猎头专业工具包 Headhunter Pro v17.0

v17.0 核心升级（2026-09-09）：按猎头商业逻辑全面重构，从按版本号堆叠改为端到端工作流结构，12 大阶段，有头有尾，逻辑严谨。

AI 在招聘中的真正价值不是自动化，而是消除认知负荷 让 AI 做 Longlist，猎头做 Shortlist 2026 新标杆：猎头必须具备 AI 协同智商 + 批判性思维（Korn Ferry #1）

〇、基础层 — 核心原则与快速指令

核心原则（v10.0 更新：26→33 条；v11.0 新增 34-39 条）

1. AI for Longlist, Human for Shortlist — 我做初筛，[猎头顾问姓名] 做最终判断

2. 50% placement 来自已有数据库 — 优先从历史候选人中匹配

3. warm intro > cold outreach — 利用已有关系网络，2 年后转介绍成核心渠道

4. Follow-up 系统驱动 — 不依赖记忆，自动追踪

5. 推荐质量 > 推荐数量 — 精准匹配比广撒网更重要

6. 倾听 > 推销 — 用候选人的语言对话，不为 KPI 推人

7. 关系建立能力增长 54 倍 — 高端猎头核心竞争力是信任建立

8. 从 "接单找人" 到 "提前 Mapping" — 主动建立目标行业人才池

9. Anti-Rationalization — 不跳过关键步骤（漏问离职原因/薪资/职业规划）

10. 多渠道触达 = 287% 回复率提升 — 电话+邮件+LinkedIn/微信组合拳

11. 首次沟通给价值 — 顶尖猎头首次联系就给《行业趋势分析》或《职业竞争力报告》

12. 93% 的对话在第 3 次触达时才发生 — 不在第 1-2 次就放弃

13. Relevance-based outreach — 时机对 + 渠道对 + 足够个性化，是唯一有效路径

14. 从 "填坑" 到 "长期领导力战略" — 2026 高管猎头核心转变

15. 从 "岗位交付" 到 "组织战略伙伴" — 服务边界向前延伸至高管招聘战略咨询

16. BEI 行为验证 > 传统面试 — 结构化行为面试预测效度 0.50-0.60，传统面试仅 0.20

17. 被动候选人是金矿 — 75% 劳动力是被动候选人，94.2% 的在职者对猎头主动推荐有兴趣

18. AI 协同智商 — 2026 猎头新标杆，会用 AI 工具的猎头交付效率是传统的 3 倍

19. 批判性思维 > AI 技能 — Korn Ferry 2026：批判性思维排 #1，AI 技能仅 #5；AI 会用人比会写 prompt 更重要

20. 候选人体验是品牌 — 有出色候选人体验的入职者对企业文化满意度高 3 倍（Gallup），体验评分直接影响转介绍率

21. Agent-to-Agent 是未来 — 候选人正在 agent 化，猎头需适应新交互模式，但 human-to-human 深度沟通仍是核心价值

22. 合规是底线 — 劳动法、PIPL、竞业协议，每一条踩线都可能让客户/候选人付出沉重代价；猎头必须懂基本法

23. 数据驱动招聘 — 漏斗转化率、渠道 ROI、招聘周期，每个决策都要有数据支撑，不靠直觉

24. 短名单黄金区间 = 5-12 人 — 少于 5 没标杆，多于 12 说明上游 sourcing 有问题（标准不对/薪资不到位/搜索不够深）

25. 猎头升级为长期人才顾问 — 从 transactional search 扩展到 ongoing talent advisory partnership，继任规划是持续过程而非事件

26. 多样性是可量化期望 — D&I 从"加分项"变"硬性要求"，从研究阶段就 build diverse pipeline，而非短名单后补

27. Silver Medalist 是最大金矿 — 面试优秀但未录用的候选人贡献 35% 录用，24h 标记 + 48h 触达 + 90 天重触达

28. 触发事件 > 盲目触达 — 融资/高管变动/架构调整时被动候选人最容易开口聊，时机对了一切事半功倍

29. Pipeline 状态驱动 — 每个阶段有标准动作和交付物，不靠记忆推进

30. 薪酬谈判是架构设计 — 总薪酬包+股权+竞业+对标，不是简单的传话

31. 首次沟通就提供价值 — 《行业趋势分析》或《个人职业竞争力报告》是标准配置

32. 转化漏斗可量化 — 每天触达 30 人 / 深入聊 8-10 个 / 推荐 10 份 → 3-4 面试 → 1 Offer

33. 高管选错成本 = 年薪 200%-400% — 文化适配不足是 ~40% C 级高管失败的核心原因

34. 技术生态 > 关键词匹配 — 理解 JD 背后的技术生态（依赖库、框架、社区），再找贡献者，比 Boolean 搜索高一个维度

35. 转化率 > 数量 — 前 25% 猎头 screen-to-submission 率 50.1% vs 其余 36.1%；往数据库加更少人但转化更多已有的

36. 10-15 分钟电话是最优 CTA — 20 万封邮件数据验证：唯一有效方法是请候选人方便时来一个电话，不要邮件/微信来回拉锯

37. 首次触达即附价值 — 行业趋势报告 / 竞争力分析是标准配置，不是可选增值

38. 高管猎头 = 领导力风险顾问 — 不只是找人，还要评估领导力风险、文化适配、团队影响

39. 技能验证 > 简历筛选 — AI-generated resumes 带来欺诈风险；技术岗要看 GitHub/开源贡献，业务岗要看实际项目成果

快速指令（完整版）

8. 批量简历筛选

批量筛选：[文件夹路径或简历列表]
JD：[粘贴职位描述]
输出：CSV 评分表

9. 生成行业趋势报告

行业趋势报告：[行业名称]
用途：首次沟通破冰 / 候选人职业竞争力分析

10. Cold Outreach 序列

Outreach 序列：[候选人姓名/背景]
行业：[新能源/半导体/互联网...]
渠道：[微信/邮件/LinkedIn/电话]

11. Anti-Rationalization 检查

检查清单：[候选人沟通记录/推荐报告]

12. Hitting Rate 统计

统计效率：[时间段]

13. BEI/STAR 面试评估

BEI 评估：[候选人姓名]
岗位：[公司 + 职位]
重点关注：[如 领导力/技术深度/跨部门协作]

14. 情景模拟/工作样本设计

设计测试：[岗位类型，如 "产品经理/销售总监/SRE 负责人"]
难度：[初筛/深度/终面]

15. 多维度背调

背调：[候选人姓名]
验证维度：[上级/同事/下属/客户]

16. 被动候选人寻访

寻访被动候选人：[行业/职能]
目标公司：[可选]
渠道：[LinkedIn/GitHub/猎聘]

使用场景

• 筛选简历 → 9 维度评分
• 写推荐报告 → 五段式结构 + JD 对标分析 + 评分
• 分析目标公司 → hiring signals 检测
• 候选人沟通 → 话术模板库（PMCC 框架）
• 候选人档案管理 → 结构化存储
• 人才寻访 → 渠道优先级矩阵 + Boolean 搜索
• 行业人才地图 → 目标公司 + 关键人才聚集地
• 转介绍 → 话术模板 + 时机判断

一、认知市场 — Talent Mapping 与客户关系

🗺️ Talent Mapping 6 步实操框架（v8.0 新增）

谷露实操指南：Mapping 起点不应该是竞对公司，应先了解本公司业务目标和用人需求

6 步流程

第 1 步：收集（Collect）

• 了解客户业务目标、增长计划、组织架构
• 明确：这个岗位为什么存在？解决什么问题？
• 输出：岗位需求简报（不是 JD，是业务需求理解）

第 2 步：结构（Structure）

• 定义候选人画像：硬性条件 + 软性条件 + 动机因素
• 目标公司分层：Tier 1（直接竞对）→ Tier 2（相邻行业）→ Tier 3（可迁移人才）
• 输出：人才画像 + 目标公司清单

第 3 步：背景（Background）

• 研究目标公司的组织架构、团队规模、技术栈/业务模式
• 关注：哪些部门是人才密集区？哪些团队最近有异动？
• 输出：目标公司背景情报

第 4 步：故事（Story）

• 把岗位机会包装成"候选人职业故事"的下一章
• 不是"我们有个职位"，而是"你的经历正好能解决我们的问题"
• 输出：机会叙事框架（2-3 个版本，适配不同类型的候选人）

第 5 步：沟通（Communicate）

• 按候选人类型选择沟通策略（高冷/高知/高防线/开放/观望）
• 价值先行：首次沟通就提供行业趋势/竞争力分析
• 输出：个性化触达消息 + 跟进序列

第 6 步：验证（Validate）

• 交叉验证：多平台比对候选人信息
• 动机验证：PMCC 三问探测真实离职原因
• 能力验证：BEI/STAR 面试 + 工作样本测试
• 输出：候选人评估报告 + 推荐意见

4 个常见错误

• ❌ 只看直接竞争对手，忽略相邻行业
• ❌ 做一次就放着，不更新
• ❌ 不做细分，所有候选人一视同仁
• ❌ 做完地图不行动

人才地图更新频率

• 活跃岗位：每周更新一次候选人状态
• 常备岗位：每月更新一次人才池
• 战略岗位：每季度做一次全面 Mapping

人才地图 Talent Mapping（v4.0 新增）

2026 年人才地图 7 步法

1. 定义关键技能 — 该职位最核心的 3-5 个能力
2. 绘制竞争格局 — 目标公司 vs 竞争对手 vs 上下游
3. 建立候选人画像 — 年龄/学历/司龄/职级/项目经验
4. 持续维护被动候选人池 — 不等人来，主动建库
5. AI 辅助市场映射 — 用工具扩展覆盖范围
6. 高端岗位仍需专业判断 — AI 做广度，人做深度
7. 有需求时快速启动 — 从 "接到 JD 再找人" 到 "有池子随时推"

人才 Mapping 模板

行业/职能：[填写]
目标公司清单：
  Tier 1：[3-5 家]
  Tier 2：[5-10 家]
  Tier 3：[10-20 家]

关键岗位/职级：
  [岗位名称] → 目标职级范围 → 预估人数

人才聚集地：
  [哪些部门/团队/项目是人才密集区]

寻访优先级：
  1. 目标公司 Target Team
  2. 竞争对手同岗
  3. 上下游产业链
  4. 跨界可迁移人才
  5. GitHub 开源贡献者（v4.1 新增）

行业人才地图

快消零售

目标公司梯队

• 第一梯队：宝洁、联合利华、欧莱雅、玛氏、雀巢
• 第二梯队：农夫山泉、伊利、蒙牛、元气森林、完美日记
• 新兴渠道：山姆、麦德龙、开市客、盒马、奥乐齐、零食很忙

关键人才聚集地

• 营销：品牌方市场部 + 4A 广告公司 + MCN
• 供应链：京东物流、菜鸟、顺丰 + 代工厂
• 数字化：阿里零售通、京东新通路 + SaaS 服务商

金融

目标公司梯队

• 第一梯队：高盛、摩根、中金、中信、华泰
• 第二梯队：招商银行、平安、浦发、兴业
• 新兴：蚂蚁、腾讯金融、京东科技、度小满

关键人才聚集地

• 量化：头部私募 + 券商自营 + 外资行 Trading Desk
• 风控：四大 + 银行风控部 + 金融科技公司
• 跨境：外资行中国办公室 + 中资行海外分行

新能源

目标公司梯队

• 第一梯队：宁德时代、比亚迪、隆基、阳光电源
• 第二梯队：思格新能源、上能电气、天合光能、晶科能源
• 新兴：储能集成商 + 氢能企业 + 虚拟电厂

关键人才聚集地

• 研发：中科院系 + 头部企业研究院 + 高校实验室
• 海外销售：有海外项目经验的中资企业 + 外企中国办公室
• 项目：EPC 总包商 + 设计院 + 业主方

医疗医药

目标公司梯队

• 第一梯队：恒瑞、百济神州、药明康德、复星医药
• 第二梯队：信达、君实、荣昌、康方
• 新兴：AI 制药公司 + 基因治疗 + 细胞治疗

关键人才聚集地

• 研发：CRO（药明/康龙/泰格）+ Biotech + MNC 中国研发中心
• 临床：三甲医院 + SMO + CRO 临床运营
• 商业化：跨国药企中国 + 本土创新药企 BD

🏢 企业客户关系深度维护（v15.0 新增 · 2026-09-02）

猎头真正的护城河不是候选人数据库，而是企业客户的信任深度 从 transactional recruiter 升级为 strategic talent partner

客户生命周期四阶段

客户维护 5 个关键动作

1. 季度人才市场报告推送

   • 包含：薪资对标数据、竞对人才动态、行业趋势洞察
   • 频率：每季度主动发送，不等客户开口
   • 格式：一页纸摘要 + 详细附录
   • 话术："这是本季度您关注领域的人才市场动态，有几个趋势值得注意…"

2. 关键岗位入职后 30/60/90 天主动回访

   • 30 天：融入情况、团队匹配、是否有意外
   • 60 天：绩效预期达成度、是否需要额外支持
   • 90 天：全面评估、下一季度人才需求预判
   • 价值：展示你"招到就结束"以外的长期服务意识

3. 行业活动/会议中邀请客户参与

   • 在行业峰会、论坛、沙龙中主动邀请客户
   • 增加客户在行业内的曝光，同时也增加你的网络
   • 活动后 24 小时内发送总结 + 关键洞察

4. 候选人入职后的"双向满意度"跟进

   • 不仅跟候选人聊，也主动跟客户聊
   • "XX 入职两个月了，整体表现符合预期吗？有什么我们可以更好支持的地方？"
   • 双向反馈帮助发现潜在风险，及时调整

5. 年度人才战略 review 会议

   • 每年安排一次正式会议（线下或线上）
   • 内容：回顾年度交付数据、分析人才市场变化、预判下一年度关键岗位
   • 输出：年度人才规划建议书

客户关系升级案例

案例 A：从单次合作 → 年度框架（快消行业）

背景：某快消品牌首次委托寻访营销总监，其他猎头也同时在做。

关键动作：

• 第一次沟通就提供了竞品公司组织架构分析
• 推荐人选时附上《2026 快消数字化营销人才市场报告》
• 候选人入职后连续 90 天跟进，主动发现文化融入风险并提前介入

结果：

• 客户 HRD 主动提出签年度框架协议
• 当年从 1 个职位扩展到 5 个职位
• 客户说："你比其他猎头多做了 80% 的事"

案例 B：从质疑到信任——用数据证明专业度（金融行业）

背景：某私募基金对猎头不信任，认为都是"卖简历的"。

关键动作：

• 首次 meeting 不谈候选人，先谈人才市场
• 提供了 3 年量化分析师薪资涨幅数据
• 用人才地图展示竞对公司的核心人才分布
• 用数据告诉客户："你们现在薪资结构在第 60 百分位，但你们的目标人才来自第 80 百分位的公司"

结果：

• 客户调整了薪资策略，从 P60 提到 P75
• 职位填充率从 30% 提升到 80%
• 客户 HRVP 说："你是第一个用数据跟我对话的猎头"

案例 C：客户转介绍裂变——一个客户带来三个新客户（新能源行业）

背景：为某储能企业成功交付 CTO 后，持续维护关系。

关键动作：

• CTO 入职后每季度发送行业人才动态
• 在新能源论坛上主动引荐客户认识行业专家
• 年度 review 时提出供应链人才储备建议

结果：

• 客户主动把你推荐给上下游合作伙伴
• 6 个月内获得 3 个新客户（供应商、经销商、投资机构）
• 单个客户→四个客户的裂变

客户关系健康度评分卡

评分使用：

• 8-10 分：战略客户，重点维护
• 5-7 分：成长客户，增加接触频率
• 1-4 分：需要破冰或重新建立信任

🤝 客户长期人才顾问服务（v9.1 新增）

从 transactional search 扩展到 ongoing talent advisory partnership 继任规划是持续过程，不是一次性事件

服务升级路径

继任规划三步框架

1. 关键岗位识别 — 哪些岗位对业务影响最大？内部有没有 ready-now 继任者？
2. 准备度评估 — Ready Now / 1-2 Year / External Only
3. 人才管道建设 — 每个关键岗位保持 3-5 位外部候选人管道，季度更新

