CGL 人才匹配模型改版v3.1 · 讨论稿

简历搜索为什么不准,
以及底层逻辑要怎么换

问题不在权重。把标题、年限、公司、技能放进一个加权公式里,无论怎么调,结果都贴着随机线走。这份文档把「匹配」拆成三个可以分别验证、也可以分别失败的对象:进不进得去、做没做过、会不会动。然后用它们拼出一批值得顾问打电话的人。

21 / 410 / 87职位 / 人 / 推进(回测样本)
0.483文本证据的职位内 AUC
24.2%意愿四要素的历史覆盖率
5 个成交样本反推条件
L5预测失效后的兜底出口(v3.1)
01 — 结论

先把结论放在前面

这一版不是把旧公式再调一遍。旧公式的问题是无法调:它把三个性质完全不同的东西压进了一个标量,其中两个在这个数据库里根本没有可用的数据。

判断一
不准的根源是对象错位。文本相似度衡量的是「两份文字像不像」,不是「这个人做没做过」。21 个职位的回测里,两种文本分在职位内的 AUC 是 0.459 和 0.483,都在随机线以下。方向都是反的。
判断二
目标是错的。顾问要的不是「谁最像这个岗位」,是「谁最可能被客户面、并且愿意来」。前者和后者在这个库里几乎不相关(旧排序 AUC 0.505),所以优化匹配度不会自动改善推进率。
判断三
单一分数在数学上不成立。城市、竞业、到岗窗口、薪资底线、最不能忍的事,都是不可补偿条件——某一条不满足,其他项再高也不该推。加权和会把否决项稀释成一个扣分,这正是误推的来源。
改法
拆成五层:岗位解析 → 三路召回 → 行为证据 → 处境动量 → 批次编排。前三层各自独立产出,不合并成一个分;最后输出的是带动作的四个口袋,不是排行榜。
不承诺
这一版不承诺准确率立刻提升。库里被验证过的信号只有 title 一项,其余要靠新建记录补。先把「不该推的人提前拦掉」做成确定性收益,再谈排序增益。
8.6%
871 个职位里 JD 正文可用的比例(46 个)
64.4%
已推进的人里 title 与 JD 同族的占比
23.8%
按 JD 标题筛会筛错人的岗位占比
23.1 vs 4.2
顾问寻访池与门户投递池的推进率(%)

样本口径:Gllue ATS,21 个职位、410 人、87 个推进,2026-11 扩样回测。低于 20 个职位 / 80 个推进的结论只作方向。

02 — 基线

先承认这个负结果

2026-11 做过一次扩样回测。把标题权重换成语义/文本能力分之后,Top5 命中从 32.4% 掉到 24.8%,随机基线是 25.7%。这个结果不漂亮,但它是这次重写的地基。

排序方式Top5 命中NDCG@5首个推进位职位内 AUC
旧排序(title .75 + 职级 .15 + 公司 .10)32.4%0.4023.10.505
门控 + title + 段落级文本证据24.8%0.2924.80.483
门控 + 只看段落证据(不看 title)23.8%———
词典版文本能力分(替换 title 权重)24.8%0.2934.80.459
随机基线25.7%——0.500

逐职位看:新版相对旧版赢 3、平 8、输 10。判断一个改动有没有用,必须和随机基线一起看,不能只报新模型的数。

AUC 0.500 · 随机 0.44 0.47 0.50 0.53 0.56 旧排序(title 为主) 0.505 段落级文本证据 0.483 词典版能力分 0.459 越靠左越差。两条文本信号都落在随机线左侧,说明问题不在权重配比,而在信号本身。

图表数据:2026-11 扩样回测,21 个职位 / 410 人 / 87 个推进。AUC 在同一职位内部计算,不跨职位比较。

怎么读

旧排序 Top5 能到 32.4%,同时整体 AUC 只有 0.505,两件事不矛盾:优势集中在少数几个职位(大模型算法、BD、MA),其余职位基本靠运气。平均值被少数职位拉起来了,分布很脆。这正是「有时候觉得挺准,换个岗位就崩」的来源。

03 — 诊断

四个错位,每一个都能单独致命

把回测数字拆开看,问题是四层叠加的。只修其中一层,另外三层会把它抵消掉。

一、对象错位:把「自述」当「事实」

简历是候选人写给自己的一份宣传材料。会写的人会把「参与过一个推荐系统」写成「主导亿级流量推荐架构升级」。语义模型奖励的恰恰是这种被优化过的措辞——两段文字越像,分越高,而「像」和「做过」之间没有必然关系。

这不是模型不够强。换更大的向量模型、更长的上下文,只会让「谁会写」这件事被识别得更准。要跨过去,只能换表征对象:从「文本」换到「行为事实」,即谁在什么组织里、对什么对象、做到多大规模、拿到了什么结果。

二、目标错位:优化了匹配度,没优化推进

客户会不会面一个人,取决于能力、口径、竞争、薪资、时机、内部候选人六个因素。能力只占其中一部分,而匹配分只测了能力的一个代理。所以「匹配度最高的前五个人」和「最可能被面的前五个人」可以是两份几乎不重叠的名单。

