能跑量 · 自动初筛
7×24 持续运行
五大场景自动执行，名片卡 + 简历两轮评估，不再手动逐份刷简历。
初筛 → 通过才动作 → 漏斗全程入库
看视频，了解准聘如何自动跑招聘任务
AI 搜简历任务演示
查看功能模块
多轮对话预筛，通过才索要简历
硬性条件岗位（如司机、主播）可先按配置流程确认条件，再索要简历。
1
配置聊天逻辑信息询问 + 分支 + 固定话术
2
逐条确认薪资、到岗、技能等硬性条件
3
全部满足再推进预筛合格后索要简历
从 HR 痛点到自动跑通全链路
HR 痛点
招聘量大人工刷简历跟不上
标准不统一通过 / 不通过难解释
重复劳动多看名片、看简历、打招呼循环往复
准聘 · AI 招聘助手
岗位配置名片卡 + 简历规则 + 固定话术
两轮 AI 评估名片卡初筛 → 简历深评 → 通过后执行
自动执行 & 沉淀五大场景运行，数据自动入库
解决结果
标准化初筛规则统一、团队对齐
释放 HR 精力聚焦面试与决策
效果可衡量漏斗数据一目了然
能跑量 · 筛得准 · 花得少
把重复初筛交给系统，HR 聚焦面试与决策；规则可配置，效果可追踪。
筛得准 · 统一筛选标准
规则一致 · 团队对齐
按岗位配置筛人规则，AI 与 HR 用同一套标准，减少「各筛各的」。
不合格自动跳过，只看值得聊的候选人
花得少 · 同等节奏降本
显著降低重复人工
同等招聘节奏下，把刷简历、回消息等重复劳动交给系统完成。
比纯人工更省 · 比泛 SaaS 更贴招聘业务
五大任务场景
BOSS 直聘
猎聘
AI 推荐打招呼
处理 BOSS 推荐候选人：两轮评估通过后发送固定打招呼话术；未通过则跳过并记录评估说明。
和人工、普通自动化相比
维度
纯人工
普通工具
准聘
筛选标准
靠经验，难统一
硬规则，难懂语义
双规则 + AI 语义名片卡 + 简历；评估说明可追溯
渠道覆盖
多平台切换耗力
通常单平台
BOSS + 猎聘五任务同一配置跨平台
执行稳定性
依赖在线，波动大
易中断、难复盘
客户端稳定执行持续运行，数据自动入库
第一轮 · 名片卡初筛
候选人：张先生 · 32岁 · 搜索算法 · 5年
结果：不通过
评估说明：岗位硬性要求「大模型训练经验」，名片卡未见相关关键词。
第二轮 · 简历深评
候选人：李女士 · 28岁 · Java 后端 · 5年
结果：不通过
逐条：① Spring Cloud — 符合 ② 带团队 10 人+ — 不符合
评估说明：缺少管理经验，不符合岗位硬性要求。