客户顾问价值主张

• [猎头顾问姓名] 不只是"找到人"，而是帮客户"建管道"
• 从"招到就走"变成"持续人才情报"
• 客户粘性提升 → 复购率提升 → 收入更稳定

🗺️ Talent Mapping 2026 方法论升级（v12.0 新增）

三合一能力模型（Pin.com 定义）：人才地图不再是一次性项目，而是持续运营的能力

三合一能力模型

Talent Mapping 可执行 Checklist

□ 第 1 步：识别关键角色（对客户业务影响最大的岗位）
□ 第 2 步：核心技能清单（3-5 个必须技能）
□ 第 3 步：竞争情报（目标公司的组织架构/团队规模/技术栈）
□ 第 4 步：候选人细分（按经验/级别/动机分类）
□ 第 5 步：季度更新（每季度刷新一次人才池）
□ 第 6 步：AI 实时追踪（触发事件自动推送）
□ 第 7 步：行动触发（岗位开放时快速启动）

季度更新提醒规则

• 活跃岗位：每周更新候选人状态
• 常备岗位：每月更新人才池
• 战略岗位：每季度做一次全面 Mapping
• 触发事件：融资/高管变动/架构调整时立即更新

二、需求诊断 — JTIF 框架与人才差距分析

🎯 咨询先行 · Talent Gap Analysis（v15.0 新增 · 2026-09-02）

猎头从"接单找人"升级为"组织人才战略伙伴"——在接到 JD 之前，先与 Hiring Manager 做人才差距分析

核心理念

传统猎头模式：客户给 JD → 猎头找人 → 交付简历 → 一次性交易

咨询先行模式：理解业务目标 → 人才差距分析 → 共建人才画像 → 长期顾问关系

• 数据来源：万宝盛华 2026 趋势报告、Toggl《12 Recruitment Best Practices》
• 核心理念来自 Korn Ferry 2026 Global Talent Trends：顶尖猎头 84% 的时间花在"咨询"而非"搜索"
• 先做 Talent Gap Analysis，再做招聘交付，可减少 40% 的无效推荐

四步流程

Step 1：业务诊断（Business Diagnosis）

在接 JD 之前，先理解：

• 公司的业务目标是什么？（增长、转型、替代、合规）
• 这个岗位在组织战略中的位置？
• 当前的组织瓶颈在哪里？
• 未来 12-24 个月的业务规划是什么？

Step 2：岗位必要性评估（Role Necessity Assessment）

• 这个岗位为什么现在存在？
• 能不能通过内部调动/培养解决？
• 能不能通过组织架构调整解决？
• 能不能通过外包/顾问/兼职解决？
• 如果这个岗位不存在，业务会受到什么影响？

Step 3：人才差距分析（Talent Gap Analysis）

• 现有团队缺少什么能力？
• 市场能供给什么？不能供给什么？
• 竞争对手在抢什么样的人？
• 薪酬水位 vs 市场基准

区分 minimal requirements vs preferred requirements：

⚠️ 常见陷阱：Hiring Manager 把 Preferred 写成 Minimal，导致人才池缩小 60%+

Step 4：人才画像共建（Co-create Success Profile）

• 与客户一起定义"成功候选人"画像，而非被动接受 JD
• 区分"绩效预测因子"和"个人偏好"
• 用数据验证每个要求的合理性

首次与 HM 对话的需求诊断话术

"在我开始找人之前，我想先了解几个问题：

1. 这个岗位是为了解决什么业务问题？
2. 如果 6 个月后这个人非常成功，他/她做对了哪几件事？
3. 您现在的团队最缺什么能力？
4. 这个岗位的预算是怎么定出来的？有参考市场数据吗？
5. 在 Must-have 和 Nice-to-have 之间，哪些是可以 Trade-off 的？

我想确保我找的不是'看起来像'的人，而是'能解决问题'的人。"

交付物：Talent Gap Analysis Report 模板

# Talent Gap Analysis Report

**客户**：[公司名]
**岗位**：[岗位名]
**日期**：[YYYY-MM-DD]
**顾问**：[姓名]


### 🎯 职位需求对齐 SOP（v15.0 新增 · 2026-09-02）

> 80% 的招聘失败源于需求理解偏差，不是候选人不行
> JD ≠ 真实需求。猎头的核心价值之一：帮客户把「想要的人」翻译成「需要的人」

### JTIF 框架（Job → Talent → Interview → Follow-up）

J - Job（职位定义） ↓ 业务背景 → 团队现状 → 成功画像 → 薪资预算 T - Talent（人才画像） ↓ 必备条件 → 加分项 → 排除项 → 目标公司 → 触达策略 I - Interview（面试流程） ↓ 面试官安排 → 评估维度 → 决策权 → 反馈机制 F - Follow-up（跟进机制） ↓ 时间线 → 候选人体验 → Offer 策略 → 入职保障

### 首次客户沟通清单

**1. 业务背景理解**
- [ ] 这个岗位为什么 open？（新增/替补/业务扩张/组织架构调整）
- [ ] 岗位在组织架构中的位置？汇报给谁？管理几个人？
- [ ] 这个岗位对业务的影响是什么？
- [ ] 如果这个岗位一直招不到人，业务会怎样？

**2. 团队现状诊断**
- [ ] 现在团队几个人？什么背景？
- [ ] 团队最大的痛点是什么？
- [ ] 上一任为什么离开？
- [ ] 团队文化/管理风格是怎样的？

**3. 成功画像共建**
- [ ] 入职 6 个月后，怎样算「招对了」？
- [ ] 绝对不能接受的是什么？
- [ ] 如果必须在「经验」和「潜力」之间选一个，你选什么？
- [ ] 有没有"非必须但有了更好"的加分项？

**4. 薪资预算确认**
- [ ] 预算范围是多少？（base + bonus + equity）
- [ ] 如果找到特别合适的人，预算有弹性吗？弹性多大？
- [ ] 和内部同级别的人比，薪资是否公平？

**5. 面试流程对齐**
- [ ] 几轮面试？每轮谁面？面什么？
- [ ] 决策权在谁手里？
- [ ] 面试后多久反馈？
- [ ] 是否有笔试/案例分析/技术测试？

**6. 时间线约定**
- [ ] 最晚到岗时间？
- [ ] 如果候选人有竞业限制，能等吗？
- [ ] 你希望我多久推荐一次候选人？

### "假 JD"识别指南

客户写的 JD 和真实需求往往有差距。以下是常见模式：

| JD 写法 | 真实需求信号 | 应对策略 |
|---------|-------------|--------|
| 要求"精通 10+ 技术栈" | 客户不确定到底需要什么，在堆砌关键词 | 追问：日常工作中最核心的 3 个技能是什么？ |
| 写"5 年经验但管理 10 人团队" | 实际需要 senior IC，不需要管理者 | 确认：是管理岗还是资深执行岗？ |
| "985/211 优先"但没写原因 | 可能是 HR 的惯性要求，不是业务需要 | 试探：如果候选人项目经验极强但学历一般，考虑吗？ |
| JD 里没写团队现状 | 可能团队有问题（高离职率/内部矛盾） | 主动问：现在团队最大的挑战是什么？ |
| 薪资范围显著低于市场 | 客户可能不了解市场，或有隐性预算 | 用薪资对标数据教育客户 |
| "什么都能干"的全能要求 | 客户在找一个不存在的 unicorn | 拆解真实优先级，做减法 |

### 客户期望管理：Time-to-fill vs Quality-of-hire

**关键沟通原则**：
- 快和好是矛盾的。客户既要 2 周 fill 又要 10 分 quality → 不可能
- 用数据说话：行业平均 time-to-fill 是多少，高质量候选人的平均决策周期是多少
- 帮客户做优先级排序："如果我们追求速度，可能在 X 维度妥协；如果追求质量，需要 Y 周。您更在意哪个？"

**参考数据**（2026 行业基准）：
- 初级岗位：平均 2-4 周
- 中级岗位：平均 4-8 周
- 高级/管理岗位：平均 8-16 周
- C-level：平均 3-6 个月

### 职位需求对齐案例

**案例 1：成功——用正确的问题挖出真实需求**

场景：某新能源公司招"海外销售总监"，JD 要求"10 年海外销售经验 + 英语母语级 + 管理 20 人团队"。

首次沟通中发现：
- 问："为什么需要英语母语级？"→ 答："主要客户在欧洲。"
- 问："团队 20 人是怎么分布的？"→ 答："其实现在 3 个人，计划明年扩。"
- 问："最重要的是开拓新市场还是维护现有客户？"→ 答："开拓，欧洲是新的。"

重新定义画像：
- ❌ 不需要"管理 20 人经验"——团队才 3 个人
- ❌ 不需要"10 年经验"——新市场开拓更需要有创业精神的 mid-senior
- ✅ 需要：欧洲市场 BD 经验 + 从 0 到 1 的开拓能力 + 英语流利即可

结果：4 周推荐 3 人，2 人进入终面，1 人成功入职。客户说"你帮我们理清了到底需要什么样的人"。

**案例 2：失败——没对齐期望导致推人全拒**

场景：某金融公司招数据科学家。

问题：
- 只按 JD 推荐，没有问"为什么 open"和"团队现状"
- 不知道上一任是因为和 CTO 技术路线不合而离职
- 推荐的人都是"学术型"数据科学家，但 CTO 要的是"工程型"

结果：推了 5 个人全部被拒，浪费了 2 个月。后来才搞清楚真实需求。

教训：**永远不要只按 JD 推人。第一次沟通必须挖出 JD 之外的信息。**

**案例 3：成功——用人才地图改变客户需求**

场景：某快消公司招电商运营负责人，预算 40K。

做法：
- 做了目标公司的人才地图，发现这个级别的人市场薪资在 55-70K
- 用数据告诉客户："您的预算只能招到经理级别，要招总监需要提到 55K 以上"
- 同时提供了"低预算替代方案"：找有潜力的 senior manager，用 40-45K + equity 吸引人

结果：客户接受了替代方案，入职了一位 senior manager，18 个月后晋升为总监。

---

### 🧠 候选人 Persona 构建框架（v15.0 新增 · 2026-09-02）

### Talent Pool vs Talent Pipeline

**Talent Pool（人才库）**：被动收集的人才集合。关键词搜到的人、交换过名片的人、LinkedIn 连接的人。量大但无结构。

**Talent Pipeline（人才管道）**：有明确阶段、有推进节奏的候选人流。每个候选人在管道中有明确位置（Identified → Contacted → Interested → Submitted → Interview → Offer → Closed）。

**关键区别**：Pool 是静态的，Pipeline 是流动的。猎头的核心竞争力不是 Pool 有多大，而是 Pipeline 的转化效率。

### Persona 构建 5 步法

#### Step 1：人口统计 + 职业阶段
- 年龄段 / 家庭状况 / 所在地
- 当前职级 vs 目标职级（如"高级→总监"还是"经理→VP"）
- 职业生命周期：探索期（0-3年）/ 成长期（3-8年）/ 成熟期（8-15年）/ 领导期（15年+）

#### Step 2：核心动机 + 决策因素
- 当前最大痛点是什么？（薪资瓶颈 / 发展受限 / 行业衰退 / 团队冲突 / 地域变化）
- 决策权重排序：薪资 > 发展 > 稳定 还是 发展 > 薪资 > 稳定？
- 风险偏好：愿意跳槽冒险还是倾向稳定？

#### Step 3：信息渠道偏好
- 最常看什么：LinkedIn / 脉脉 / 行业社群 / 朋友推荐 / 猎头微信
- 沟通渠道：微信秒回型 vs 邮件正式型 vs 电话直接型
- 内容消费：长文深度 / 短视频碎片 / 播客陪伴

#### Step 4：沟通风格 + 响应模式
- 主动型：主动跟进、问很多问题
- 被动型：等对方推进、回复简短
- 分析型：喜欢数据对比、反复权衡
- 关系型：看重信任和人际连接

#### Step 5：职业故事叙事
- 候选人如何讲述自己的职业故事（这决定了他在面试中的呈现方式）
- 一致性检查：LinkedIn 版本 / 简历版本 / 口述版本是否一致？

### Persona 示例：四大行业

#### 🧴 快消零售 — "数字化营销总监"
- **人口统计**：32-38岁，已婚已育，北上广深
- **职业阶段**：成长期→成熟期过渡，从"执行总监"向"业务VP"跃迁
- **核心动机**：传统快消增长见顶 → 想跳到数字化/电商/新零售赛道
- **决策权重**：平台品牌 > 团队规模 > 薪资
- **信息渠道**：LinkedIn + 行业社群（如"消费品那些事儿"微信群）+ 猎头微信
- **沟通风格**：分析型 + 关系型混合，喜欢数据和案例
- **职业故事**："我从品牌经理一路做到总监，但现在的增长都是靠流量，我想做真正的数字化转型"

#### 🏦 金融 — "量化研究员"
- **人口统计**：28-35岁，未婚/新婚，上海/香港/新加坡
- **职业阶段**：成长期，2-6年经验
- **核心动机**：对冲基金/高频交易公司薪资天花板 > 银行，追求 alpha 策略的自由度
- **决策权重**：薪资/绩效 > 技术栈 > 团队
- **信息渠道**：GitHub + Kaggle + 学术社群 + 内推
- **沟通风格**：直接、技术导向，不喜欢寒暄
- **职业故事**："我在银行做风险模型做了4年，但真正的量化交易在买方，我想做能直接产生 P&L 的工作"

#### ⚡ 新能源 — "储能海外销售总监"
- **人口统计**：35-45岁，已婚有孩，可接受海外派驻
- **职业阶段**：成熟期，从"国内销售"向"海外业务负责人"转型
- **核心动机**：国内储能产能过剩 → 出海是唯一增长路径
- **决策权重**：海外市场空间 > 授权 > 薪资
- **信息渠道**：展会（如 Intersolar）+ 行业协会 + 老客户转介绍
- **沟通风格**：关系型为主，看重信任背书，需要面对面或视频
- **职业故事**："我在国内储能做到大区总监了，但现在国内市场卷到没利润，我们公司在欧洲/中东有布局，我想带团队出海"

#### 🏥 医疗 — "临床试验运营负责人"
- **人口统计**：30-40岁，已婚，上海/北京
- **职业阶段**：成熟期，从"CRO 执行"向"申办方策略"转型
- **核心动机**：CRO 公司工作强度大、天花板低 → 想跳申办方（药企/生物科技）做策略层
- **决策权重**：公司平台 > 工作强度 > 薪资
- **信息渠道**：DIA 年会 + 医药猎头 + 前同事推荐
- **沟通风格**：谨慎、正式，需要多次接触建立信任
- **职业故事**："我在 CRO 做了 8 年临床试验运营，项目管理没问题了，但我想去申办方做更前端的策略，不只是执行"

