作,判定顺序固定 |
| 依据与时效 | 已通 | 外部数字强制带抓取日期 |
归属做完之后,瓶颈换位置了:不再是「不知道找谁」,而是「知道找谁但递不进去」。这也是产品下一段的重点从匹配转到协作——一个内部引荐的需求池。
支撑这张卡的八个技能,都已上企业技能库
这张卡不是一次性脚本堆出来的。每个判定都固化成了一个可复用技能,同事装上就能跑同一套口径。
| 技能 | 负责卡上的哪一行 | 线上版本 |
|---|---|---|
| cgl-level-matrix | 职能 × 职级带归一、向上一步、岗位库门控回写 | 1.0.3 |
| cgl-skill-taxonomy | 能力词表(473 词 / 1,175 别名),简历与 JD 两侧对齐 | 1.0.2 |
| cgl-career-path | 路径推演与机会轴(内部 + 外部 + 同城 + 归属) | 1.0.6 |
| cgl-dispatch-router | 八状态七动作、SLA、判定顺序 | 1.0.0 |
| cgl-result-loop | 事件回填与四个指标 | 1.0.0 |
| cgl-external-jobs | 外部在招池:归一、打格、落格率、加源 | 1.0.8 |
| cgl-jd-hub | 岗位库本体(八张表、视图、增量监控) | 在用 |
| cgl-bd-network-path | 内部人脉路径:谁能碰到这家客户 | 在用(未接卡) |
这一版做完的三件事
- 归属层接进机会轴。岗位索引多五列(守岗人、人数、无主数、客户、客户数),查询多一个
--me,卡片多出客户行与归属行;新增owned_by_others降级,把「有岗但不是你的」和「没岗」分开。路径推演升到 1.0.6。 - 加源适配器。任意平台导出表一条命令接入,内置猎聘 / 飞书招聘猎头端 / BOSS 三套表头别名;同一批岗两个源进来零差异。
- 落格率加小样本门槛。不足 10 条不下比率结论,与回填指标同一套口径;外部岗位源 1.0.8 含需求组双计数、城市索引、备选词与黑名单。
下一版做四件事
顺序不能换。姓名不绑,归属随时会错;引荐不接,「找谁」只解决一半;意愿不录,有岗也只能群发。四件都到位,回填才有意义——否则算出来的推进率是拿来看的,不是用来改的。
数据截止 2026-11-20。站上每个数字都能在技能包里的脚本重跑出来:简历侧 2,595 份、岗位库 3,082 条、外部池 1,333 条(公开市场 215 + 客户委托 1,118)、台账 2,595 行、归属 815/916。口径与门槛写在外部队列技能的 00-external-contract.md、结果回填技能的 00-metrics-contract.md 与路径推演技能的 00-card-contract.md。