旧排序的职位内 AUC 是 0.505。这个数字的含义是:随机抽一个被推进的人和一个没被推进的人,模型有 50.5% 的概率把前者排在前面。基本等于抛硬币。

三、比较错位:跨职位、跨池子地排

21 个职位的面试率从 2.5% 到 35.7%,差 14 倍。在 A 岗位算 0.72 分的人,放到 B 岗位可能只有 0.4,但这个差异来自岗位难度,不来自候选人。把两个岗位的人放进一张榜,排出来的名次没有意义。

另一个混池是来源。顾问主动寻访的推进率 23.1%,门户投递 4.2%,差 5 倍。这两类人的行为逻辑完全不同,混在一起算命中率,会把寻访的效果冲淡,也会让模型学到「投递的人普遍不行」这种没用的规律。

四、数据错位:最需要的字段恰好最缺

模型需要的实际可用率后果
JD 正文(≥200 字)8.6%(46/871)大部分岗位无法从文本解构,只能靠标题和字段重建
意愿四要素(钱/权/情绪/背书)24.2%(22/91)意愿层没有个体数据,任何基于它的排序都只有四分之一样本
客户口径(实际接受什么人)需反查只有推荐历史,没有「为什么拒」的结构化记录
岗位是否真在招部分可用在册周数中位数 40.7 周,记录在册不等于在招

这四行解释了为什么「换个更好的模型」不会解决问题:不是算法不行,是输入里没有能区分人的东西。模型的第一件事应该是承认哪些层现在算不出来。

04 — 目标函数

要优化的不是匹配度,是一批人的期望推进数

顾问每天能打的电话是有限的。所以真正的问题不是「给所有人排名」,而是「今天这五个电话打给谁」。这是一个带预算的分配问题。

// 对职位 j、候选人 i,一次推荐最终变成推进,要连过三关 推进(i, j) = gate(i, j) · fit(i, j) · will(i, j) · role(j) + ε gate ∈ {0,1} 硬条件全过才为 1:城市 / 竞业 / 语言 / 到岗窗口 / 职级带 fit ∈ [0,1] 客户愿意见的概率,取决于行为证据与岗位口径的匹配 will ∈ [0,1] 候选人愿意接话并进入流程的概率,取决于钱/权/情绪/背书 role ∈ [0,1] 这个岗位还在、且值得投入的概率,来自准入分档与静默天数 // 一批 k 个人的目标: max E[推进 @ k] = Σi∈S fit(i,j) · will(i,j) · role(j) s.t. |S| = k, S 的证据画像多样性 ≥ d, 顾问本周可触达量 ≤ B

这个式子有三个必须讲清楚的地方。

  1. 是乘法,不是加法。fit 0.9、will 0.1 的人,期望推进是 0.09;fit 0.5、will 0.8 的人是 0.40。乘法会自动把「某一项接近零」的人压到后面,这正是加法做不到的。加法会让高适配但完全不动的人靠 fit 一项冲进前三。
  2. gate 是乘法里的 0。不是扣分,是出池。薪资差 30%、家在另一个城市、竞业期还有八个月——这些不是「稍微差一点」,是「这件事不会发生」。
  3. 多样性约束不是装饰。客户的真实口径往往没写进 JD(23.8% 的岗位按 JD 标题筛会筛错人)。每批留 1–2 个「画像不同但有可能」的人,是为了买信息:他们的反馈会告诉你客户真正在看什么。这是探索位,不是凑数。
换来的好处

目标从「像不像」换成「期望推进数」之后,模型输出的东西变了:不再是一个百分制分数,而是三个可以分别质疑的量——这个人进不进得去、做没做过、会不会动。哪一项判断错了,顾问能立刻指出来,也能被回测检验。一个百分制分数做不到这件事,因为它把三种错误混成了一个数字。

05 — 需求侧

JD 不是关键词表,是五种不同性质的对象

解构 JD 的第一步不是提关键词,是分清哪句话该进哪个层。这五种对象的可搜索性差得很远,用同一种方式处理,必然出错。

对象JD 里长什么样可搜索性进哪一层
约束「需常驻上海」「持有法律职业资格」「英语可作为工作语言」「竞业期内不考虑」高门控,直接过滤。字段可判,不通过就出池
角色「算法负责人」「区域销售总监」「汇报 CTO,带 20 人」中高门控,但必须先做职能族归一和口径校准
场景「有 SaaS 从 0 到 1 经验」「做过消费电子供应链」「熟悉医疗器械注册」中召回坐标系,不做硬过滤。分成同业/上下游/相邻三环
产出「负责推荐系统迭代,提升转化率」「搭建合规体系并通过审计」低证据层。要拆成动作-对象-规模-结果,只写理由,不进排序键
口径JD 里通常没有。它存在于客户脑子里:「其实我们想要一个能压得住工厂的人」不可搜用同客户历史推进反推;每批推荐当一次探测,反馈写回

这张表是这次改版的核心判断:现有系统把可搜索性最低的「产出」当成了主要判据(文本相似度),把可搜索性最高的「约束」当成了附加条件。顺序反了。正确的顺序是先约束出池、再角色定位、再场景扩圈,最后才用产出写理由。

一段 JD 的实际拆法

拿一段常见的写法:

「负责公司大模型应用产品的算法研发与团队管理,带领 8–12 人团队,要求 5 年以上 NLP 经验,熟悉 RAG、Agent 方向,有 To B 产品落地经验,base 上海,薪资 80–120 万。」
拆出原文处理
约束base 上海;5 年以上;薪资 80–120 万城市进 gate(但要区分可迁移);年限转成「同类事做过几年」;薪资不进 gate,进动量层的钱项
角色算法研发 + 团队管理,带 8–12 人职能族 = 算法(管理向);层级带 = 经理至总监之间;scope = 8–12 人,不是「有管理经验」这么模糊
场景大模型应用 / To B / RAG / Agent环1 做大模型应用的公司;环2 做 To B SaaS 且有 AI 团队的公司;环3 相邻的搜索/推荐团队
产出「算法研发与团队管理」太笼统,必须追问:要交付的是模型效果、还是产品上线、还是团队从 0 搭起来?三种答案对应三种完全不同的人
口径无标 [待确认]。开搜前反查该客户近 12 个月同类岗位的推进名单,看 title 分布

拆完先做一次自检:把这些条件同时满足的人,市场上有没有 10 个。没有,就回去和客户谈放宽哪一条,而不是先去搜。搜不到的时候,绝大多数情况是条件组合本身不成立。

06 — 条件处理

每个搜索条件,各有一条正确的用法

同一批条件,放在不同的层,效果完全不同。下面七项是最常被误用的。切换看具体改法。

现在怎么用

把 5–10 家目标公司填进 in-list,只搜这些人。搜完池子只有几十个人,再放宽行业,整个逻辑就散了。

更常见的是把「公司名」当成能力证明:在字节待过 = 懂推荐。

改法:从过滤器变成坐标系

三环展开。环1 直接竞对、同一业务线;环2 上下游与同技术栈;环3 相邻行业里做过同类事的人。环1 主力,环2 补量,环3 只放探索位。

必须落到部门。同一家公司不同部门的差异,大于不同公司同部门的差异。公司名要展开成「公司 · 事业部 · 团队 · 汇报线」四级,只到公司名等于没定位。

流向比任职更有信息。从目标公司出来的人去了哪、哪些团队在批量流失,比「谁在里面」更能说明这个池子的可动性。

现在怎么用

拿 JD 标题做字符串匹配或近义匹配。「高级算法工程师」和「算法负责人」被当成两个族;「技术总监」干的是算法,却进不了算法池。

实测后果:21 个职位里 5 个(23.8%)按 JD 标题筛会把客户实际接受的人挡在外面。

改法:三段式归一 + 开搜前校准

title 拆三段:职能词(算法/销售/供应链)× 层级词(高级/负责人/总监)× 范围词(带团队/带区域/带产品线)。三段分别匹配,不做整串匹配。

校准规则:翻同客户近 12 个月已推进的人,看与 JD title 同族的占比。≥50% 按 JD 走;30–50% 放宽一档,纳入相邻职能;<30% 标 gate_mismatch,弃用 title 门控,改走产出证据召回。

泛化 title 单独处理。「负责人」「manager」「invest」这类词几乎没有区分度,此时允许证据层进主排序,但要在交付里注明「本岗位 title 不具区分度」。

现在怎么用

JD 列 20 个技术词,候选人命中 15 个就算高匹配。装过 PyTorch 环境和训过千卡集群,在文本上是一样长的两个词。

把「熟悉」「了解」「精通」当成程度差异,实际只是 HR 的措辞习惯。

改法:先分类,再决定放哪一层

门槛类(外语、执业资格、合规资质、特定设备操作授权)——硬门控,没有就是没有。

可教类(工具、框架、流程、内部系统)——只做证据提示,不做筛选。会用某个框架的人两周就能学会另一个。

难教类(判断力、资源网络、从 0 搭团队、大规模系统在压力下的取舍)——这是面试要问的,不是搜索要筛的。写进面试提纲,不进召回条件。

技能要转成四元组:动作 + 对象 + 规模 + 结果。「做推荐」不是技能,「把电商推荐的 CTR 从 3% 做到 5%,日请求 2 亿」才是。

现在怎么用

「35 岁以下」「工作 5–10 年」直接写成筛选条件。看起来高效,实际上筛掉了一批最该看的人。

它有两个问题:一是把三件不同的事压在一个数字上;二是年龄段作为筛选条件本身有合规风险,很多岗位根本不需要它。

改法:拆成三个可辩护的量

经验下限——这类事必须做过几年。这是「做过」,不是「活了多少年」。用经历起止时间算,不用年龄。

阶段匹配——这个职级通常对应什么职业阶段。用晋升节奏(从工程师到总监用了几年)和当前 scope 判断,比出生年份准得多。同样是 38 岁,有人刚带第一个团队,有人已经管过 200 人。

剩余窗口——这个岗位他还能做几年。看职业轨迹的斜率,不看年龄。

执行口径:年龄字段不进任何筛选条件;如果客户坚持要,把它翻译成上面三项写进约束卡,并在交付里不展示年龄,只写经验年限。

现在怎么用

按候选人现薪区间过滤,只留落在岗位带宽内的人。结果是把「现薪低但值这个价」的人全部滤掉,也漏掉「愿意平薪换平台」的人。

改法:从筛选条件改成动量变量

薪资是意愿变量,不是能力变量。它决定「他会不会接这个电话」,不决定「他做不做得成」。

看三件事:涨幅下限(低于多少不考虑)、结构(base / 奖金 / 期权,他在意哪一块)、以及现薪与岗位带宽的差。差得太多不是排除,是标注「涨幅过大,动机需要确认」——这类人往往有其他诉求(权、平台、稳定性),正好是触达话术的入口。