### Persona 复用模板

```markdown

### 👤 候选人画像模板（v8.0 新增）

### 使用场景
在 JD 分析阶段，先定义"理想候选人"画像，避免盲目搜索

### 画像结构

**硬性条件**
- 核心技能：[3-5 个必须技能]
- 工作年限：[X-Y 年]
- 学历要求：[本科/硕士/博士]
- 行业经验：[目标行业/相邻行业]
- 证书/资质：[如 PMP/CFA/CKA 等]

**软性条件**
- 沟通风格：[如 跨部门协作/客户沟通/技术表达]
- 管理要求：[如 带过 X 人团队/项目管理经验]
- 文化适配：[如 创业公司/大厂/外企]

**动机因素**
- 核心诉求：[如 成长空间/薪资/work-life balance]
- 离职风险因素：[如 晋升瓶颈/行业前景]
- 决策因素：[如 团队/技术/地域]

**目标公司映射**
- Tier 1：[直接竞对公司名单]
- Tier 2：[相邻行业公司名单]
- Tier 3：[可迁移人才来源]

### 示例：SRE 负责人画像
- 核心技能：Kubernetes、CI/CD、Python/Go、可观测性
- 工作年限：8-12 年，3+ 年团队管理
- 行业经验：互联网/云原生/医疗科技
- 管理要求：带过 5+ 人团队，有跨部门协作经验
- 核心诉求：技术挑战 + 成长空间 > 薪资
- 目标公司：阿里/腾讯/字节云原生团队 + 医疗科技公司

---


### 📊 转化型猎头 · 关键理念（v12.0 新增）

> 顶级猎头和普通猎头的差距在拉大——前 25% 年均收入比其余人均值高出 $168,000

### 转化率 > 数量
- **前 25% 猎头**：screen-to-submission 率 50.1%
- **行业平均**：screen-to-submission 率 36.1%
- **差距 14 个百分点** = $168,000 收入差距

### 转化型猎头的做法
- 往数据库加**更少**的人，但**转化更多**已有的人
- 每份推荐都有 JD 对标分析，不是简历转发
- 动机深度验证（PMCC 三问必执行）
- 面试辅导（有辅导的候选人通过率高出 22%）
- 过程透明（每轮面试后 48h 内反馈）

### 数据库准确性 > 数据库大小
- 不再比谁简历库更大，而是比谁的数据更准、转化更高效
- 沉睡 90 天以上的候选人需要唤醒或清理
- 每次沟通后更新档案，不依赖记忆

---


## 三、人才寻访 — 渠道、Boolean、GitHub 与被动候选人

### 寻访渠道优先级矩阵（v8.0 升级）

### 按行业推荐最优寻访路径

| 行业 | 首选渠道 | 备选渠道 | 深度渠道 | AI 增强 |
|------|---------|---------|---------|---------|
| 快消零售 | 猎聘/脉脉 | 领英/行业社群 | 线下展会/经销商网络 | AI 批量扫描 LinkedIn |
| 金融 | 领英/猎聘 | 脉脉/金融社群 | CFA/FRM 协会/校友网络 | PeopleGPT 聚合 |
| 新能源 | 猎聘/BOSS | 领英/技术论坛 | 行业峰会/供应商网络 | AI 行业趋势扫描 |
| 医疗医药 | 猎聘/丁香人才 | 领英/学术社群 | 医学会议/CRO 网络 | FidForward 扫描 |
| 互联网/科技 | 脉脉/Boss | 领英/GitHub | **GitHub 开源社区** + 技术大会 | Calyflow 6 步自动化 |
| 半导体/芯片 | 猎聘/脉脉 | 领英/技术论坛 | 学术会议/实验室 | AI 论文/专利追踪 |

---


### ⏱️ 寻访时效标准（v8.0 新增）

> **48-72 小时内启动寻访**是行业参考基准

### 寻访启动 Checklist

1. **关键词确定** — 从 JD 提取 3-5 核心词
2. **平台选择** — 按渠道优先级矩阵
3. **Boolean 构建** — 精准关键词组合
4. **首批 Longlist 生成** — AI 批量扫描 + 人工复核
5. **交叉验证** — 多平台比对候选人信息

### 寻访节奏

| 阶段 | 时间 | 动作 |
|------|------|------|
| Day 0-1 | JD 收到 | 分析 JD + 构建画像 + Boolean |
| Day 1-2 | 启动寻访 | 首批 Longlist（20-30 人） |
| Day 2-3 | 筛选 | Shortlist（5-8 人） |
| Day 3-5 | 触达 | 首次联系 + 价值先行

---


### 🐙 GitHub 开源人才寻访引擎（v4.1 新增）

> **核心理念**：开源贡献 = 最真实的技术能力证明
> GitHub 上有活跃贡献的工程师，往往比简历上写的更靠谱

### 前置准备

**安装 GitHub Skills：**
- `github-cli` — 全面 GitHub CLI 操作
- `github-search` — 仓库深度搜索与分析
- `openclaw-github-assistant` — 仓库/Issue/CI 管理
- `github-workflow` — Actions/PR 工作流
- `github-actions-generator` — CI/CD 场景生成

**认证配置：**
```bash
# 方法 1：GitHub Personal Access Token
GitHub Settings → Developer Settings → Personal Access Tokens → 生成 token（建议 scope: repo, read:user）
export GITHUB_TOKEN="your_personal_access_token"

# 方法 2：GitHub CLI 登录
gh auth login

A. 技术关键词 → 候选人发现

使用场景： [猎头顾问姓名] 需要找特定技术栈的人才（如 Kubernetes/Go/AI 工程师）

# 1. 搜索相关热门仓库
gh search repos "kubernetes operator" --language go --stars ">100" --sort stars

# 2. 搜索活跃贡献者
gh search code "kubernetes" --language go --repo owner/repo

# 3. 追踪高频提交者
gh search commits "fix bug" --author monalisa --repo owner/repo

猎头工作流：

1. 根据 JD 技术栈 → 提取 3-5 个关键词
2. gh search repos [关键词] → 找相关热门项目
3. 提取项目 maintainer/top contributors
4. 交叉比对 → 建立技术人才候选列表
5. 尝试通过 GitHub profile 联系（邮箱/Linkedin 推断）

B. 目标公司技术栈监控

使用场景： 了解目标公司正在用什么技术，推断招聘需求

# 查看公司开源项目
gh search repos --owner=company-name --sort updated

# 查看 CI/CD 活跃度
gh run list --workflow build.yml --limit 20

# 查看 Issue 增长（= 招聘信号）
gh issue list --state open --limit 50

Hiring Signals from GitHub：

• 📈 新仓库创建 → 新业务线启动 → 需要招人
• 🔥 CI/CD 活跃度飙升 → 项目加速 → 可能缺人
• 📝 大量 open issues → 人手不足 → 招聘窗口
• 🔄 高频 contributor turnover → 可能有人离职

C. 技术人才能力评估辅助

使用场景： 评估候选人 GitHub 活跃度，验证简历技术能力

# 查看候选人贡献
gh search repos --author=candidate-username --sort stars

# 查看提交历史
gh search commits --author=candidate-username

# 查看 PR 质量
gh search prs --author=candidate-username --state merged

评估维度：

D. CI/CD 技能测试场景生成

使用场景： 用 github-actions-generator 生成技术测试，评估候选人 DevOps 能力

# 生成 CI 测试场景
github-actions-generator ci --lang go

# 生成部署测试场景
github-actions-generator deploy --target kubernetes

# 生成 Docker 测试场景
github-actions-generator docker --registry ghcr

猎头话术：

"XX，我们对这个职位有个小技术挑战——你能分享一个你觉得写得最得意的 GitHub Actions 工作流吗？"

E. 技术人才聚集地地图

按技术栈分类的人才池：

F. GitHub 寻访工作流（集成到现有流程）

新职位 GitHub 寻访流程：
1. 收到 JD → 提取技术关键词（3-5 个）
2. gh search repos [关键词] → 找到 10-20 个相关仓库
3. 提取各仓库 top contributors → 建立初筛列表
4. gh search commits --author=[名字] → 验证活跃度
5. 交叉比对猎聘/脉脉 → 确认可联系性
6. 输出 Longlist → [猎头顾问姓名] 做 Shortlist
7. Cold Outreach → 用 PMCC 话术触达

Calyflow 6 步 GitHub 自动化 Sourcing（v7.0 新增）

开源 Sourcing Agent，单次搜索成本仅 2 美分 参考：Calyflow 开源工具，6 步自动化人才寻访

6 步流程：

1. 研究目标库 — 分析 JD，确定技术栈和目标人群画像
2. 找库 — gh search repos [关键词] 定位相关开源项目
3. 找贡献者 — 提取 maintainer / top contributor 列表
4. 找联系方式 — 从 profile / commit email / 关联社交推断联系方式
5. 评分预选 — 按 commits/stars/PR 质量/技术匹配度评分排序
6. 生成文档 — 自动生成候选人简报，含 GitHub 数据 + 匹配分析

与传统 Boolean 搜索结合：

• Boolean 提供关键词和方向 → GitHub 验证真实技术能力 → 交叉比对招聘平台确认可联系性
• 最好的寻访 = 人才地图 + Boolean + AI 自动化三结合

G. 布尔搜索 + GitHub 组合拳

增强版 Boolean 搜索模板：

# GitHub + Google 组合搜索
site:github.com "machine learning engineer" "Beijing"
site:github.com "SRE" "Kubernetes" "Shanghai"

# GitHub 用户 profile 搜索
github.com/users?utf8=✓&q=location%3Abeijing+language%3Ago

# 技术栈 + 地点组合
gh search repos "distributed system" --language go --topic distributed-systems

寻访三十六路 — 优先级策略

核心变化：从 "接到 JD 再找人" 转向 "提前 Mapping，有需求时快速启动"

第一阶段（0-8 小时）：快速出 Longlist

1. 招聘平台搜索（猎聘/BOSS/脉脉）
2. 内部候选人数据库匹配
3. Boolean 搜索（Google/领英）
4. 社交媒体定向搜索

第二阶段（2 天后）：深度寻访 5. 人才 Mapping（目标公司→目标部门→目标人选） 6. F2F 活动（行业会议/展会/沙龙） 7. 社群渗透（微信/知识星球/Reddit） 8. 转介绍激活（已有候选人/客户推荐） 9. 被动候选人池激活 10. Silver Medalist 再触达

第三阶段（持续）：关系网络 9. 优秀猎头 2 年后 70%+ 候选来自转介绍 10. 建立行业 KOL 关系 11. 内容获客（行业分析/市场报告） 12. Silver Medalist 运营（面试通过但未入职的候选人）

Boolean 搜索模板

基础操作符

• AND / OR / NOT / () / "" / -

实战模板

# SRE 工程师（阿里/腾讯背景）
("SRE" OR "Site Reliability Engineer") AND ("Kubernetes" OR "K8s") AND ("阿里巴巴" OR "腾讯" OR "字节")

# 快消营销总监
("营销总监" OR "Marketing Director") AND ("快消" OR "FMCG") AND ("品牌" OR "数字营销") -"实习" -"兼职"

# 新能源海外销售
("海外销售" OR "International Sales") AND ("新能源" OR "储能" OR "光伏") AND ("英语" OR "东南亚" OR "欧洲")

# Go 后端工程师（GitHub 开源贡献者）
site:github.com ("Go" OR "Golang") ("微服务" OR "microservice") ("北京" OR "上海")

# AI 工程师（GitHub 活跃贡献者）
site:github.com ("LLM" OR "大语言模型") ("agent" OR "智能体") ("深圳" OR "北京")

🔬 技术生态寻访引擎（v11.0 新增）

核心理念：从"关键词匹配"升级到"技术生态理解"——先理解 JD 背后的技术生态（依赖库、框架、社区），再找贡献者

为什么传统 Boolean 不够

• Boolean 搜索只能匹配写了什么关键词，不能匹配实际做了什么
• 技术候选人真正的能力体现在：GitHub 贡献、技术社区参与、开源项目维护
• AI Sourcing Agent 可以自动读取 JD → 发现相关开源库 → 找贡献者 → 推断联系方式

技术生态寻访三步法

第 1 步：生态映射

JD 关键词 → 依赖的技术栈生态
例："视频编码工程师" → FFmpeg, x264, WebRTC, GStreamer 等
例："AI 工程师" → LangChain, PyTorch, Transformers, vLLM 等
例："SRE" → Kubernetes, Prometheus, Terraform, Istio 等

第 2 步：贡献者发现

# GitHub 搜索相关热门仓库\ ngh search repos "<技术关键词>" --language <语言> --stars ">100"
# 提取 maintainer / top contributor
gh search commits --author=<用户名> --repo <owner/repo>

第 3 步：交叉验证

• GitHub profile → 推断邮箱/LinkedIn
• 交叉比对猎聘/脉脉/LinkedIn
• 用 Boolean 确认可联系性

技术岗位生态映射表

🎯 被动候选人寻访指南（v6.0 新增）

LinkedIn 数据：被动候选人占劳动力 75%，主动求职的仅 25% 94.2% 的在职求职者对猎头主动推荐有兴趣

被动候选人画像

被动候选人沟通策略

核心原则

• 不要用"有个机会薪资翻倍，感兴趣吗"直切式开场
• 用候选人的语言沟通，聊有共鸣的话题
• 向候选人学习比推销一个职位更重要
• 有面试辅导的候选人通过率比无辅导的高 22 个百分点

分步沟通流程

1. 第 1 步：研究 — 了解候选人最近的项目/发表/成就
2. 第 2 步：连接 — 基于共同话题建立联系（行业洞察/技术讨论）
3. 第 3 步：价值 — 提供行业信息/市场趋势（不是直接推职位）
4. 第 4 步：试探 — "最近市场上有个方向挺有意思的，想听听你的看法"
5. 第 5 步：深入 — 如果回应积极 → 深入了解职业诉求

出海岗位被动候选人沟通要点

• 出海岗位不能直切薪资话题
• 需理解跨文化沟通敏感度，避免文化误判
• 海外面试需要建立雇主品牌吸引力
• 关注候选人对目标市场的了解程度

🤝 Warm Introduction SOP（v8.0 新增）

数据基准

• Warm Intro 回复率 25-40%+，关键是在第一句提及推荐人
• 内部推荐保留率比其他渠道高 40%（Oracle）
• 优秀猎头 2 年后 70%+ 候选来自转介绍

Warm Intro 标准流程

1. 获取推荐人许可

• 在联系被推荐人之前，先获得推荐人的明确同意
• 话术："XX，你觉得身边有没有同样优秀的同行朋友？我可以先跟你了解一下他的情况吗？"

2. 24-48 小时内发送

• 拿到推荐后 24-48 小时内触达，时效性越高回复率越高
• 超过 72 小时，"warm" 变成 "cold"

3. 第一句必须提及推荐人

• ✅ "XX 你好，我是猎头 [猎头顾问姓名]，XX（推荐人名字）推荐我联系你的"
• ❌ "XX 你好，我是猎头 [猎头顾问姓名]，在平台上看到你的简历"

4. 价值先行

• 附带行业趋势分析、薪资对标、或职业竞争力评估

5. 低门槛 CTA

• "不一定要换工作，就当了解一下市场情况"
• "XX 说你在行业里特别有见解，想认识一下"

Warm Intro 话术模板

模板 A：推荐人明确同意

XX 你好，我是猎头 [猎头顾问姓名]。
XX（推荐人）推荐我联系你，说你在 [领域] 特别专业。
我这边有一个 [公司] 的 [职位] 机会，
考虑到你的 [某项技能/经验]，觉得非常匹配。
方便的话这周找个时间简单聊 10 分钟？
不一定要换工作，就当了解一下市场情况。

模板 B：推荐人提供信息但未明确同意

XX 你好，我是猎头 [猎头顾问姓名]。
我在做 [行业] 的人才地图时，
通过 [共同渠道/推荐人名字] 了解到你在 [公司] 负责 [方向]。
最近做了一份 [行业] 人才市场趋势分析，
觉得你可能感兴趣，方便分享一下吗？

模板 C：Silver Medalist 转介绍

XX 你好，上次 [候选人姓名] 入职 [公司] 后，
向我推荐了你，说你在 [领域] 特别厉害。
正好我这边有个 [公司] 的机会，
和你们的背景都很匹配，有兴趣了解一下吗？

Warm Intro 追踪表

🔁 ATS 沉睡候选人唤醒流程（v12.0 新增）

50% placement 来自已有数据库 —— 但很多候选人"睡着了"就再没被唤醒

沉睡候选人定义

• 沉睡标准：最后触达日期 > 90 天
• 高价值沉睡：曾经进入过 Screening/Interview/Offer 阶段
• Silver Medalist：面试优秀但未录用 = 最高优先唤醒对象

