自主执行
Autonomy
筛选、触达、简历整理、智能沟通、辅助评分、约面推进——六个环节连成一条自己会跑的流水线。你设定标准，它连续运行，只在需要判断的那一刻来找你。
01
三层能力 · What it is
一套系统，三件事
自我进化
Evolution
谁回了、谁没回、谁进了终面、谁入职后表现好——每一次运行的真实结果都会回流，写回能力模型、话术策略与渠道权重。
不同于「配置一次就固定的自动化脚本」——它每天都在变得更准。
人才储备
Talent Reserve
跑过的人不会消失。所有触点与评估结果结构化沉淀为组织自己的人才储备，下一次开同类岗位时直接调用，而不是从零开始。
招聘的效率是当下的收益，人才储备是复利。
02
运行架构 · Runtime
执行在你的电脑上，
执行在你的电脑上，
云端只做管理
真正的自动化必须发生在真实运行环境里。纯云端调接口这条路走不通——这也是绝大多数「AI 招聘」停在辅助工具层面的根本原因。
执行端 · Runtime
Windows 客户端
Windows 10 / 11 · 64-bit
完整执行引擎。常驻后台连续运行，断点续跑，异常自愈重试，全部操作本地留痕。
已上线
执行端 · Runtime
macOS 客户端
macOS 12+ · Apple Silicon & Intel
与 Windows 版能力一致。关掉窗口它也在跑，换一台机器登录即可接管同一条流水线。
已上线
云端 · Console（不执行）
管理后台
账号与权限、任务编排配置、标准与话术库、数据看板与审计日志。云端不承担任何执行动作——它是驾驶舱，不是引擎。
已上线
为什么
把执行能力下沉到桌面端，是稷衡最核心的工程选择，也是最难被绕过的一道门槛。它带来的直接结果是：自动化不再受限于「有没有接口」，而是取决于「人能不能做到」——人能做的，它都能做。
03
自进化 · Self-Evolving
越用越准，
越用越准，
才配叫智能
大多数自动化工具是一条直线：配置好，执行，结束。稷衡是一个闭环——执行产生结果，结果改写策略，策略指导下一次执行。
01
运行
每天在真实环境里完成成百上千次动作：筛选、触达、沟通、评分、约面。
02
反馈
谁回了、谁没回、哪句话术有效、哪类候选人进了终面、谁入职后表现好。
03
回流
结果写回能力模型权重、话术策略库与渠道优先级，形成新的执行参数。
04
校准
下一轮自动采用更优策略执行，同时把变化记录下来，可回看可回滚。
↺ 闭环
系统跑得越久，你的岗位标准越清晰、话术越有效、渠道分配越合理。这份积累属于你的组织，不属于任何平台。
04
运行方式 · Unattended
你定标准，它自己跑完
六个环节接力执行。跑的过程你可以完全不看——它只在需要判断时才来找你。
智能筛选
把岗位需求翻译成结构化能力模型，再对每一份简历做段落级深读，输出可下钻到依据句的匹配分。
主动触达
基于候选人真实经历生成开场，自己选渠道、自己挑时机、自己发出去，没回复就换角度再跟一轮。
简历整理
多模态解析 PDF、图片、网页与作品集，统一入库、跨渠道去重，形成可持续更新的人才档案。
智能沟通
多轮对话自动推进：回答候选人疑问、确认关键信息、判断意向强弱，必要时即时转人工并同步上下文。
辅助评分
按能力模型生成结构化评价与风险提示，让不同面试官用同一把尺子，评价可比、可复核、可申诉。
约面推进
排期、改期、提醒、到面确认全部自动完成，全链路证据归档，并沉淀进你的人才储备。
连续运行36 h
已处理1,284
人工介入0 次
待你确认3
流水线 · 算法工程师（P7）AUTO
筛选
触达
整理
沟通
评分
约面
智能筛选 · 正在把岗位描述翻译成结构化能力模型
陈 · 资深算法工程师
已触达 · 等待回复 14 h96.2
已触达 · 等待回复 14 h96.2
周 · 检索系统架构师
已回复 · 待你确认是否约面94.8
已回复 · 待你确认是否约面94.8
郑 · 算法工程师
第 2 轮跟进已自动发出92.1
第 2 轮跟进已自动发出92.1