现在怎么用

按现居城市过滤,「异地不考虑」。这样会漏掉两类人:家在本地、人在外地想回来的;以及人在本地、家在外地、随时会走的。

改法:看家庭约束,不看现居地

分三档:本地稳定 / 可迁移(有明确回流或 relocation 意愿)/ 明确不动。判断依据是家庭所在地、子女教育、房贷,不是简历上的城市字段。

远程与混合办公的岗位要单独处理,城市几乎不构成约束,此时把 gate 换成「时区重叠小时数」。

现在怎么用

JD 写「本科以上」就设成本科以上,写「英语流利」就按四六级筛。前者经常是模板话,后者经常是真实需求。

改法:先用历史数据验证这一条到底卡不卡

翻同客户已推进名单里的学历分布。如果存在专科推进案例,说明这条不是硬约束,降级为偏好。

语言要分开看:工作语言(每天开会、写文档用)是真门控,必须验证;证书型语言(四六级、雅思分数)只是代理,用经历里的实际使用场景替代。

一条通则

每个条件先问一句:这条不过,是「差一点」还是「不会发生」。差一点的进加权,不会发生的进门控。现在系统里几乎所有条件都被当成了「差一点」,这是误推最直接的来源。

07 — 召回

三路召回并行,分数不许串层

召回的目标是把人找全,不是把人排对。这两件事由不同的机制负责,一旦让召回器的分数流进决策层,决策就被召回器的偏好绑架了。

路怎么找擅长 / 偏差输出
结构召回职能族 × 职级带 × 公司环 × 地域,走 ATS、猎聘、脉脉的字段检索精准、可解释;覆盖窄,title 不规范就漏门控候选集,带字段来源
语义召回JD 原文直入,走向量 / RAG 画像检索(Articuler、Exa)覆盖广、能跨 title;奖励会写的人,同质化严重候选池,只带「第几顺位被召回」,不带分
关系召回同团队、同汇报线、离职流向、引荐人网络质量最高、转化最好;规模小,依赖人脉资产引荐路径,标明「谁认识谁」

三路各自出名单,在证据层汇合。汇合时只做去重和补齐,不做分数融合。一个人被三路同时召回,说明他既符合结构条件、文本也像、还有人认识——这是很强的信号,但它的表达形式是「三路都命中」,不是一个更高的分数。

语义分最合适的用法:决定读多少份简历

语义分不能决定推谁,但能决定先读谁。一个岗位召回 300 人,顾问只看得完 40 份,用语义分做这个截断是合理的——它买到的是阅读预算的分配效率,代价是漏掉一些文本不像但实际做过的人。这个代价可以通过关系召回和结构召回部分补回来。

// 允许 语义分 → 决定简历阅读顺序、决定每个渠道拉多少人 // 不允许 语义分 → 直接进排序键 语义分 → 跨职位比较 语义分 → 当作录用 / 推进概率

第三条尤其重要。Articuler 的 score 和 scoreLevel 是语义匹配分,它自己的技能文档里也写着「不要把 score 当录用概率」。但实际交付里,S/A/B/C 很容易被顾问读成「这个人有戏 / 没戏」,这个误读会一路传到客户那边。

08 — 证据

证据要写成事实,不能写成标签

文本分失败之后,一个自然的反应是「那就不看文本了」。这也不对。该做的不是放弃文本,是改变从文本里取什么东西:从「像不像」改成「有没有发生过」。

现在的做法 · 关键词 / 相似度

「负责推荐系统的算法优化,主导召回与排序链路的迭代,支撑日均亿级请求。」

命中
推荐系统、召回、排序、亿级
得分
4 / 5 个关键词,匹配度 0.81
问题
「主导」是他写的;「支撑」可能是运维;亿级请求是全公司的量,不是他的模块。这些判断模型都做不了,但它给了一个很高的分。
改成 · 四元组证据

同上这一段,拆成可核验的事实:

动作
重构召回链路(不是「负责」,是具体动作)
对象
电商主搜的召回层
规模
日均 3000 万次查询(需追问,与亿级不符)
结果
召回覆盖率 62% → 78%,未提转化
时间
2022.06–2023.11,距今 3 年
反证
排序链路无具体动作;无带人记录

证据层的正确用途:否决,而不是排序

这是这次改版里最容易漏掉的一条。段落级证据的职位内 AUC 是 0.483,低于随机,所以它不能拿来排名——这个结论不变。但它做另一件事很有效:找反证。

原因是分布不对称。正向证据几乎人人都有(谁都会写自己做过),所以正证的信息量很低;反证很少见(「要求带 50 人,实际最多带 8 人」「要求做过从 0 到 1,履历全是大公司成熟业务」),一旦出现,精度很高。这就是为什么它能做否决,不能做排序。

属性怎么算用在哪
可核验性能不能给出原文出处(公司 · 时间段)给不出出处的记为 0,不进证据卡。这一条能挡掉大部分编造
时效衰减近 5 年权重 1.0;5–10 年 0.7;10 年以上 0.4早期经历再漂亮,也不能盖过最近三年的空档
稀缺性该能力在目标池里的出现频率进动量层:越稀缺越容易被抢,也越贵,触达要更快