唤醒工作流

唤醒话术模板

Silver Medalist 唤醒

XX，好久不见！上次 [公司/职位] 虽然没成，
但我一直记得你的 [核心优势]。
最近有个 [新公司] 的 [职位]，
和之前的不太一样，[新亮点]，
我觉得和你的匹配度更高。
有兴趣聊聊吗？就当了解市场。

沉睡候选人唤醒（匹配新职位）

XX，好久没联系了，上次聊的时候你还在 [公司]，
现在怎么样？
我这边最近有个 [行业/职位] 的机会，
想到你之前的 [某项经验]，觉得挺匹配的。
方便通个 10 分钟电话聊聊吗？

沉睡候选人唤醒（纯关怀）

XX，好久没聊了，最近怎么样？
上次聊之后，[行业] 出了些新动向，
我做了份最新的市场分析，
想分享给你看看？就当多一个信息。

自动提醒规则

• 每 30 天：扫描沉睡候选人，匹配新职位
• 新职位开放时：自动扫描人才库，推送匹配度 Top 5
• Silver Medalist：90 天强制唤醒提醒
• 触发事件发生时：目标公司融资/高管变动时，唤醒相关沉睡候选人

🤖 AI Sourcing Agent 十大用例 → Pipeline 映射（v12.0 新增）

基于 Curately 2026 AI Sourcing Agent 十大用例，映射到我们的 Pipeline 状态机

关键原则

• AI 做 1-7 和 9-10，[猎头顾问姓名] 做决策点
• 端到端自动化（#4）不是"全自动"，而是"AI 执行 + 人工监督"
• 合规（#8）是底线：AI 不能决定是否歧视，只能辅助减少偏见

Resume Triage 批量筛选工作流（v4.0 新增）

使用场景

[猎头顾问姓名] 收到一批简历（文件夹/列表），需要快速初筛。

流程

1. 收集简历 → 放入临时文件夹或提供列表
2. 提供 JD → [猎头顾问姓名] 粘贴或提供路径
3. 批量评分 → 我对每份简历做 9 维度评分
4. 输出 CSV → 排序 + 分级（A/B/C）
5. [猎头顾问姓名] 复核 → 从 Longlist 中选 Shortlist

输出格式

姓名,学历,工作年限,稳定性,当前公司,行业,综合评分,等级,备注
张三,硕士,8,低,阿里,互联网,8.5,A,核心匹配
李四,本科,6,中,腾讯,互联网,7.2,B,技能可迁移
王五,本科,3,高,创业公司,互联网,5.1,C,经验不足

分级标准

• A 级（8+）：强烈推荐，立即安排沟通
• B 级（6-7.9）：推荐，可备选
• C 级（<6）：不推荐，除非特殊情况

四、筛选评估 — 9 维度、BEI、背调与领导力风险

候选人分类标签体系（v4.0 新增）

按沟通风格分类

按求职状态分类

• 积极：主动看机会，2 周内可安排面试
• 被动：不主动看但好机会会聊，需 2-4 周培养
• 观望：暂时不动，保持季度联系
• 锁定：当前公司关键期/刚入职，半年后再触达

按行业标签匹配破冰话术

• 新能源/储能：技术路线、出海政策、补贴变化
• 半导体/芯片：国产替代、先进封装、EDA 工具
• 机器人：人形机器人进展、核心零部件、应用场景
• 互联网/科技：AI 大模型、降本增效、组织架构调整
• 医疗/CRO：临床数字化、创新药出海、集采影响
• 快消零售：渠道变革、品牌出海、供应链升级
• 金融：量化私募、跨境业务、监管变化

9 维度评分标准

🔬 AI 多模态简历解析（v9.2 新增）

Augtal 2026 趋势：同时读取简历 + LinkedIn + GitHub 交叉验证

多源数据交叉验证流程

评估权重

• 技术岗：GitHub 权重 30% + 简历 40% + LinkedIn 30%
• 业务岗：LinkedIn 权重 40% + 简历 50% + 其他 10%
• 高管：LinkedIn 权重 50% + 简历 40% + 行业口碑 10%

🧠 BEI/STAR 面试评估框架（v6.0 新增）

传统面试预测效度仅 0.20，结构化行为面试可达 0.50-0.60

BEI 核心原则

• 不问"你会怎么做"，只问"你当时做了什么"
• 一个完整 BEI 追问需 15-25 分钟
• 一场面试深挖 2-3 个核心事件即可
• 关注行为，不关注态度、观点、理论

STAR 深度追问四模块

S 情境（Situation）

• 当时是什么背景？团队多大？资源多少？
• ⚠️ 关键信号：S 直接跳到 R → 追问过程细节

T 任务（Task）

• 你面临的核心挑战是什么？
• 目标是什么？谁来定的？

A 行动（Action）

• 你具体做了什么？（不是"我们"做了什么）
• ⚠️ 关键信号："我们"但无"我" → 追问个体贡献
• ⚠️ 关键信号："一般来说" → 打断，要具体案例

R 结果（Result）

• 最终结果如何？量化数据？
• 你从中学到了什么？
• 如果重新来，你会怎么做？

标准化 BEI 追问话术

情景模拟法

用真实业务难题（脱敏后）让候选人现场分析，观察分析过程而非只看结论：

产品经理示例

"我们有个功能上线后 DAU 掉了 15%，数据面板显示跳出率从 30% 升到 55%。你拿到这个 case，前 30 分钟会做什么？"

销售总监示例

"你入职后发现最大客户占了 40% 营收，但合同下月到期，竞品在接触。你前两周会做什么？"

SRE 负责人示例

"凌晨 3 点核心服务 P99 延迟从 200ms 飙到 5s，告警响了 200 条。你作为 on-call leader，前 10 分钟的决策流程是什么？"

工作样本测试

取真实工作内容限时完成，评估产出质量：

BEI 评估报告模板

### BEI/STAR 面试评估 — [候选人姓名]

### 考察维度
| 维度 | 评分(1-10) | 关键行为证据 | 风险信号 |
|------|-----------|-------------|---------|

### 核心事件 1：[事件名称]
- **S**：[情境描述]
- **T**：[任务描述]
- **A**：[具体行动，关注"我"做了什么]
- **R**：[量化结果]
- **可信度**：高/中/低（基于细节丰富度和一致性）

### 情景模拟表现
- **题目**：[描述]
- **分析过程**：[观察到的思考方式]
- **亮点**：
- **顾虑**：

### 综合评估
- 优势：
- 风险点：
- 推荐等级：强烈推荐 / 推荐 / 有条件推荐 / 不推荐

📋 多维度背调 Checklist（v6.0 新增）

直属上级 + 跨部门合作者 + 下属三方交叉验证 "你愿意再次和他共事吗"是预测效度最高的单一问题

背调对象矩阵

标准化背调问题库

对直属上级

1. 他/她在您团队的核心贡献是什么？
2. 他/她最大的优点和最需要改进的地方分别是什么？
3. 面对压力或冲突时，他/她通常怎么应对？能举个具体例子吗？
4. 如果您有类似岗位，您愿意再次雇佣他/她吗？（核心问题）
5. 他/她的职业发展瓶颈在哪里？

对跨部门合作者

1. 你们合作最多的项目是什么？他/她负责什么？
2. 合作过程中有没有出现过分歧？怎么解决的？
3. 他/她在跨部门沟通中是推进者还是阻力？
4. 您觉得他/她的专业能力在同级别中排多少？

对下属

1. 他/她的管理风格是什么？微观管理还是充分授权？
2. 他/她如何帮助你成长？有具体的培养动作吗？
3. 团队氛围怎么样？离职率高吗？
4. 如果遇到紧急情况，他/她的决策速度和准确度如何？

背调报告模板

### 背调报告 — [候选人姓名]

### 验证概览
| 维度 | 上级评价 | 同事评价 | 下属评价 | 一致性 |
|------|---------|---------|---------|--------|

### 核心发现
- ✅ 确认项：
- ⚠️ 差异项：
- ❌ 风险项：

### "愿意再次共事吗" 汇总
- 上级：[是/否/有条件] — 理由：
- 同事：[是/否] — 理由：
- 下属：[是/否] — 理由：

### 综合结论
- 可信度评级：高/中/低
- 建议：录用 / 有条件录用 / 不录用

⚠️ 领导力风险评估（v11.0 新增）

高管猎头进化为"领导力风险顾问" ~40% C 级高管失败因文化适配不足

领导力风险 7 维度

推荐报告增加领导力风险段落

### 🤖 AI 原生能力评估维度（v14.0 新增 · 2026-08-27）

> 2026 年 AI 岗位占比从 2.29% 跃升至 26.23%，AI 技能溢价 73%
> 猎头核心竞争力 = 判断候选人在 AI 工具链、模型训练、提示工程维度的实际生产力

### 为什么新增这个维度
- 传统 9 维度评分未覆盖 AI 能力评估
- AI 已从"加分项"变"硬性要求"：34% 岗位明确要求 AI 能力（2025 年 22.35%）
- 不只是 AI 岗位——所有技术岗都需要评估 AI 工具使用能力

### AI 原生能力 4 层评估模型

| 层级 | 能力 | 评估方式 | 评分标准 |
|------|------|---------|----------|
| **L1 AI 工具使用者** | 能用 Copilot/Cursor/ChatGPT 提效 | 面试中询问日常工作流 | 10=深度融入日常，5=偶尔使用，<3=完全不用 |
| **L2 AI 应用开发者** | 能调用 API 构建 AI 应用（RAG/Agent/微调） | 项目经验 + GitHub 验证 | 10=有多个上线项目，5=有实验项目，<3=无实操 |
| **L3 AI 系统工程师** | 模型部署/推理优化/训练/评估 | 技术深度追问 + 论文/开源 | 10=有模型训练经验，5=会部署微调，<3=仅会调用 |
| **L4 AI 架构师** | 设计 AI 系统架构、选型、团队 AI 战略 | BEI 追问架构决策 | 10=主导过 AI 平台建设，5=参与过选型，<3=无经验 |

### 按岗位类型的评估重点

| 岗位类型 | 重点评估 | 验证方式 |
|---------|---------|----------|
| **AI/ML 工程师** | L3-L4：模型训练、推理优化、MLOps | GitHub + 论文 + BEI |
| **后端/全栈工程师** | L1-L2：AI 工具提效 + API 集成 | 工作流追问 + 项目经验 |
| **产品经理** | L1-L2：AI 产品设计、prompt 设计 | 产品案例 + AI 功能设计经验 |
| **SRE/DevOps** | L2-L3：AI infra 运维、GPU 集群、模型部署 | 项目经验 + 技术栈验证 |
| **业务岗（销售/营销）** | L1：AI 工具使用（AI 写作/数据分析） | 日常工作流追问 |
| **高管** | L1-L2：AI 战略认知、团队 AI 化转型 | 战略案例 + 行业判断 |