林 · 机器学习工程师
面试已自动排期 · 周四 15:0091.4
面试已自动排期 · 周四 15:0091.4
界面为按真实产品逻辑还原的示意版本，上线前将替换为客户端与管理后台的真实截图。
05
自动化矩阵 · Coverage
做到哪一步，
做到哪一步，
我们如实写出来
每一个环节 × 每一个渠道的真实状态。已经跑通的就是跑通了，还在做的就标在做。
| 渠道 / 环节 | 筛选 | 触达 | 整理 | 沟通 | 评分 | 约面 |
|---|---|---|---|---|---|---|
| BOSS 直聘已接入 | ||||||
| 内推与自有投递已接入 | ||||||
| 猎聘建设中 | ||||||
| 智联招聘规划中 | ||||||
| 人才储备库建设中 |
筛选、整理、评分属于渠道无关的通用层，新渠道接入后立即复用；触达、沟通、约面需要逐渠道适配。
06
人才储备 · Talent Reserve 建设中
效率是收益，
效率是收益，
储备才是复利
今天在平台上花掉的每一次沟通，结束之后就消失了——下个季度招同样的岗位，一切从零开始。稷衡把每一次运行的结果留下来，让它变成组织真正的资产。
- 01触点层。每一次筛选、触达、对话与评价都被结构化留存，形成候选人完整时间线，而不是散落的聊天记录。
- 02画像层。解析结果按统一本体入库：项目、技术栈、贡献度、职业跃迁逻辑。换个岗位重新排序，不用重读一遍。
- 03图谱层。把录用过、面试过、放弃过的人和原因连起来，形成只属于你这家公司的用人标准与人才地图。
- 04归属清晰。储备完全属于你的租户，支持完整导出与私有化部署。我们不会把它变成平台的公共池。
- 05合规优先。候选人授权、敏感字段脱敏、可查询可删除，遵循《个人信息保护法》相关要求。
储备厚度 · 随运行次数累积（示意）
第 1 个岗位持续运行组织人才图谱
说明
人才储备库目前处于建设阶段。触点层与画像层已随流水线运行开始沉淀；面向全租户开放的独立检索与直连能力仍在开发，进度见产品路线图。
07
效率对照 · Effort
先省下来的，
先省下来的，
是人的时间
年招聘 HC 数
30
5100200300
口径
按单 HC 传统模式约 26 人时、稷衡模式保留约 4 人时（只做判断与深度沟通）估算，折算按 ¥120 / 人时 计。概念性测算，非承诺值。
08
技术 · Why it's hard
为什么这件事
为什么这件事
很少有人真正跑通
「AI 招聘」四个字很多人在说，但做到无人值守连续运行、并且越跑越准的很少。原因不在模型，在工程。
01
执行必须发生在桌面端
招聘链路上的很多动作没有稳定可用的接口。停留在云端调 API 的方案，第一步就走不通。
我们的解法把完整执行引擎做进 Windows 与 macOS 客户端，在真实运行环境中完成动作；云端只保留管理后台。人能做的，它都能做。
02
一次招聘是跨越数周的长链路
从第一次触达到最终入职，中间几十个触点、大量等待与状态变化。多数 Agent 框架跑完一轮就断了。
我们的解法持久化任务状态机 + 长期记忆：进度、上下文与下一步计划全部落库，进程重启、断网、换机器都能续跑。
03
异常是常态，不是意外
页面改版、限流、验证、超时……任何一环出错，没有自愈机制整条流水线就废了。
我们的解法每一步都有自检与重试策略，失败可回滚到上一个稳定环节；连续异常自动降级并通知负责人，而不是静默失败。
04
让系统「越用越准」比让它跑起来更难
要形成闭环，必须把长周期、稀疏、带噪声的招聘结果可靠地归因回具体策略——这比单次执行难一个量级。
我们的解法全链路证据链 + 结构化归因管道：每一个结果都能追溯到当时的模型版本与策略参数，回流可验证、可回滚。
05
最难的是「什么时候该停下来问人」
全自动不等于全自主。哪些决定可以自己做、哪些必须交回给人，这条边界画错了就是事故。
我们的解法把介入点做成可配置的一等公民：编排里显式声明必须人工确认的环节、超时处理与运行护栏。看完整边界表