一张证据卡长什么样

候选人:某 / 现职某电商 · 推荐算法负责人 证据 1(能力):主导召回层重构,覆盖率 62%→78%|出处:某电商 · 2022.06–2023.11 证据 2(规模):带 6 人小组,跨 2 个业务线|出处:同上 证据 3(场景):To C 主搜,非 To B|出处:某电商 · 2021–2023 反证:无 To B 产品经验;无 8 人以上团队记录 缺口:薪资未知;是否接受异地未知 结论:能力覆盖 2 / 3 条必须项,反证 1 条(与 JD 的 To B 要求冲突)

这张卡的作用不是打分,是让顾问在打电话之前就知道要问什么。「无 To B 经验」这一条,决定第一句话是问「你考虑过 To B 吗」,而不是问「你对这个机会感兴趣吗」。

09 — 动量

意愿不是问出来的,是估出来的

历史备注能回收出四要素的只有 24.2%。等把数据补齐再谈意愿,等于永远不谈。更现实的做法是两层:先用可观测的处境信号给先验,再用一次 40 秒的沟通做更新。

四个要素,各自有底线

钱、权、情绪、背书。关键是它们不是加分项,是否决项。一个人可以为了涨薪忍通勤,但「家在广州、不考虑异地」这一条,给多少钱都不行。这就是第 04 节说的不可补偿条件,在意愿层同样成立。

uij = β1·Δmoney + β2·Δpower + β3·Δemotion + β4·referral + ε // 但先过否决: if Δmoney < 底线 or 家庭约束冲突 or 竞业未过 → will = 0 (不进入加权) // 分档而不是给分: 强 / 中 / 弱 / 未知 未知排在「中」之后、「弱」之前

为什么用分档不用连续分:一是数据精度不够,给 0.73 和 0.68 是假精确;二是顾问能理解「强/中/弱」,理解不了「意愿 0.73」,理解不了就不会用,不会用就不会记,数据永远补不上。

五个不问也能拿到的动量信号

信号怎么取读到什么
任职时长偏离现职在任月数 vs 同职级中位数明显偏长通常意味着天花板到了;明显偏短要看是不是频繁跳
公司阶段融资 / 上市 / 裁员 / 被收购 / 换 CEO组织变动期的人可动性显著上升,这个信号比任何话术都有效
团队变动直接上级是否更换、下属是否批量离开「老板换了」是最高频的真实离职原因,比钱更常见
公开动作简历更新时间、领英活跃、公开发言频率弱信号,只用来排「先联系谁」,不能单独推断意愿
轨迹斜率从工程师到总监用了几年,与同龄段比较斜率突然变平,是典型的「升不上去了」信号;斜率陡的人,权和 scope 是他的主要诉求

这些全部来自公开信息与内部记录,不需要问候选人。它们给出的是先验,不是结论。第一次有效沟通之后,用意愿卡五行覆盖掉先验,之后每次沟通再更新。

不要越界

动量推断只能用于「先联系谁、说什么」,不能用于「推不推」。一个信号显示他可能想动,不等于他愿意来这个岗位。把先验当结论,会让顾问拿着错误的预设去打电话,反而降低成功率。

10 — 编排

输出四个口袋,不是一个排行榜

同一批候选人,适配和意愿的组合有四种,对应四种完全不同的动作。把它们塞进一张榜,会让顾问对所有人做同一个动作——发同一个模板消息。

三种排序策略的差别示例数据,12 人,用于说明为什么不能按单一维度排
5
    这一批的期望推进数2.24
    按 fit×will 排序,门控不过的人不计入产出。

    横轴是适配(客户愿意见的概率),纵轴是意愿(候选人愿意接话的概率)。左上=意愿高但进不去;右上=双高,先推;左下=不动;右下=适配高但要设计触达。红色为门控不过。示例数据,不代表真实候选人。

    四个口袋和各自的下一步

    口袋条件下一步动作
    A · 现在就推门控过 · 证据覆盖 ≥ 阈值 · 意愿中以上24 小时内发定制触达,附三条证据和一条反证。反证要主动说,不要等客户发现
    B · 先谈再推门控过 · 证据够 · 意愿未知或弱先做一次 15 分钟的意愿探测(钱/权/情绪各问一句),不要一上来就推岗位。谈完再决定进不进 A 袋
    C · 校准位门控不过或证据不足,但画像与 JD 明显不同每批最多 2 个,用于探测客户的真实口径。推的时候明说「这个人和 JD 写的方向不完全一样,想确认一下你们的真实标准」
    D · 不建议有明确反证,或硬约束冲突出池,但记录原因。这些记录是下一轮校准口径的原料

    为什么每批要留探索位

    客户的真实口径不在 JD 里。21 个职位里有 5 个,按 JD 标题筛会筛错人,占比 23.8%。如果不做探测,这个偏差永远不会被发现——因为模型只会推荐「看起来像 JD」的人,客户也只会从这批人里挑,反馈回来全是「符合预期」,闭环就假了。

    所以每批留 1–2 个画像不同的人,是有成本的(可能被客户拒),但它买到的信息价值远大于成本:一次拒绝会告诉你客户的真实标准,这个信息比多推两个人更值钱。这是把「推荐」当成「测量」来用。