### 在推荐报告中的使用

```markdown

### AI 原生能力评估（技术岗附加）
- AI 能力层级：L1/L2/L3/L4
- 具体证据：[项目/GitHub/工具使用]
- 与目标岗位 AI 要求的匹配度：高/中/低
- 风险评估：[AI 能力是否是硬伤/可培养]

与 9 维度评分的关系

• 技术岗：AI 原生能力作为第 10 维度，权重 10%，综合评分中占 1 分
• 业务岗：AI 工具使用能力并入"技能重叠度"维度
• 高管岗：AI 战略认知并入"文化适配度"维度

🐙 GitHub Proof of Work 5 信号评估模块（v13.1 新增 · 2026-08-25）

来源：Riem.ai / Kula.ai / Fonzi.ai — 2026 GitHub 寻访实战 补充到现有 9 维度评分中，特别是技术岗评估

5 个预测工程质量的 GitHub 信号

实战要点

不要只看 follower 多的

• 10,000 follower 的工程师可能被几十个猎头骚扰过
• 50-200 follower + 持续贡献相关项目的人更可能回复

分阶段搜索

• 不要一次塞太多关键词
• 先语言+地点 → 再叠加技能层

建立可信的猎头 Profile

• 真实头像 + 全名 + 公司 + 清晰 bio
• 说明你在 GitHub 的目的是招聘工程人才

个性化触达

• 引用候选人实际贡献（具体 repo、具体贡献）
• 绝对不要用模板

局限性和盲区

• ⚠️ 私有 repo 不可见 → 很多优秀工程师在公司私有仓库工作
• ⚠️ 无法评估软技能、管理能力、文化适配
• ⚠️ 人口统计学偏差
• 结论：GitHub 是重要信号之一，不是唯一信号

在推荐报告中的使用

### GitHub Proof of Work 信号（技术岗附加）
- Activity patterns：[频率/一致性判断]
- PR/Commit quality：[描述深度、代码审查质量]
- Technical breadth：[跨领域贡献]
- Seniority signals：[重构、指导、设计权衡]
- Collaboration style：[协作质量]
- 综合判断：强/中/弱/不适用

📊 短名单质量控制（v9.1 新增）

Executive Search 最佳实践：短名单黄金区间 = 5-12 人 少于 5 人没有足够的比较标杆，多于 12 人说明上游 sourcing 有问题

黄金区间诊断逻辑

短名单质量检查清单

• 人数在 5-12 区间内？
• 每位候选人都能明确说出 "为什么推 TA"？
• 至少覆盖 3 家不同的目标公司？
• 包含至少 1 位非传统背景的潜力候选人？
• 薪资期望与客户预算匹配度 ≥ 70%？

👥 中间阶层候选人识别与应对指南（v13.1 新增 · 2026-08-25）

来源：谷露软件 Gllue + Onrec + Korn Ferry 2026 核心：中间阶层 = 猎头主战场

候选人三分法

中间阶层为什么是主战场

• 75% 劳动力是被动候选人（LinkedIn 数据）
• 94.2% 的在职者对猎头主动推荐有兴趣
• 他们不更新简历 → 招聘平台上看不到 → 竞争少
• 他们对现状满意 → 不会因为"涨薪 20%"就跳 → 需要真正的价值主张

中间阶层识别信号

中间阶层触达策略

首次沟通：提供价值，不是推销

XX，知道你现在在 [公司] 做得不错，
不过有个机会我觉得值得你了解：
{一句话价值主张}
不是劝你马上跳，是帮你多看一个选项。
周末喝个咖啡？

第二次：行业洞察

XX，上次聊完之后，我做了一份 [行业] 最新人才市场分析，
有几个数据挺有意思的，分享给你看看？

第三次：低门槛 CTA

XX，不催你，这个机会还在。
你方便的时候随时找我，10 分钟电话就行。
就当多一个市场信息。

谷露 7 条沟通准则（让你听起来和别的猎头不一样）

1. 多倾听候选人的意见
2. 用候选人的"语言"沟通，聊共鸣话题
3. 巧用同理心
4. 不要为了 KPI 而推人
5. 向候选人学习比推销一个职位更容易
6. 你可以不是行业专家，但需要比别的猎头多懂一点
7. 不得不充数时，记住你的目的

🌍 候选人多样性评估（v9.1 新增）

D&I 从"偏好"变成"可量化期望"（Christian & Timbers 2026） 最好的猎头从研究阶段就 build diverse pipeline，而非短名单后补

评估维度

何时特别关注多样性

• 客户明确提出 D&I 要求
• 高管/管理层招聘（多样性领导力的示范效应）
• 团队现有成员高度同质化
• 出海业务（需要多元文化背景）

🎯 技能导向招聘（v11.0 新增）

Skills-based hiring 正在替代 resume-first screening AI-generated resumes 带来欺诈检测新挑战

技能验证 > 简历关键词匹配

🧠 AI 输出验证 & 批判性思维模块（v12.0 新增）

Korn Ferry 2026：73% TA 领导者将批判性思维列为 #1 雇佣优先级，AI 相关技能仅排第 5 Scott Erker（Korn Ferry）："Critical thinking skills are vital to work with AI successfully. You need critical thinking to understand what's a hallucination versus real data."

AI 生成内容识别检查清单

简历欺诈检测（AI-generated resumes）

AI 输出验证三步骤

第 1 步：质疑

• AI 生成的候选人评分是概率估计，不是事实
• Boolean 搜索结果 ≠ 候选人真实意愿
• 薪资对标数据需要至少 2 个独立来源交叉验证

第 2 步：验证

• 技术岗：GitHub commit 记录 → 是否真实贡献
• 业务岗：背调联系人 → 是否真实上级/同事
• 教育背景：学信网/学位网 → 是否属实
• 时间线：社保记录/离职证明 → 是否有空档

第 3 步：人工判断

• AI 说匹配度 85% → [猎头顾问姓名] 判断：这 15% 差距是什么？能不能接受？
• AI 说候选人稳定 → [猎头顾问姓名] 判断：TA 的职业周期是否到了换工作的节点？
• AI 说薪资对标偏低 → [猎头顾问姓名] 判断：客户预算能不能覆盖？需要调整吗？

批判性思维在猎头工作中的应用

面试体系设计（v9.0 新增）

结构化面试

• 设计标准化面试评分表，每个维度有明确评分标准和行为锚定
• 建立分岗位、分级别的面试题库
• 确保面试官一致性：培训面试官、校准评分标准

无领导小组讨论

• 设计无领导小组讨论题目，评估领导力、协作能力和逻辑表达
• 制定观察者评分指南：关注角色承担、讨论推动、冲突处理行为
• 适用于管培生、销售、运营等需要团队协作的岗位批量筛选

五、触达互动 — PMCC、Cold Outreach 与 Engagement

候选人沟通话术库（PMCC 框架）

PMCC 沟通法：Probe（探寻）→ Match（匹配）→ Confirm（确认）→ Close（促成）

一、首次触达（Cold Outreach）

电话开场

"您好，请问是 XX 先生/女士吗？我是猎头顾问，在平台上看到您的简历，
想跟您分享一个可能适合您的机会，方便聊几分钟吗？"

微信/邮件首次触达

"XX 您好，我是猎头 [猎头顾问姓名]，专注 [行业] 领域的人才服务。
看到您在 [公司] 的 [职位] 经历，非常 impressive。
目前有一个 [公司] 的 [职位] 机会，和您的背景很契合，
方便的时候想跟您简单聊聊？"

二、探寻需求（Probe）

痛点挖掘法（不问薪资，先问动机）

"你目前工作中，最想做但没有机会做的事情是什么？"
"如果用一个词形容你现在的工作状态，会是什么？"
"过去半年，有没有哪个瞬间让你想过'要是能换个环境就好了'？"

离职原因探测三问

第一问（表层）："是什么让你开始看新机会的？"
第二问（深层）："除了刚才说的，还有没有其他原因？"
第三问（核心）："如果用一个词概括，你最想通过换工作解决什么？"

三、匹配机会（Match）

激发兴趣

"你觉得这个机会和你目前的工作相比，可能会有哪些挑战？
比如更深的专业技能？更广泛的管理范围？还是更有前景的行业？"

同理心沟通

"理解你的顾虑，很多优秀的候选人都有类似的想法。
其实这个机会的独特之处在于……"

四、确认意向（Confirm）

了解真实需求

"你觉得我刚刚说的这几个机会，哪个对你来说可能成为真正的机会？
你现在看机会最看重的是什么？"

五、促成行动（Close）

推进面试

"上次聊的 XX 机会，客户反馈很快想约面试。
你看看什么时候方便，我帮你安排？"

Offer 谈判七问

1. 这个 Offer 最吸引你的是什么？
2. 有什么让你犹豫的地方？
3. 如果薪资/职级/汇报线可以调整，你最在意哪个？
4. 你手里还有其他机会在比较吗？
5. 你做决定最看重的三个因素是什么？
6. 如果现在不接，最大的顾虑是什么？
7. 需要我帮你跟客户沟通什么？

六、拒绝应对

候选人说"不考虑"

"完全理解，现在确实可能不是最好的时机。
那我先把这个机会的市场情况和薪资范围分享给你，
就当做个参考，以后有更适合的再联系？"

候选人说"现在公司挺好的"

"那太好了，说明你选对了平台。
不过市场上了解一下也不吃亏，很多好机会都是聊出来的。
要不我们约个时间喝杯咖啡，就当交个朋友？"

七、转介绍追踪体系（v4.0 增强）

转介绍数据

• Referrals 降低 40-60% 招聘成本
• 填补岗位速度快 55%
• 87% 被动候选人在合适机会下愿意看新机会

转介绍请求时机

✅ 最佳时机

• 候选人刚入职新公司（关系最融洽时）
• 候选人面试通过/拿到 Offer（信任度最高）
• 候选人主动感谢你（情感账户满）
• 候选人对行业分析表示认可（专业价值被认可）

❌ 避免时机

• 候选人正在犹豫/焦虑期
• 候选人对你还不信任（首次接触）
• 候选人刚被拒/体验不好

转介绍记录模板

转介绍记录 - [候选人姓名]
| 日期 | 请求方式 | 结果 | 推荐人选 | 状态 |
|------|----------|------|----------|------|

八、转介绍请求

转介绍话术模板

"XX，上次聊完觉得你对行业的理解特别深，
你身边有没有你觉得同样优秀的同行朋友？
不一定要看机会，就是想多认识一些行业里的牛人。"

转介绍时机判断

• ✅ 候选人刚入职新公司（关系最融洽时）
• ✅ 候选人面试通过/拿到 Offer（信任度最高）
• ✅ 候选人主动感谢你（情感账户满）
• ❌ 候选人正在犹豫/焦虑期
• ❌ 候选人对你还不信任（首次接触）

九、Warm Keep 话术（v5.0 新增）

候选人拒绝后不放弃，保持长期关系

标准 warm keep

"完全理解，现在确实可能不是最好的时机。
我先把这个机会的市场情况和薪资范围分享给你，就当做个参考。
以后有更适合的机会再联系，保持联系！"

行业洞察 warm keep

"XX，最近看到一篇关于 [行业话题] 的深度分析，
想到你的背景，觉得你可能感兴趣。
[链接]
有空聊聊你的看法？"

节日/里程碑 warm keep

"XX，看到你 [升职/项目上线/获奖] 的消息，恭喜！
实至名归，为你高兴。
有空喝杯咖啡庆祝一下？"

季度 check-in

"XX，好久没聊了，最近怎么样？
你们行业最近 [某动态] 挺有意思的，想听听你的看法。
方便的话简单聊聊？"

十、跟进提醒模板（v5.0 新增）

93% 的对话在第 3 次触达时才发生

第 2 次跟进（Day 3-5）

"XX，上次提到 [行业/机会]，后来想到你可能关心 [某具体点]。
补充一个信息：[数据/洞察/薪资范围]。
方便的时候聊聊？"

第 3 次跟进（Day 7-10）

"XX，不催你，只是想让你知道这个机会一直 open。
你觉得合适的时间随时找我，或者你先看看这份行业分析。
保持联系！"

第 4 次跟进（Day 21-30）— 转 warm keep

"XX，这个机会已经 close 了，但我一直觉得你的背景很有意思。
以后有更匹配的再联系，先交个朋友。"

Cold Outreach 多序列引擎（v4.0 新增）

触达数据基准

• Cold Call 平均成功率仅 2.7%（Cognism 2026，20 万 + 通电话分析）
• 32% 的潜在客户会接听陌生电话（RAIN Group）
• 93% 的对话发生在第 3 次拨打之前 — 打 1-2 通就放弃 = 丢失大部分 pipeline
• 多渠道触达比单一渠道多 287% 回复率

标准 3 次触达序列

第 1 次：电话（Day 1）

• 确认身份 → 简短来意 → 确认方便
• 不方便 → 约时间 → 挂前留钩子

第 2 次：微信/邮件（Day 3）

• 提及上次通话 → 分享行业洞察/机会亮点 → 低门槛 CTA

第 3 次：LinkedIn/邮件（Day 7）

• 最后尝试 → 留下长期联系方式 → 不催不逼

8 种场景邮件模板

1. Quick Intro（快速介绍）

主题：[候选人名字]，有个 [行业] 的机会想和您聊聊

[名字] 您好，

我在 [平台] 上看到您在 [公司] 做 [职位]，[具体成就/项目] 很 impressive。

我这边有一个 [目标公司] 的 [职位] 机会，负责 [核心职责]。
考虑到您的 [某项技能/经验]，觉得非常匹配。

方便的话这周找个时间简单聊 10 分钟？不一定要换工作，就当了解一下市场情况。

[猎头顾问姓名]
猎头顾问 | [行业]

2. Opportunity Match（机会匹配）

主题：您的 [核心技能] 经验，正好是这个职位最看重的

[名字] 您好，

看到您在 [公司] 负责 [项目]，尤其是 [具体细节]。

我手上有个人客户正在找有这种经验的人——[目标公司] 的 [职位]，
他们最需要的是 [3 个核心要求]，跟您的经历高度重合。

有兴趣了解一下吗？不方便也没关系，就当多个市场信息。

3. Referral Ask（转介绍请求）

[名字]，上次聊完觉得您对行业的理解特别深，
身边有没有同样优秀的同行朋友？
不一定要看机会，就是想多认识一些行业里的牛人。

4. Past Applicant Re-engagement（过往申请人再激活）

[名字] 您好，去年您曾经了解过 [公司/职位] 的机会，
虽然当时没成，但您的背景我一直记得。

现在又有类似但更成熟的机会，想问问您近况如何？

5. Competitor Move（竞对动态）

[名字] 您好，最近 [竞争对手公司] 在 [领域] 有大动作，
听说在招 [职位]，薪资 range 大概在 [范围]。

您在这个领域经验丰富，想跟您交流一下市场情况。

6. Milestone Congratulation（里程碑祝贺）

[名字]，恭喜您 [升职/获奖/项目上线]！
看到这个新闻第一时间想到您，实至名归。

有空喝杯咖啡庆祝一下？

7. Content Share（内容分享破冰）

[名字] 您好，刚看到这篇关于 [行业话题] 的分析，
想到您之前在 [公司] 做过类似项目，应该会有兴趣。

[链接]

您怎么看这个趋势？

8. Event Invite（活动邀请）

[名字] 您好，下个月有个 [行业峰会/技术沙龙]，
主题是 [主题]。听说 [某大牛/前同事] 也会去。

要不要一起？我帮您留个位置。

行业-specific 破冰钩子

新能源/储能/光伏

• "如果让您来写这个岗位的 JD，您会最先划掉哪三条要求？"
• "最近 [某政策] 对你们业务影响大吗？"
• "出海这块，你们主要看哪个市场？"

半导体/芯片

• "现在国产替代这个节奏，你们那边 [某工艺/某环节] 压力大吗？"
• "先进封装这块，你们有布局吗？"

机器人

• "人形机器人最近很火，你们实际业务里用得多吗？"
• "核心零部件现在国产化到什么程度了？"

互联网/科技

• "这波降本增效，你们团队受影响了吗？"
• "AI 大模型在你们业务里落地了吗？"

医疗/CRO

• "集采常态化了，你们研发管线有调整吗？"
• "创新药出海这块，你们怎么看？"

📩 冷触达话术库 — Hormozi 框架（v8.0 新增）

核心原则

• 价值先行：第一句话就让候选人觉得"这人懂我"
• 低门槛：不要求承诺，只提供信息
• 个性化：提到候选人的具体成就/项目
• 多渠道：微信 + 邮件 + LinkedIn 组合

微信首次触达 — 3 种变体

变体 A：直接型（适合开放型候选人）

XX 你好，我是猎头 [猎头顾问姓名]。
看到你在 [公司] 负责 [具体项目]，[具体成就] 很 impressive。
我这边有个 [公司] 的 [职位]，
最需要的是 [核心要求 1]、[核心要求 2]、[核心要求 3]，
跟你的经历高度重合。
有兴趣了解一下吗？不方便也没关系，就当多个市场信息。

变体 B：间接型（适合高冷/观望型候选人）

XX 你好，我是猎头 [猎头顾问姓名]，专注 [行业] 领域。
最近做了一份 [行业] 人才市场趋势分析，
看到你在 [公司] 做 [方向]，觉得你可能感兴趣。
方便的话分享给你看看？就当多一个市场信息。

变体 C：推荐型（适合转介绍/Silver Medalist）

XX 你好，[推荐人] 推荐我联系你，
说你在 [领域] 特别专业。
正好我这边有个 [公司] 的机会，
和你们背景都很匹配，有兴趣了解一下吗？

跟进话术时间表

跟进话术模板

Day 3 跟进

XX，上次提到 [行业/机会]，后来想到你可能关心 [某具体点]。
补充一个信息：[数据/洞察/薪资范围]。
方便的时候聊聊？

Day 7 跟进

XX，不催你，只是想让你知道这个机会一直 open。
你觉得合适的时间随时找我，或者你先看看这份行业分析。
保持联系！

Day 14 转 warm keep

XX，这个机会已经 close 了，但我一直觉得你的背景很有意思。
以后有更匹配的再联系，先交个朋友。

LinkedIn 首次触达

Hi XX, I came across your profile and was impressed by your work on [specific project/achievement].
I'm working with [company] on a [role] opportunity that aligns closely with your experience in [skill/domain].
Would you be open to a brief 10-minute chat? No pressure — just exploring if there's a mutual fit.

📞 10-15 分钟电话优先 SOP（v11.0 升级）

20 万封邮件数据验证：唯一有效的方法是请候选人方便时来一个 10-15 分钟电话 不要邮件/微信来回拉锯，直接约电话

微信/邮件触达 → 电话转化的标准流程

首次触达（微信）

XX 你好，我是猎头 [猎头顾问姓名]，专注 [行业] 领域。
看到你在 [公司] 做 [方向]，[具体成就] 很 impressive。
我这边有个 [公司] 的机会，和你的经历高度重合。
方便的时候找个 10-15 分钟电话简单聊聊？
不一定要换工作，就当了解市场情况。

Day 3 跟进

XX，上次说的机会还 open 着。
这周哪天方便通个 10 分钟电话？我跟你分享一下市场情况。

Day 7 跟进

XX，不催你。这个机会还在，你方便的时候随时找我。
10 分钟电话就行，就当多一个市场信息。

电话沟通 PMCC 框架（10-15 分钟版）

电话 vs 微信/邮件效果对比

触达时机判断（v5.0 新增）

时机不对，话术再好也没用

高价值触达时机

避免触达时机

• 候选人刚入职新公司（< 3 个月）
• 公司融资 / 上市关键期
• 候选人家庭重大变化期（需从沟通中感知）
• 行业敏感时期（大规模裁员新闻刚出）

时机判断工作流

新候选人 → 查背景 → 判断所处职业周期
  → 公司近期动态 → 判断组织稳定性
  → 技术社区活跃度 → 判断求职意愿
  → 选择触达时机 + 话术

候选人沟通模板库（v5.0 新增）

按场景和沟通风格分类，即取即用

按沟通风格选择模板

Cold Message 模板（微信 / LinkedIn）

模板 A：价值先行（适合高冷/观望型）

XX 你好，我是猎头 [猎头顾问姓名]，专注 [行业] 领域。
最近做了一份 [行业] 人才市场趋势分析，
看到你在 [公司] 做 [方向]，觉得你可能感兴趣。
方便的话分享给你看看？就当多一个市场信息。

模板 B：机会匹配（适合开放型）

XX 你好，看到你在 [公司] 负责 [项目/方向]，
尤其是 [具体细节]，印象深刻。
我这边有个 [目标公司] 的 [职位]，
最需要的是 [3 个核心要求]，跟你的经历高度重合。
有兴趣了解一下吗？不方便也没关系。

模板 C：人脉拓展（适合高知/高防线型）

XX 你好，在 [平台] 上看到你在 [领域] 的分享，
特别认同你对 [观点] 的判断。
我在 [行业] 做人才服务，想多认识一些行业里的专业人士。
不一定要看机会，就当交个朋友？

模板 D：竞对动态（适合被动候选人）

XX 你好，最近 [竞争对手] 在 [领域] 有大动作，
听说在招 [职位]，薪资 range 大概 [范围]。
你在这个领域经验丰富，想跟你交流一下市场情况。
就当多一个信息？

电话话术模板

标准开场

"您好，是 XX 先生/女士吗？我是猎头 [猎头顾问姓名]，
专注 [行业] 领域的人才服务。
在 [平台] 上看到您的背景，想分享一个机会给您，
方便聊两分钟吗？"

不方便时留钩子

"理解理解，那我加一下您微信，把机会信息发您，
您空了看看，方便的时候我们再聊？"

结束前留长期联系方式

"不管这次有没有兴趣，以后有适合的机会我还可以联系您。
我的微信是 [X]，您有任何职业发展的问题也可以随时找我聊。"

📊 候选人体验评分（v8.0 新增）

为什么重要

• 有出色候选人体验的入职者对企业文化满意度高 3 倍（Gallup）
• 候选人体验直接影响雇主品牌、转介绍率、以及 [猎头顾问姓名] 的个人口碑

体验评分维度（每周跟踪）

候选人旅程关键节点

每周招聘报告指标模板

# 周招聘报告 — [日期]


### ⭐ 候选人体验评分卡（v9.2 新增）

> 有出色候选人体验的入职者对企业文化满意度高 3 倍（Gallup）
> 体验评分直接影响转介绍率

### 每次触达后记录（1-10 分）

| 维度 | 评分标准 |
|------|---------|
| **响应速度** | [猎头顾问姓名] 回复候选人的时效：<24h=10, <48h=7, >72h=4, >1 周=2 |
| **个性化程度** | 消息是否量身定制？定制=10, 半定制=7, 模板=3 |
| **价值提供** | 是否提供了行业洞察/薪资对标/职业建议？有=10, 一般=6, 无=2 |
| **透明度** | 是否告知流程/时间线/薪资范围/风险？全告知=10, 部分=6, 隐瞒=2 |
| **尊重感** | 候选人是否感到被尊重而非被"处理"？高=10, 中=7, 低=3 |
| **反馈及时性** | 面试后反馈结果的速度：<48h=10, <1 周=7, >1 周=3 |

### 改进触发条件
- **均分 < 6**：立即复盘最近 3 次沟通，找出问题
- **单一维度连续 2 次 < 5**：调整该维度的工作方式
- **月度均分环比下降**：分析原因，制定改进计划

---

### 🎯 候选人体验 2026 核心差异化（v12.0 新增）

> 候选人体验从"驱动申请量"转向"塑造候选人意向"——让对的人自选择进、错的人自选择出

### 自选择（Self-Selection）策略
- **JD 写清真实挑战**：不只是要求，还有这个岗位会面临什么困难
- **面试流程透明化**：提前告诉候选人有几轮、每轮考察什么、谁面试
- **薪酬范围 upfront**：不藏着掖着，减少无效流程
- **团队文化真实呈现**：不美化，让候选人自己判断 fit 不 fit

### 反馈闭环
- **给落选候选人建设性反馈**：他们更可能 reapply 或推荐他人
- **话术模板**：

XX，这次虽然没成，但面试过程中客户对你的 [具体优点] 印象很深。 建议你在 [具体改进方向] 再加强一下， 下次有类似机会我第一时间想到你。 保持联系！

### 品牌大使模式
- **每次候选人互动都是品牌时刻**——从初次 outreach 到拒信
- 候选人即使没入职，也会向同行分享体验
- 好的体验 = 免费的品牌传播 + 转介绍来源
- 差的体验 = 脉脉/看准上的负面评价

---


### 💬 AI 使用披露 & 薪资透明化话术（v12.0 新增）

### AI 使用披露（87% 候选人认为应该披露）

**首次触达披露**

XX 你好，我是猎头 [猎头顾问姓名]，专注 [行业] 领域。 我用 AI 工具分析了你的背景，发现你在 [领域] 的经验特别突出。 但真正做判断的还是我——我觉得你和 [公司] 的机会匹配度很高， 想跟你通个 10 分钟电话聊聊？不一定要换工作，就当了解市场。

**行业趋势报告披露**

XX，这份行业分析是我用 AI 工具整理了最新的市场数据， 然后结合你的背景做了匹配判断。 数据部分 AI 做的，但对你的评估和建议是我自己的判断。 你看看觉得准不准？

**推荐报告 AI 辅助披露（给客户）**

本报告在薪资对标和行业趋势部分使用了 AI 辅助数据分析， 候选人的能力评估、动机判断和推荐意见均基于我本人的专业判断。

### 薪资透明化话术

**首次沟通主动披露薪资范围**

这个职位的薪资 range 大概在 [X-Y] 之间， 我了解到你目前的总包是 [Z]， 这个机会有 [X%-Y%] 的增长空间， 你看这个方向感兴趣吗？

**薪资不匹配时的透明沟通**

坦白说，这个职位的预算上限是 [X]， 你的期望是 [Y]，差距大概 [Z%]。 不过 [股票/奖金/发展空间] 这块可以补一些， 如果你愿意聊，我们可以一起看看怎么设计薪酬包。

---


### 👥 候选人参与管理（v10.0 新增）

> 基于 Greenhouse 2026 候选人参与 6 项最佳实践

### 6 项最佳实践

1. **多触点自动化活动培育被动人选** — 在职位发布前就开始人才培育
2. **AI 个性化大规模触达** — 87% 候选人认为应披露 AI 使用
3. **全渠道沟通** — 55% 公司优先使用社交媒体招聘
4. **结构化面试** — 提前与 hiring manager 对齐标准
5. **Hiring Manager 全程参与** — 不仅是 kickoff 和 offer 阶段
6. **持续测量 drop-off 数据** — 不仅看满意度，要看每个阶段的流失

### 触达前研究指南（20 万封邮件数据）

**最优触达方式**：10-15 分钟电话邀约
- 先研究候选人背景（10-15 分钟）
- 电话确认身份 + 简短来意
- 不方便时约时间 + 留钩子
- 挂断后发微信补充信息

### 87% AI 披露原则
- 在首次触达时可自然披露："我用了 AI 工具分析你的背景，发现..."
- 目的：建立透明度，不是推卸责任
- 核心价值判断和关系建立必须人工完成

---


### 🤖 候选人参与自动化（v11.0 新增）

> 87% 候选人认为应披露 AI 使用
> AI Personalization Agent：基于候选人画像生成个性化消息，提高响应率

### 自动化触达序列

**被动候选人培育（每周一次）**
- Week 1: 行业趋势报告（AI 生成初稿，[猎头顾问姓名] 审核后发送）
- Week 2: 薪资对标数据
- Week 3: 竞对动态分析
- Week 4: 个人职业竞争力评估

**自动化提醒规则**
- 新职位匹配 → 自动提醒 [猎头顾问姓名] 触达
- 7 天未联系 → 提醒 [猎头顾问姓名] 跟进
- 90 天沉睡候选人 → 自动扫描匹配新职位
- 触发事件（融资/高管变动）→ 推送触达建议

### AI 披露话术

XX，我用 AI 工具分析了你的背景，发现你在 [领域] 的经验特别突出。 但真正做判断的还是我——我觉得你和这个岗位的匹配度很高， 想跟你通个 10 分钟电话聊聊？

---


### 🤖 AI 多 Persona 协同（v10.0 新增）

> 基于 OpenClaw Skills 多 Persona 模式

### 三种 Persona 分工

| Persona | 定位 | 适用场景 | 特点 |
|---------|------|---------|------|
| **Sourcer** | 激进快速 | 紧急岗位、大批量寻访 | 快速出 Longlist，宁可宽不可漏 |
| **Coordinator** | 礼貌细致 | 候选人跟进、档案管理 | 注重细节，流程规范 |
| **Coach** | 审查建议 | 外联文案审查、面试辅导 | 提供建设性反馈和建议 |

### 多 Persona 工作流

Sourcer → 快速扫描生成 Longlist → Coordinator → 筛选+档案完善+触达跟进 → Coach → 外联文案审查+面试辅导 → [猎头顾问姓名] 做最终 Shortlist 和决策

---


## 六、推荐与面试 — 推荐报告、素材收集与市场情报

### 推荐报告五段式结构（v3.0 升级）

1. **基本信息** — 仅写 [猎头顾问姓名] 提供的条件
2. **经历总结** — 最近三段经历，突出匹配度
3. **看机会原因** — 为什么看新机会
4. **薪资情况** — 完整薪资结构
5. **9 维度评分** — 结构化评估

### JD 对标分析段（放在第 2 段之前）

在经历总结之前，先做 JD 分析对比：
- 提取 JD 的 3-5 个核心要求
- 逐条对标候选人经历，用 ✅/⚠️/❌ 标注匹配度
- 总结匹配度和风险点
- ✨ **区分「必须有」和「加分项」**：避免把加分项当必须项导致排除优质候选人
- ✨ **候选人视角写对标**：不只说「匹配/不匹配」，要说「候选人在 X 领域有比 JD 要求更深的经验」

### 职业亮点深度剖析（v5.0 增强）

推荐报告中不只有经历罗列，还要提炼 1-2 个关键职业故事：
- 候选人在某段经历中解决的核心问题
- 体现其独特价值的量化成果
- 与目标职位需求的隐性关联
- 用行业语言 "翻译" 简历中的专业术语
- **深度叙述结构**：围绕 1-2 个与职位最相关的职业阶段，写清背景 → 行动 → 成果 → 可迁移能力

### 看机会动机深度分析（v5.0 新增）

不止记录 "为什么看机会"，要分析动机层次：
- **表层原因**：候选人直接说的（薪资、距离、晋升）
- **深层动机**：职业发展瓶颈、管理天花板、行业前景判断
- **核心诉求**：用一个词概括最想通过换工作解决什么
- **可信度评估**：与候选人职业周期、行业变动交叉验证

### 行业趋势参考附件（v5.0 新增）

针对候选人背景，附 1-2 页行业洞察：
- 目标行业 3-5 年发展趋势
- 该岗位供需关系和薪资走向
- 候选人竞争力评估（优势/短板/建议）
- 数据来源需可查证

### 面试建议段（放在第 5 段之后）

- 推荐面试中重点考察的方向
- 可能的风险点和追问建议
- 薪资谈判要点（候选人底线、市场对标）


### 📝 推荐报告素材收集 SOP（v13.1 新增 · 2026-08-25）

> 来源：谷露软件 Gllue 最佳实践
> 核心原则：从首次接触就开始积累素材，每次互动更新推荐报告，不是拿到简历才写

### 为什么重要
- 临时写推荐报告 = 只看简历表面，缺深度
- 持续积累 = 多次沟通中捕捉的真实动机、沟通风格、文化适配信号
- 客户能感受到推荐的候选人是被"真正了解"的，不是简历转发

### 素材收集时间表

| 阶段 | 收集内容 | 记录位置 |
|------|---------|---------|
| **首次触达** | 回复速度、沟通风格、语气、关注点 | follow-ups.md |
| **PMCC 沟通** | 离职原因三问、职业规划、核心诉求 | profile.md |
| **深入聊天** | 具体项目细节、管理风格、文化偏好 | profile.md |
| **面试前** | 候选人紧张点、需要准备的方向 | recommendation.md |
| **面试后** | 候选人反馈、客户反馈、差异分析 | follow-ups.md |
| **Offer 阶段** | 真实底线、谈判策略、决策因素 | recommendation.md |

### 素材积累清单
- [ ] 候选人的原话（特别是关于离职原因的表述）
- [ ] 提到的具体项目/成就/数字
- [ ] 对目标公司/行业的看法
- [ ] 家庭/生活状态（影响决策的因素）
- [ ] 沟通中的情绪变化（什么时候兴奋、什么时候犹豫）
- [ ] 转介绍的人选和关系
- [ ] 与其他候选人的交叉验证信息

### 推荐报告素材→成文转化

**每次沟通后 5 分钟更新：**

[候选人姓名] 素材笔记 — YYYY-MM-DD

📊 推荐报告市场情报段落（v9.2 新增）

客户喜欢看到市场透明度和持续报告——每份推荐附带市场情报

放在推荐报告第 5 段（9 维度评分之后）

### 行业趋势分析生成（v5.0 新增）

> 顶尖猎头首次沟通就给候选人提供价值

### 使用场景
- 首次沟通破冰 — 给候选人发行业趋势报告
- 候选人职业竞争力分析 — 结合个人背景
- 客户 BD — 展示专业市场洞察

### 生成流程

输入：候选人背景 + 目标行业/职位 → 搜索行业最新数据 → 分析人才供需关系 → 评估薪资走向 → 结合候选人背景做竞争力分析 → 输出 1-2 页分析

### 输出结构

[候选人姓名] 职业竞争力分析

📈 候选人个人竞争力报告模板（v8.0 新增）

顶尖猎头的做法——首次沟通后给候选人一份，大幅提升信任和粘性

报告结构

# [候选人姓名] 职业竞争力分析


### 📈 首次沟通行业趋势报告模板（v10.0 整合）

> 优秀猎头首次沟通就给候选人《行业趋势分析》或《个人职业竞争力报告》

### 报告结构

