Talent Summoner
AI 招募統計：2,432 份經 AI 評分的個人檔案顯示了什麼
你不需要 200 位候選人。在 52 次實際搜尋中，我們的 AI 每個職缺約抓取 48 份個人檔案，並列出約 12 人的入圍名單。
部落格
團隊的最新消息與動態
團隊的最新消息與動態
你不需要 200 位候選人。在 52 次實際搜尋中，我們的 AI 每個職缺約抓取 48 份個人檔案，並列出約 12 人的入圍名單。
給用人主管的 15 個業務面試問題，依面試階段整理，附上好的回答會呈現什麼、該注意的警訊，以及 1–4 分評分量表。
依面試階段整理的 15 個產品經理面試問題，給團隊裡沒有資深 PM 的招募團隊：好的回答會呈現什麼、該注意的警訊，以及 1–4 分評分量表。
依面試階段整理的 15 個人資經理面試問題，附上好的回答會呈現什麼、該注意的警訊，以及替每個回答評分的 1–4 分量表。
依面試階段整理的 15 個軟體工程師面試問題，寫給招募團隊，附上好的回答會呈現什麼、該注意的警訊，以及替回答評分的 1–4 分量表。
了解招募時的關鍵字比對為什麼會漏掉相關證據、它在哪些地方仍然有用，以及如何搭配受控的人工審閱一起使用。
了解一份透明的候選人排序報告，應該呈現哪些證據、標準、不確定之處、排序依據和審閱細節。
比較香港七種技術人才搜尋管道：各自能產出什麼證據、代表什麼程度的同意，以及無法告訴你什麼。
可直接複製的 10 欄技術職缺候選人入圍名單紀錄：附證據的必備條件、由「有支持證據」至「相矛盾」的 4 個標籤、證據缺口與下一步。
香港新創公司招募首批員工的檢核清單：職缺範圍、預算、人才搜尋管道、證據標準、錄取通知，以及不能省略的文件作業。
在香港搜尋技術人才時，替 LinkedIn 以外的每個管道定好任務：公開作品、內部推薦、求職平台、大學和獵頭公司。
履歷排序是替你提供的一批履歷排出先後；候選人媒合是把證據和職缺需求連起來。兩者各能告訴你什麼，以及哪些判斷仍由人來做。
比較香港獵頭公司的委託費用和自己動手搜尋人才：從收費結構、掌控程度、速度，到各自留給你團隊的內部工時。
學會區分必備條件與加分條件、衡量證據、處理未知事項，並避免個人偏好扭曲候選人配對的結果。
從成本、重疊工時、聘用行政作業和你真正能查證的證據，衡量該聘本地人才還是遠端人才。
寫出更清楚的技術職缺說明：講清楚成果、證據、界線，以及對候選人友善的應徵管道。
用一道實用的聯繫前關卡，找出 AI 候選人入圍名單裡證據薄弱、條件未達、重複的人選，以及還沒釐清的未知。
學會解讀一則候選人配對說明：把來源原文、標準、解讀、不確定性、矛盾和查證分開來看。
在香港招募軟體工程師的實用指南：界定職缺範圍、查核本地規範和薪酬資料、為敏感工作設關卡，再進行一次可以審閱的搜尋。
後端工程師在哪些地方看得到、公開作品裡該看哪些證據，以及不靠獵頭也能在香港進行人才搜尋的做法。
如何定義 AI 工程職缺、分辨研究型與應用型工作，並找到公開證據符合你需求的人。
一份實用的檢查清單，測試 AI 排序入圍名單裡的證據、標準一致性、未知事項，以及審閱者之間的歧見。
用同一套與工作相關的標準、證據門檻和結構化問題比較兩份候選人個人檔案，同時把未知事項清楚留在檯面上。
一套實用框架，用來分類候選人缺少的證據、判斷它的重要程度，並決定要推進、查核、暫緩還是結案。