    10+ — 兜底

    预测失效的时候,得有一条能走到黑的路

    五层是预测。预测一定会失效,尤其是新客户、新职能、或者客户自己也没想清楚要什么的时候。原来的模型只有一个动作——继续换关键词、继续调权重。这等于在一个已经被证伪的假设上续费。

    失效有两种,处理方式不一样。召回失效是池子里确实没有做过这件事的人,换多少关键词都搜不出来;判断失效是人明明在池子里,被门控或适配挡在外面,客户从 D 里捞回来的人越来越多。两种的共同表现是:每一批都在换词,结论不变。

    所以 v3.1 在五层之外加了一条退出通道,编号 L5。它不是第六层,不参与打分,也不改变五层的顺序——它是「这套预测在这个岗位上不适用」的出口。走进这个出口,任务不再是「排出一个先后」,而是「把这个市场的人先摆到桌面上」。

    什么时候该走这条路

    #判据说明
    ①A 口袋连续 2 批 0 晋升强推的人客户一个都没见,说明的不是执行问题
    ②门控误杀率连续 2 批 > 20%客户不断从我们判死的人里捞人,门控方向错了
    ③D 口袋占比 > 70% 且集中在同一个条件一个条件砍掉七成人,多半是口径误解
    ④全渠道连续 2 轮 0 个新增合格一轮 = 单渠道 50 份。换完词还是零,就是池子问题
    ⑤客户明确要求「把这几家公司的人全列出来」客户已经不买判断,先要地图。这是合理需求
    ⑥JD 正文不可用,或条件仍在改没有稳定的判断对象,任何排序都是自欺

    命中任一条就触发,不要攒着。交付里要写清是哪一条触发的——这条记录本身是下一轮校准的输入。

    走进去之后做什么:Mapping 全量

    顺序固定四步,不做花活:

    步骤做什么关键约束
    1 锁公司8–20 家,分三环:直接竞品、相邻业务、人才输出方(上下游、外包、乙方的乙方)第三环最容易被漏掉,也常常是命中率最高的一环
    2 拆组织拆到部门与产品线,不停在公司层「这家公司有算法团队」没有用;要说清是哪个团队的哪条线
    3 拉人名多路采集,内部人才库先查,再上外部渠道先内部后外部:已经在库里的人,触达成本几乎为零
    4 轻标注只标三项:同族职责、是否在库、是否可触达不标分数、不标档位、不排先后

    三条铁律,不能破

    第一,不打分、不给口袋、不排序。在已经证明排序失效的场景里再排一次,只是把预测塞回去,顾问还得再验一遍。
    第二,名录不能当推荐名单发给客户。对外只给结构、覆盖度、建议先看的三个团队;逐人名录是顾问的工作底稿,不是交付物。
    第三,必须标数据时点和置信分层。在职信息一定会过期,不标时点的名单等于给顾问埋雷。

    成本落在哪

    规模工期说明
    5 家 / 约 300 人约 1.5 天单职能单城市,纯人工可完成
    10 家 / 约 800 人约 2.5 天需要并行采集和多源交叉校验
    20 家 / 约 2000 人约 4.5 天建议拆两批交付,先给一半市场

    报区间,不报单点。付费数据工具按实际消耗记账,余额不足当场提醒,不做隐性承诺。

    什么时候可以回来

    顾问从名录里圈出 ≥k 个人,且客户接受了至少一个,就可以用这批人重设门控档位,回到保守模式。同一个职能累计到 5 个岗位样本,再判断要不要进实验模式。

    回切有一个硬条件:必须写清原门控错在哪——是过严、方向错、还是这个条件本来就不存在。写不出来,说明还没找到错,那就别回切,继续全量。否则下一次还会掉进同一个坑,而且这次连「为什么会掉」都记不住。

    兜底不改变前面任何一条结论。文本证据分照样不进排序键,title 照样只做门控,未验证的层照样不能覆盖已验证的层。它只补一件原来缺的事:当这套判断在这个岗位上确实不成立时,任务还能被执行到底。

    11 — 工具定位

    Articuler 该放在哪一层

    它的核心是「JD 原文 → RAG 画像 → 语义检索 → 打分排序」。这套东西在召回层是有效的,在决策层是危险的。分界线在于:谁有权决定「推谁」。

    取舍具体做法理由
    借JD 原文直入,不做人工预处理人工「清洗」会把客户的模糊表达提前抹平,而那些模糊恰恰是口径线索。这一点它的文档里写成了铁律,是对的
    借RAG 画像:把经历、技能、连接点结构化比纯简历文本更适合做证据抽取,也比字段检索更宽容
    借高覆盖语义召回,尤其海外与非标准 title结构召回按 title 走,漏掉的人正好由它补。两路并行的价值在这里
    借cold-email 与 playbook 按人定制触达这是意愿工程的一部分:同一批人,话术不同,回复率差很多。它的 playbook 输出 DO / DON'T,正好填触达设计的空白
    不借用 score 决定推谁score 衡量语义相似,不衡量「客户会不会面」。实测段落级文本证据 AUC 0.483,同源问题
    不借把 scoreLevel 当推进概率S/A/B/C 是分级不是概率。它的技能文档也明确禁止这个读法,但交付里很容易被误读成「这个人有戏」
    不借跨职位比较 score职位间面试率差 14 倍,同一个分数在不同岗位的含义完全不同
    // 工具的分工,一句话 Articuler = 召回器 + 触达内容生成器 决策 = 证据层 + 动量层 + 批次编排 // 它做的三件事里,只有一件和「推谁」有关 找得到人 ✓ 写得动人 ✓ 判断该不该推 ✗