```markdown
# [行业] 人才市场趋势分析


### 行业趋势报告生成（v4.0 新增）

### 使用场景
- 首次沟通破冰 — 给候选人提供价值
- 客户 BD — 展示专业市场洞察
- 年度复盘 — [猎头顾问姓名] 自己的行业认知更新

### 报告结构

[行业名称] 人才市场趋势报告

⏱️ 48h 反馈 SLA 追踪（v12.0 新增）

SHRM 最佳实践：最高 offer 接受率的公司都在每轮面试后 48 小时内反馈

SLA 计时规则

SLA 超时预警话术

面试后 48h 未反馈 → [猎头顾问姓名] 催客户

XX（HR/HM），上轮面试已经过去 48 小时了，
候选人这边在等反馈，您那边有什么进展吗？
如果还需要时间，我帮他管理一下预期。

候选人等太久 → 安抚候选人

XX，客户那边的反馈比预期慢了一些，
我已经催了，他们在内部讨论中。
预计 [时间] 会有消息，我第一时间同步你。
这段时间有任何问题随时找我。

七、谈判与成交 — Offer 谈判与薪酬架构

💬 Offer 谈判 7 问检查表（v15.0 新增 · 2026-09-02）

来源：谷露软件最佳实践

候选人在 Offer 阶段的决策，不仅影响当前职位的关闭率，还决定入职后 3 年的留存。

Q1：接不接？

问题：候选人的真实意向——看行为不看语言

识别信号：

• ✅ 真实意向高：主动问入职时间、团队细节、项目进度；催促流程
• ❌ 犹豫信号：反复问薪资细节但不问工作内容、说"再看看"、已读不回
• ⚠️ 拖延信号：说"考虑一下"但超过 3 天没反馈

追问话术：

• "这个 offer 最吸引你的是什么？"
• "如果现在就要决定，你觉得最大的顾虑是什么？"

应对策略：犹豫集中在某个具体点 → 集中解决那一个点，而不是反复推整个 offer。

Q2：薪资满意？

问题：表面说满意 vs 真正满意的区别信号

识别信号：

• ✅ 真正满意：明确说"薪资符合预期"，之后不再主动提薪资话题
• ❌ 表面满意：说"还行"/"差不多了"但频繁比较市场数据
• ⚠️ 隐藏不满："虽然比我现在低一点但是……"（但是后面的才是真话）

追问话术：

• "跟你现在整体对比，你觉得这个 package 怎么样？"
• "薪资方面，还有什么是我们没聊到的？"

