能跑量 · 自动初筛
2,563
系统完成初筛评估的简历份数
→ 464 通过 → 310 收到简历
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），AI 先聊清楚再要简历，避免无效收档。
1
配置聊天逻辑信息询问节点 + 通过 / 不通过分支
2
AI 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 → 任务区索要简历
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 + AI 话术
两轮 AI 评估名片卡初筛 → 简历深评 → 通过才动作
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
筛得准 · 简历评估通过率
56%
准聘 vs HR 近 6 个月均值（43%）
高出 13 个百分点
花得少 · 同等节奏下的成本
¥10.8/小时
180 份/小时 · 售卖 6000元/4亿Token
SaaS ¥16 · 人工 ¥57
五大任务场景
BOSS 直聘
猎聘
AI 推荐打招呼
自动处理 BOSS 推荐频道的候选人，两轮评估通过后发送打招呼话术；不符合要求的自动跳过并记录原因。
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，理由可追溯
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
理由：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
汇总：缺少管理经验，不符合岗位硬性要求。