    顺带说一句它最值得学的地方:它的输出契约里有 connectionPoints(连接点)。这个字段是做关系召回和触达话术的原料,比 score 有用得多——「你们都待过某公司某团队」「他现在的老板是你以前的同事」,这类信息直接决定这通电话打不打得通。现在的系统基本没用起来。

    12 — 参照

    成交过的人,就是条件的参照系

    这两天做客户推介,把过去几年的成交翻了一遍,其中两个人留下了完整履历。把他们的来路、进去之前管多大、进去之后管多大排在一起看,能反过来定条件该往哪边设。这比从 JD 正文里猜要靠谱,因为成交是已经发生过的事实。

    岗位(脱敏)来时在哪进去前后管多大漏斗
    某医疗耗材上市公司
    全国销售一号位

    委托时写的岗位名是销售总监
    跨国医疗器械企业大区销售经理,负责两省医院端;更早做过四年区域销售经理,把区域年销售额从 1200 万做到 6000 万;也做过两年产品经理,管两条产品线。本科,约 16 年 7 个月医疗耗材销售经验 进去前:5 亿元业务、份额第一、50 人团队
    进去后:100 人(15 位大区与区域经理、5 位 GTM、80 位销售),渠道由代理为主改为约 50% 直营,连续两年约 30% 增长
    入库 138 位
    推荐 5 位进评审
    三轮面试后入职 1 位
    同一客户
    首席投资官

    2020 年那一单
    国际投资银行投资经理 → 国际私募副总裁 → 医药健康产业集团副总裁,投资与产业两条线都待过 进去后:集团投资一号位,对接两条业务线的并购与产业投资 委托年薪约为实际成交的三分之一
    按 180 万加股票成交
    某电子专用设备公司
    销售总监
    履历卡不完整,无法还原来源 — 9 位候选人进 1 位
    同一客户
    执行副总裁
    定向寻访,没走公开池 — 1 人即成,与上面那个销售总监同日入职
    某精密制造上市公司
    BU 总经理
    履历卡不完整,无法还原来源 — 61 位候选人进 1 位,周期约 10 个月

    数据来自内部成交复盘。客户名称、人名、金额与可反查的履历细节已脱敏,只保留结构与量级。五个样本里只有两位留下了完整履历卡,其余三位只能拿到漏斗数字。

    从这张表读出来的六条

    每一条都不是猜的,是成交人自己走出来的路径。它们分别改掉了前面某一节的条件默认值。

    1. 目标公司按「能力可迁移」圈,不按同行圈。成交人来自跨国器械企业的区域岗,客户是国内耗材上市公司,两者既不同行也不同城。如果目标公司只圈同类国内厂商,这个人在第一轮就不在池里。第 06 节的三环里,环 2(上下游与相邻行业)才是主池,环 1 只做补充。
    2. 职级条件要偏下,不偏上。他从大区经理做到全国一号位,是往上走一层。筛人的时候该问「这个人能不能覆盖上一级」,而不是「他是不是同级」。职级带取 ±1,重心放在下一级。
    3. 学历与院校不是这批人的共性。本科,16 年 7 个月连续销售履历,没有名校标签。学历只在客户明确卡的时候才启用,而且先用历史推进验证客户是不是真卡;年限看的是连续性,不是总长度。
    4. 被买走的是规模跃迁,不是 title。1200 万到 6000 万、50 人到 100 人、代理制到 50% 直营,这三件事都能核验、都有数字。第 08 节的四元组里,「规模」和「结果」是主证据,title 只是背景信息。
    5. 高端岗靠任职序列,不靠技能词典。投行 → 私募 → 产业集团,这条序列没有任何一个技能词能描述。这类岗位只能用关系召回加序列结构匹配,语义召回在这里基本无效。这是第 07 节三路召回必须并行的原因。
    6. 漏斗宽度差两个量级。138 → 5 → 1、9 → 1、61 → 1、1 → 1。同一个团队,不同岗位的召回预算和指标不能统一。低基数岗位不报 Top5,这一条已写进第 13 节。

    怎么用这批数据

    可以这样用

    • 当参照系。每设一个条件,问一句「已成交的人在这条上会不会被筛掉」。会被筛掉,就先怀疑条件,而不是怀疑人。
    • 当回归用例。改一次规则跑一遍,看这五个人还在不在池里。如果被挤出去了,先查是不是又把 title 或薪资放回了门控。
    • 当量级依据。漏斗多宽、周期多长、薪资能偏多少,这些都能从成交单里读到,不用拍脑袋。

    不能这样用

    • 不能当证据。只有成交的人,没有落选的人。本科学历、跨行业背景这些特征,落选者身上一样有,只看成功者会得出「学历不重要」这种没有对照的结论。
    • 不能定权重。五个样本,正样本,算不出准确率,也算不出 AUC。
    • 不能当池子。这些人是成交结果,不是当时池子里的初始状态,回看时已经带着结果信息。
    所以