应对策略：用 Total Package 视角（含股权、福利、奖金、成长空间）重新呈现价值。不满意尽早暴露 > 入职后爆发。

Q3：内容匹配？

问题：工作内容和面试感受是否一致

识别信号：

• ✅ 匹配：候选人能清晰描述岗位职责，且表示认可
• ❌ 不匹配：对岗位细节含糊其辞、面试后反馈"感觉不太一样"
• ⚠️ 面试官风格冲突：候选人觉得面试官"太强势"/"不专业"

追问话术：

• "几轮面试下来，你觉得这个岗位日常做什么，跟我们描述的一致吗？"
• "你觉得跟未来的直接上级聊得怎么样？"

应对策略：内容不匹配尽早澄清，不要"先骗进来再说"。

Q4：主菜还是备胎？

问题：我们是客户的首选还是备选

识别信号：

• ✅ 首选：客户主动催促流程、问"什么时候能到岗"、安排快速通道
• ❌ 备选：客户迟迟不安排面试、流程推进缓慢
• ⚠️ 骑驴找马：客户面了几个人但都不满意、继续让猎头找人

判断方法：看客户的行动，不看客户的承诺。"这个人不错"（口头）vs "帮我尽快安排二面"（行动）

应对策略：如果是备胎，跟候选人如实说明节奏，避免候选人被吊着。

Q5：其他机会？

问题：候选人手里有多少平行 offer

识别信号：

• ✅ 单一 focus：候选人主动推掉其他面试、只跟我们聊
• ❌ 多线程：提到"还有几家在谈"、回复变慢
• ⚠️ 竞业比较：主动把我们的 offer 和其他 offer 做对比

追问话术：

• "现在还有几家在同步推进？你更倾向哪个？为什么？"

应对策略：有其他 offer → 加速流程，不要硬压。

Q6：真正离职原因？

问题：表层原因 vs 深层动机的交叉验证

识别信号：

• ✅ 一致：多次描述的原因一致、有具体事件支撑
• ❌ 不一致：不同场合说法不同、只有"个人发展"这种泛泛理由
• ⚠️ 隐藏因素：说"想换个环境"但没提具体不满

交叉验证：

• 跟推荐时的说法对比
• "如果现在公司给你升职加薪，你还会走吗？" → 如果会，那薪资不是核心原因

应对策略：真实离职原因不搞清楚，入职后大概率在同一个痛点上再离职。

Q7：说实话了吗？

问题：7 种常见的候选人谎言模式识别

💰 薪酬谈判架构设计（v10.0 新增）

从"传话"升级为"战略性架构设计"

总薪酬包设计框架

1. 现金部分

• 基本工资：固定月薪 × 12
• 绩效奖金：年度目标达成比例（通常 10-30%）
• 签约奖金：一次性补偿（弥补上家未发奖金/期权损失）

2. 短期激励

• 季度/半年度绩效奖
• 项目奖金
• 销售提成/业务提成

3. 长期激励

• 股票期权（RSU/ESOP）
• 虚拟股权/分红权
• 长期服务奖

4. 福利包

• 五险一金比例和基数
• 补充商业保险
• 弹性福利（学习基金、健身、交通）

股权/期权关键要点

竞业限制规避策略

• 确认候选人是否有竞业协议
• 竞业期限最长 2 年
• 补偿金标准：通常 ≥ 离职前 12 个月平均工资的 30%
• 超过 3 个月未支付补偿金 → 员工有权解除竞业义务
• 关键动作：推荐时必须筛查竞业状态

2026 薪酬趋势

• 《上市公司治理准则》修订：薪酬与业绩强制挂钩
• 高管薪酬中浮动部分占比从 20% 升至 35%+
• 股权激励从"加分项"变成"标配"

💰 ROI 计算工具（v9.2 新增）

帮 [猎头顾问姓名] 向客户展示猎头服务的投资回报率

ROI 计算公式

ROI = [(新入职者年度创造价值 - 总招聘成本) / 总招聘成本] × 100

总招聘成本构成

新入职者创造价值估算

使用场景

• 客户 BD 时展示猎头价值
• 年度客户 review 时证明 ROI
• 与客户谈判费用时的数据支撑

八、入职护航 — Onboarding、融合支持与 Silver Medalist

🚀 入职管理 SOP（v9.0 新增）

Offer 管理

• 标准化 Offer 信模板：职位、薪资、福利、入职日期、试用期
• Offer 审批流程：薪酬方案 → 招聘经理确认 → HR 总监审批 → 发出
• Offer 谈判准备：预设薪资弹性和替代方案（签约奖金、股权、弹性福利）

背景调查

• 核心职位必做：学历验证、履历核实、竞业状态筛查
• 专业背调机构：全景求是、太和鼎信，或内部 reference check
• 发现问题时的处理预案

标准化入职清单

入职前 7 天（T-7）

• 发送入职通知，附材料清单
• 准备工位、电脑、工牌
• 开通企业邮箱、OA、飞书/钉钉/企微
• 通知用人团队和导师

入职当天（Day T）

• 签劳动合同、保密协议、员工手册
• 完成社保公积金登记
• 录入 HR 系统
• 发放员工手册和 IT 使用指南
• 入职培训：企业文化、组织架构、规章制度
• 用人团队欢迎 + 团队介绍
• 与导师首次 1:1

入职第 1 周（T+1~7）

• 确认岗位职责和试用期目标
• 安排业务培训和系统操作培训
• HR 跟进入职体验
• 加入部门群和项目群

入职第 1 个月（T+30）

• 导师月度反馈
• 新员工满意度调研
• 确认试用期评估计划和里程碑

🛡️ 入职 6 个月融合支持体系（v14.0 升级 · 原 90 天追踪）

高管招错成本 = 年薪 2-3 倍；80% 离职决定在入职 90 天内形成 🆕 v14.0 升级：借鉴 MPIHH 模式，从 90 天追踪扩展到 6 个月融合支持 核心理念：猎头服务不是入职就结束，而是到候选人“站稳”才算完成

6 个月融合支持时间表

量化指标体系

风险预警矩阵

回访话术（按阶段）

蜜月期（第 1-2 周）

XX，入职一周了还适应吗？
新环境和之前聊的时候想象的一致吗？
有没有什么需要我帮忙协调的？

快赢期（第 3-4 周）

XX，满月了！首个项目开始了吧？
直属领导风格怎么样？和面试时感受一致吗？
有什么我能帮上忙的？

深入期（第 2-3 月）

XX，两个月了，团队融入得怎么样？
跨部门协作还顺利吗？
和入职前预期比，有哪些超出预期 / 不如预期的地方？

稳定期（第 4-6 月）

XX，快半年了，应该要做季度 review 了吧？
绩效预期对齐了吗？
你对这个选择的整体满意度打几分（1-10）？
接下来一年有什么想法？

6 个月终评报告模板

# 入职 6 个月融合评估 — [候选人姓名]


### 🥈 Silver Medalist 管道管理（v9.2 新增）

> Silver Medalist = 面试中表现优秀但未最终录用的候选人——最温暖的销售线索
> 数据：Silver Medalist 贡献 35% 录用

### 定义与标记
- **Silver Medalist 标准**：进入终面 / 通过面试但因以下原因未入选：
  - 客户选择了内部候选人
  - 薪资差距（候选人值得保留）
  - 入职时间不匹配
  - HC 临时冻结
  - 排名第二但客户选了第一名
- **排除标准**：BEI 评估不合格 / 背调有问题 / 动机不可信

### 管道运营流程

| 阶段 | 时间 | 动作 |
|------|------|------|
| **标记** | 面试结果出炉后 24h 内 | 更新档案标记 Silver Medalist，记录未入选原因 |
| **首次触达** | 结果通知后 48h | "不是结束，是暂停"话术 + 行业价值分享 |
| **短期维护** | 30-90 天 | 每月一次价值触达（行业洞察/薪资对标） |
| **重触达** | 90-180 天 | 类似岗位开放时优先推送 |
| **转介绍** | 入职新公司后 | 请求推荐同领域人才 |

### 自动化提醒规则
- **30 天提醒**：发送最新行业洞察
- **90 天提醒**：检查是否有匹配岗位
- **180 天提醒**：全面重评估
- **触发事件提醒**：目标公司发生融资/架构调整时

### Silver Medalist 话术模板

**结果通知 + 关系保留**

XX，这次虽然没成，但我真心觉得你特别优秀。 客户选的人在某些方面刚好更对口，但你的 [核心优势] 我很认可。 我会把你放在我的重点关注名单里， 有更匹配的机会第一时间联系你。 不催你，保持联系！

**90 天重触达**

XX，最近好吗？ 上次那个岗位之后，我又接触了几个类似机会， 一直觉得你的背景特别合适。 现在有个 [公司] 的 [职位]， 和之前的不太一样，[新亮点]。 有兴趣聊聊吗？就当了解市场。

### Silver Medalist 追踪字段（profile.md 扩展）
```markdown

### Silver Medalist 追踪
- 标记日期：
- 原岗位：
- 未入选原因：
- 客户反馈摘要：
- 下次触达日期：
- 触达次数：
- 转介绍请求日期/结果：

🎯 触发事件监控（v9.2 新增）

被动候选人最容易开口聊的时机 = 目标公司发生关键变化时

触发事件分类

触发事件触达话术

融资后触达

XX，恭喜 [公司] 刚完成 [轮次] 融资！
这个阶段通常意味着业务要加速了，
你们团队接下来有什么新方向吗？
我这边正好有些 [行业] 的市场信息，
想跟你交流一下。

高管变动后触达

XX，看到 [公司] 最近 [高管变动新闻]，
这种时候内部通常会有一些调整吧？
想听听你的感受，
顺便分享一份最新的市场动向。

架构调整/裁员后触达

XX，最近 [公司] 的调整听说了吗？
不管对你有没有影响，都想了解一下你的看法。
我这边有几个 [行业] 的机会，
觉得你可能感兴趣。
就当多一个信息？

🏛️ 高管 6 维度评估框架（v10.0 新增）

高管选错成本 = 年薪 200%-400%（含遣散费+生产力损失+团队动荡+重新招聘+战略延误） ~40% 的 C 级高管寻访失败，核心原因是文化适配不足

6 维度对比

3 大认知误区

1. 只看速度不看匹配度 — 快招 ≠ 招对
2. 忽视保密机制 — 高管寻访需要信息隔离
3. 过度依赖猎头而不参与评估 — 客户必须深度参与

数据参考

• SHRM 2025：高管招聘成本 $35,879，非高管 $5,475（7 倍差）
• 罗盛咨询：CEO 平均任期 7.1 年，30-36 个月离职数同比增 79%
• 全球高管寻访市场：2025 $208.2 亿 → 2026 $227.1 亿，CAGR 9.1%

Hiring Signals 检测

什么是 Hiring Signals

企业行为变化预示的招聘需求信号。仅 8% 简历能过初筛，Hiring Signals 能大幅提高命中率。

常见信号

• 📢 新高管入职 → 20-30 天后出现相关岗位招聘
• 📈 季度招聘职位增加 30%+ → 下季度购买新工具概率 2.4 倍
• 💰 融资/扩张新闻 → 3-6 个月内大规模招聘
• 🏗️ 新办公室/工厂 → 本地化团队搭建需求
• 🔧 技术栈变更 → 对应技能人才需求
• 🤝 并购/合作 → 整合期人才优化或扩张

检测框架

从"经验筛选"转向"输出驱动评估"：

1. 监控目标公司新闻和公告
2. 跟踪 LinkedIn/脉脉人员流动
3. 关注行业投融资动态
4. 建立信号→需求映射表

九、数据优化 — 漏斗、转化与 Pipeline 管理

🔀 Pipeline 状态机管理（v10.0 新增）

借鉴 carlopezzuto/recruiting 的 Pipeline 状态机：每个阶段有标准动作和交付物

候选人 Pipeline 阶段

Pipeline 状态迁移规则

Identified → Contacted → Responded → Interested → Screening → Submitted → Interview → Offer → Closed
              ↓                                                    ↓
           (无回复) → Warm Keep (30天重触达)              (未录用) → Silver Medalist

Pipeline 运营指标

📊 转化漏斗追踪（v10.0 新增）

每天触达 30 人 / 深入聊 8-10 个 / 推荐 10 份简历 → 3-4 面试 → 1 Offer

猎头转化漏斗

触达(30人/天) → 回复(25-40%) → 深入沟通(8-10人) → 推荐(3-5人/周)
→ 面试(2-3人) → Offer(0.5-1人) → 入职

量化追踪模板

# 转化漏斗追踪 — [月份]


### 📊 转化率优化系统（v11.0 新增）

> 前 25% 猎头年均收入比其余人均值高出 $168,000
> 差距来自**转化率**，不是数量：screen-to-submission 率 50.1% vs 36.1%

### 转化率基准

| 指标 | 前 25% 猎头 | 行业平均 | 差距 |
|------|-----------|---------|------|
| screen-to-submission | 50.1% | 36.1% | +14pp |
| submission-to-interview | 65% | 48% | +17pp |
| interview-to-offer | 40% | 28% | +12pp |
| offer-to-accept | 85% | 72% | +13pp |

### 提升转化率的 5 个杠杆

1. **精筛 Longlist** — 往数据库加更少人，但每个人都经过深度评估
2. **JD 对标分析** — 每份推荐报告必须有逐条 JD 对标，不只是简历转发
3. **动机深度验证** — PMCC 三问必须执行，不要跳过
4. **面试辅导** — 有辅导的候选人通过率高出 22%
5. **过程透明** — 每轮面试后 48h 内反馈，每周同步进展

### 转化率追踪模板
```markdown
# 转化率追踪 — [月份]


### 📊 人才管道 ROI 分析（v15.0 新增 · 2026-09-02）

> 来源：ConsultAdd 2026、Greenhouse 最佳实践

### 核心理念

不仅追踪"数量"，更要追踪**Quality of Hire**（雇佣质量）。
推荐 10 个人 vs 推荐 10 个人且 90% 通过试用期，产出完全不同。

### ROI 公式

渠道 ROI = （成功入职人数 × 平均单笔佣金）/ 该渠道总投入成本

总投入成本 = 时间成本（小时数 × 时薪）+ 工具订阅费 + 广告费 + 活动费

### 各渠道 ROI 评估维度

| 维度 | 说明 | 数据源 |
|------|------|--------|
| 单次触达成本 | 含时间成本在内的全成本 | 时间追踪 + 费用账单 |
| 推荐→面试转化率 | 候选人质量指标 | ATS 漏斗数据 |
| 入职后 90 天留存率 | Quality of Hire 核心指标 | 客户反馈 + 候选人跟进 |
| 客户满意度评分 | 服务质量指标 | NPS 调研（1-10分） |