    成交数据定方向,回测定权重。前者回答「条件该往哪边设」,后者回答「设多少」。第 02 节那组负结果之所以不能省,就是因为它是这个库里唯一有正负样本的东西。两件事一起用,模型才不会只在成功者身上自洽。

    13 — 校准

    每推一批,就是对客户口径的一次测量

    客户说不清自己要什么人,这是常态。所以不要指望开搜前把口径问清楚,要把它当成一个需要多轮估计的量,每批推荐都是一次采样。

    看三个数,不看准确率

    指标怎么算看它解决什么问题
    Top-k 推进率每批前 k 人里被客户面(或进下一轮)的比例直接对应顾问的投入产出,必须和随机基线一起报
    校准误差(Brier)预测的推进概率与实际结果的平均平方差判断模型是「排得不准」还是「估得不准」。这两个问题的修法完全不同
    每批信息增益这一批反馈让口径的分布收窄了多少衡量探索位有没有价值。如果探索位从来没提供过新信息,说明它变成了凑数

    三条停止规则

    • 连续 3 批校准误差 > 0.15:停掉调权重,回到岗位解析重做。这个信号说明口径解构错了,继续调排序只是在错误的方向上更精确。
    • 某客户同族占比 < 30%:标 gate_mismatch,这个岗位的 title 门控作废,改用证据召回。21 个职位里有 5 个属于这种情况。
    • 样本不足 20 个职位 / 80 个推进:只报方向,不报结论。3 个职位 57 人的时候我们得出过「新版更好」,扩到 410 人后结论翻转。

    回测表要长成什么样

    职位 / 批次 / 策略 / Top5 / NDCG / Brier / 随机基线 / p A-01 invest 旧 0.00 0.000 — 0.68 — A-02 教练团队负责人 新 0.50 0.559 — 1.43 — A-03 电商礼品总监 新 0.00 0.000 — 0.59 — // 每一行都必须有随机基线。只看新模型的分,等于没测 // 逐职位看胜负,不看平均值。赢 3 平 8 输 10 比 32.4% 这个数字更有信息量
    14 — 落地

    十二周,先补数据再谈模型

    顺序不能反。先做约束卡和口径反查,这两件不写代码也能立刻改善结果;模型和权重放到后面,因为现在没有能训练它的数据。

    W1–2

    约束卡 + 口径反查

    每个新岗位强制填一张约束卡(硬约束 / 可放宽 / 一票否决)。开搜前跑一次同客户近 12 个月推进的 title 分布,标出 gate_mismatch。这一步不依赖任何模型,预计能直接拦掉一批误推。

    W3–4

    证据卡 + 反证

    召回池里每个人必须带三条证据和一条反证,全部给原文出处。给不出出处的进「待补」,不进推荐池。先在 5 个岗位上人工跑,验证顾问愿不愿意读、客户认不认。

    W5–6

    动量先验 + 意愿卡采集

    把五个外部信号接进来,给每个候选人一个意愿分档的初值。同时开始填意愿卡:20 个在招岗位,新接触的候选人每人一张,目标覆盖率 60%。覆盖率不到 60% 之前,意愿只决定联系顺序。

    W7–8

    批次编排 + 四个口袋

    把输出从排行榜改成四个口袋,每袋带动作和时间。加入探索位规则(每批 1–2 人)。这一阶段开始记录「推了谁、客户怎么回」,为回测攒数据。

    W9–10

    第一次正式回测

    至少 20 个职位、80 个推进才跑。指标:Top5、NDCG、Brier,全部对随机基线。逐职位看胜负分布,不看平均值。

    W11–12

    校准与推广

    按校准结果调阈值(不是调权重)。把有效的规则写回约束卡模板和证据卡模板,让下一个顾问不用重新想一遍。

    15 — 边界

    这个模型不做什么

    不用敏感属性做筛选

    年龄、性别、婚育、户籍、健康状况,一律不进筛选条件。这不是保守,是因为它们在法律上有风险,在统计上也是劣质代理变量——同样 38 岁的人,职业阶段可以差十年。客户的真实诉求(经验够、阶段对、还能干几年)都能用非敏感字段表达,没有必须用年龄的场景。

    不承诺准确率

    现在这个库被验证过的信号只有 title 一项。在没有意愿数据和口径记录之前,任何号称「准确率 85%」的说法都是把语义分换了个名字。这份文档给的是结构和判断顺序,不是效果承诺。

    不把语义分当概率

    语义分 92 和推进概率 92% 是两件毫不相干的事。前者是「文本像」,后者是「这件事会发生」。混用这两者,是这个行业里最常见的错误,也是最容易让客户失去信任的错误。

    不跨职位、不混池、不硬排

    分数只在同一职位、同一来源池内可比。区间重叠就并列,写清「这两人的差别在证据之外」。硬排名次会制造假精确,顾问拿着假精确去跟客户沟通,反而更难解释。

    不绕开人

    模型的输出是「建议先打给谁、说什么」,不是「这个人值不值得联系」。最终判断在顾问。所有自动生成的判断都要能被顾问一句话推翻,并且推翻的记录要回流——那是模型唯一可靠的养料。

    下一步

    这份文档想先确认一件事:把「匹配」拆成准入、证据、动量三层,是不是我们要的方向。方向确认之后,再讨论每一层的具体阈值、字段和工程实现。阈值现在写出来都是占位值,等第一批回测数据。