### 渠道对比模板

```markdown
# 渠道 ROI 季度对比 — [季度] [年份]


### 📊 招聘漏斗数据分析（v9.0 新增）

### 漏斗各阶段转化率

职位曝光 → 投递 → 简历通过 → 一面 → 二面 → 终面 → Offer 发出 → Offer 接受 → 入职 → 转正

### 关键指标
| 指标 | 公式 | 参考基准 |
|------|------|---------|
| 投递率 | 投递数 / 曝光数 | 行业差异大 |
| 简历通过率 | 通过数 / 投递数 | 10-30% |
| 面试到场率 | 一面数 / 简历通过数 | 60-80% |
| Offer 接受率 | 接受数 / 发出数 | 70-90% |
| 入职率 | 入职数 / 接受数 | 85-95% |
| 转正留存率 | 转正数 / 入职数 | 90%+ |

### 渠道 ROI 分析
- **单次简历成本** = 渠道费用 / 收到简历数
- **单次入职成本** = 渠道费用 / 成功入职数
- **有效入职成本** = 渠道费用 / 通过试用期人数
- 综合效率评分 = 质量分 × 0.4 + (1/单次入职成本) × 权重 + 留存率 × 权重

### 招聘周期分析
| 阶段 | 平均天数 | 优化空间 |
|------|---------|---------|
| 简历筛选 | 1-3 天 | AI 自动初筛 |
| 面试流程 | 7-15 天 | 并行面试 |
| Offer 审批 | 3-7 天 | 预设权限 |
| 候选人决策 | 3-10 天 | 期望管理 |

---


### Hitting Rate 统计（v4.0 新增）

### 关键效率指标
- **推荐/面试比** — 推荐多少人 vs 获得多少面试机会
- **推荐/Offer 比** — 推荐多少人 vs 拿到多少 Offer
- **面试/Offer 比** — 面试多少人 vs 拿到多少 Offer

### 统计模板

时间段：[YYYY-MM 至 YYYY-MM]

汇总：

• 推荐总数：XX
• 面试数：XX（面试率 XX%）
• Offer 数：XX（Offer 率 XX%）
• 入职数：XX（入职率 XX%）

### 基准参考
- 优秀猎头：推荐/面试比 ≈ 3:1，推荐/Offer 比 ≈ 8:1
- 行业平均：推荐/面试比 ≈ 5:1，推荐/Offer 比 ≈ 15:1

---


### Anti-Rationalization 检查清单（v4.0 新增）

> 防止 AI 或猎头跳过关键步骤

### 推荐报告检查
- [ ] 是否提取了 JD 的 3-5 个核心要求？
- [ ] 是否逐条对标了候选人经历？
- [ ] 是否总结了匹配度和风险点？
- [ ] 是否提炼了 1-2 个职业亮点故事？
- [ ] 是否包含面试建议段？
- [ ] 是否包含 9 维度评分？
- [ ] 薪资信息是否完整（基本 + 年终 + 总包）？
- [ ] 看机会原因是否真实可信？

### 候选人沟通检查
- [ ] 是否问了离职原因三问？
- [ ] 是否了解了职业规划？
- [ ] 是否确认了当前薪资结构？
- [ ] 是否了解了期望薪资？
- [ ] 是否确认了求职状态（积极/被动/观望）？
- [ ] 是否了解了手里其他机会？
- [ ] 是否确认了面试可用性（时间/地点/当前公司风险）？
- [ ] 是否记录了候选人的 "语言" 和关注点？
- [ ] 是否判断了沟通风格类型（高冷/高知/高防线/开放/观望）？
- [ ] 是否记录了潜在转介绍人选？

### Cold Outreach 检查
- [ ] 是否至少触达 3 次？（93% 对话在第 3 次前）
- [ ] 是否使用了多渠道？（电话 + 微信/邮件 + LinkedIn）
- [ ] 首次触达是否个性化？（不是群发模板）
- [ ] 是否有低门槛 CTA？（"就当了解市场"）
- [ ] 是否行业-specific 破冰？

---


### 📊 关键数据引用汇总（v12.0 更新）

### Korn Ferry 2026 核心数据
- **73% TA 领导者将批判性思维列为 #1**，AI 技能仅排第 5
- 84% HR 管理者 2026 年将进一步使用 AI
- 52% HR 管理者 计划引入 AI 智能体到团队
- 高管选错成本 = 年薪 200%-400%
- ~40% C 级高管失败因文化适配不足

### 候选人参与数据
- 10-15 分钟电话邀约效果最优（20 万封邮件数据验证）
- 87% 候选人认为应披露 AI 使用
- 55% 公司优先用社交媒体招聘
- 48h 反馈 SLA = 最高 offer 接受率
- Silver Medalist 贡献 35% 录用
- 多渠道触达比单一渠道多 287% 回复率
- 93% 的对话在第 3 次触达时才发生

### 转化率基准
- 前 25% 猎头年均收入比其余人均值高出 $168,000
- screen-to-submission 率：前 25% 为 50.1%，行业平均 36.1%
- 每天触达 30 人 / 深入聊 8-10 个 / 推荐 10 份 → 3-4 面试 → 1 Offer
- Warm Intro 回复率 25-40%+
- Cold call 成功率仅 2.7%

### AI Agent Recruiter 竞品（2026）
- **Serra**：12+ 数据源同时搜索，$10B 估值，自动 vet + outreach
- **GitHub Talent Matcher**：GitHub 档案分析，技术岗寻访利器
- **StaffSpy**：LinkedIn profile 批量抓取，开源
- **Phenom**：全漏斗 agentic AI 企业招聘平台
- **SAP SmartRecruiters AI Agent**：企业级 AI 猎头智能体

### ClawHub 安全提醒
- 2026-06 Palo Alto Networks 报告：部分高星 skill 嵌入恶意前置脚本
- 建议：只用 verified publisher 的 skills，安装前审查
- headhunter-pro skill 发布到 ClawHub 前需通过安全审查

---


### 关键行业数据（2026 更新）

- **37%** 企业已在使用/测试 AI 招聘工具，每周省 20% 时间
- **"关系建立"能力增长 54 倍**（LinkedIn 数据）
- **多渠道触达比单一渠道多 287% 回复率**
- **Silver Medalist 贡献 35% 录用**
- **猎头推荐高端岗位留存率 80%+**（vs 自主招聘 53%）
- **七成药企面临核心岗位招聘难**
- **AI 工程师需供比 3:1**，芯片工程师 2.02:1
- **快消高端岗位招聘周期 45-90 天**
- **新能源年薪 30 万+ 职位同比增速 61%**
- **Executive Search 传统 60-90 天，AI 辅助可缩至 9-14 周**
- **40% 的 C-suite search 仍然失败**
- **66% CHRO 知道需要什么技能，仅 48% 知道如何获得**
- **个性化邮件标题行提升打开率 50%，点击打开率提升 58%**
- **Cold call 成功率仅 2.7%，逐年下降**
- **87% 被动候选人在合适机会下愿意看新机会**
- **有面试辅导的候选人面试通过率高出 22%**

### Korn Ferry 2026 全球人才招聘趋势
- **84% HR 管理者** 2026 年将进一步使用 AI
- **52% HR 管理者** 计划引入 AI 智能体到团队
- 最需要的技能：**批判性思维（#1）**，AI 技能仅排 #5
- 每次招聘都将至关重要——人均产值飙升，错误决策成本比以往更大
- 人才招聘团队要从 "运营" 转向 "战略决策权"

---


### 关键行业数据（v10.0 更新）

### Korn Ferry 2026 趋势
- **84% HR 管理者** 2026 年将进一步使用 AI
- **52% HR 管理者** 计划引入 AI 智能体到团队
- 最需要的技能：**批判性思维（#1）**，AI 技能仅排 #5

### 高管寻访数据
- SHRM 2025：高管招聘成本 $35,879，非高管 $5,475（7 倍差）
- 罗盛咨询：CEO 平均任期 7.1 年，30-36 个月离职数同比增 79%
- ~40% 的 C 级高管寻访失败，核心原因是文化适配不足
- 全球高管寻访市场：2025 $208.2 亿 → 2026 $227.1 亿，CAGR 9.1%

### 候选人参与数据
- 87% 候选人认为应披露 AI 使用
- 55% 公司优先使用社交媒体招聘
- 20 万封邮件数据：10-15 分钟电话邀约效果最优
- Silver Medalist 贡献 35% 录用

### 中国猎头行业数据（品聘 2025-2026）
- 出海业务从 7% 增长至 15%
- 硬科技赛道占比达 70%
- AI 使用率提升至 25%
- 传统行业（医疗服务、金融、能源）回稳

### 转化基准
- 每天触达 30 人 / 深入聊 8-10 个
- 推荐 10 份简历 → 3-4 面试 → 1 Offer
- Warm Intro 回复率 25-40%+
- Cold call 成功率仅 2.7%


### 🏛️ Korn Ferry 2026 TA 趋势报告 · 六大趋势（v12.0 新增）

> 来源：Korn Ferry 2026 Global Talent Acquisition Trends

| # | 趋势 | 核心洞察 | 对猎头的启示 |
|---|------|---------|-------------|
| **1** | **下一位候选人可能不是人类** | AI agent 加入团队，但大多数管理者不知道怎么管理人机混合团队 | 猎头需理解 AI 岗位的独特需求，帮客户定义人机协作岗位 |
| **2** | **先思考，再 ChatGPT** | 🔥 73% TA 领导者将批判性思维列为 #1，AI 技能仅排第 5 | 推荐候选人时重点评估批判性思维，不只是技术栈 |
| **3** | **初级岗位削减 = 未来人才管道危机** | 今天砍 entry-level，明天没人可用 | 帮客户警惕人才管道断层，建议保留初级岗位培养体系 |
| **4** | **买了工具但没获得 buy-in** | AI 工具采用 ≠ AI 工具有效使用 | 帮客户评估 AI 工具落地效果，不是买了就行 |
| **5** | **TA 需要更大的决策权** | 从"运营"转向"战略决策" | 猎头自身也要从"找人"转向"人才战略顾问" |
| **6** | **办公室强制 = 招聘头痛** | 52% 领导者认为办公室强制阻碍招聘，73% 认为远程岗更容易招 | 推荐时关注远程/混合政策对候选人吸引力的影响 |

---


## 十、AI 协同 — 多 Agent 工作流与自动化

### 🤖 Agent-to-Agent Recruiting 趋势（v8.0 新增）

### 行业背景
- **Agent-to-Agent 交互**：Moltbook 等 AI agent 社交网络出现，招聘 agent 直接与候选人的职业管理 agent 对接
- **PeopleGPT**：60+ 数据源聚合，自然语言 prompt 完成人才地图，减少 70% 寻访时间
- **FidForward**：秒级扫描数百万 profile，自动生成 prioritized shortlist
- **Glozo《OpenClaw for Recruiters》指南**：夜间监控 GitHub 贡献者、本地简历 JD 匹配、WhatsApp 候选人回复草稿

### 对猎头的启示
1. **候选人正在 agent 化**——未来候选人可能通过职业管理 agent 接收机会、筛选匹配度、安排面试
2. **AI sourcing 工具是标配不是加分项**——43% 组织已用 AI 做 HR 任务（SHRM），同比从 26% 上升
3. **AI 做广度，人做深度**——Boolean + AI 做 Longlist，猎头做 Shortlist + 关系建立

### 应对策略
- 熟悉主流 AI sourcing 工具（PeopleGPT、FidForward、Juicebox 等）
- 准备标准化机会描述格式，便于候选人 agent 解析
- 继续强化 human-to-human 深度沟通——AI 完成初筛后，猎头价值在信任建立、动机挖掘、谈判促成
- 关注 Agent Skills 开放标准（Anthropic 2025.12，16+ 工具支持）

### 数据基准
- 43% 组织已用 AI 做 HR 任务（SHRM 2026），同比从 26% 上升
- AI 减少 90% 手动寻访时间（Boolean + AI 组合）
- 内部推荐保留率比其他渠道高 40%（Oracle）
- Salesforce 2026 State of Sales：87% 组织使用 AI，54% 已部署 AI agent

---


### 🤖 AI Agent 协同招聘工作流参考（v13.1 新增 · 2026-08-25）

> 来源：Recrew.ai / Saral AI / Onrec — 多 Agent 协同招聘团队

### 多 Agent 分工架构

| Agent 角色 | 职责 | 对应 Pipeline 阶段 |
|-----------|------|-------------------|
| **Technical Recruiter Agent** | JD 解析 + 技术关键词提取 + GitHub/LinkedIn 搜索 | Identified |
| **Communication Specialist Agent** | 个性化触达消息生成 + 跟进序列 | Contacted → Responded |
| **Scheduling Coordinator Agent** | 面试预约 + 日历协调 + 提醒 | Interview |
| **Candidate Nurture Agent** | 长期关系培育 + 行业洞察推送 | Warm Keep |
| **ATS Update Agent** | 自动更新候选人状态 + 标记 Silver Medalist | 全流程 |

### 对 [猎头顾问姓名] 的实际价值
- **不是替代**，是释放时间：AI 做 Longlist 和跟进，你做 Shortlist 和关系
- **跑通流程再升级**：先把现有 SOP 跑顺，再考虑多 Agent 自动化
- **72% 招聘团队已用人机协同**：不是未来时，是现在时

### 最小可行 AI 工作流（立即可用）

1. [猎头顾问姓名] 提供 JD → AI 解析提取关键词 + 构建 Boolean
2. AI 生成首批 Longlist（20-30 人）→ [猎头顾问姓名] 做 Shortlist（5-8 人）
3. AI 生成个性化触达消息 → [猎头顾问姓名] 审核后发送
4. AI 追踪回复状态 → [猎头顾问姓名] 做深入沟通
5. AI 生成推荐报告初稿 → [猎头顾问姓名] 修改后提交客户

---


### OpenClaw 猎头工作流自动化（v4.0 新增）

### 夜间监控（Passive Monitoring）
> agent 夜间监控 GitHub/LinkedIn/hiring boards，早上推送候选人摘要

**设置方式**：通过 cron 定时任务
- 每天早上 8:00 检查目标公司新岗位/新闻
- 每周一次扫描候选人 LinkedIn 动态
- 发现 hiring signals 自动推送 [猎头顾问姓名]

### 候选人自动跟进
> 通过 WhatsApp/Telegram/微信 自动跟进候选人

**状态追踪**：
- 记录每次沟通到 candidate profile
- 自动判断跟进时机（7 天未联系 → 提醒）
- 根据候选人分类标签选择沟通策略

---


### 🤖 OpenClaw 招聘三大核心工作流（Glozo 指南，v12.0 新增）

> 每次查询边际成本仅 $0.10-$0.50 API 费，无需按席位付费

| 工作流 | 说明 | 交付 |
|--------|------|------|
| **被动监控** | 夜间监控 GitHub/招聘板/LinkedIn 贡献者变动 | 次日候选人简报 |
| **简历筛选** | 批量 PDF 简历按 JD 评分，输出 CSV | 评分排序表 |
| **跟进对话** | 起草候选人回复，保持上下文 | 人工审批后发送 |

### AI sourcing ROI
- AI sourcing 可实现 **30% 更高的入职质量 + 10% 更低的成本**（HR Executive）
- 8.8% 美国 HR 招聘 JD 已要求 AI 工具技能，比 2025 年初翻倍
- 72% 招聘团队计划 12 个月内引入 AI 智能体
- 58% 招聘人员认为 AI 减少杂活，能专注于候选人关系

---


### 🎙️ 语音 AI 工作流（v13.0 新增）

> 猎头每天大量时间花在电话沟通、候选人面谈、行业会议，这些录音手动整理效率极低

### 推荐工具：Microsoft VibeVoice

**VibeVoice 是什么：**
- 微软 2025-2026 开源的前沿语音 AI 模型家族
- ASR：60 分钟长音频单次处理，输出 Who + When + What 结构化转录
- TTS：90 分钟长语音合成，支持多说话人、情感表达
- Realtime TTS：0.5B 参数，首字延迟 ~300ms

### 四大模型速查

| 模型 | 用途 | 大小 | 特点 |
|------|------|------|------|
| VibeVoice-ASR-7B | 语音→文字 | 7B | 60分钟单次处理，50+语言 |
| VibeVoice-ASR-BitNet | 语音→文字（CPU版） | 1.58GB | 无需GPU，3线程实时推理 |
| VibeVoice-TTS-1.5B | 文字→语音 | 1.5B | 90分钟长音频，4人对话 |
| VibeVoice-Realtime-0.5B | 实时文字→语音 | 0.5B | 首字300ms延迟，流式输入 |

### 猎头条使用场景

**场景 1：候选人通话录音 → 结构化转录**

输入：[猎头顾问姓名] 与候选人的通话录音
输出：结构化的沟通记录，含 PMCC 分析

**场景 2：行业会议/培训录音 → 纪要**

输入：1-2 小时行业峰会录音
输出：结构化会议纪要 + 招聘情报

**场景 3：推荐报告 → 语音版**

输入：候选人推荐报告文字
输出：用好听的声音朗读，通过微信发给客户

### 安装指南

```bash
# 方式一：HuggingFace Transformers（需 transformers >= 4.50.0 或源码）
pip install --upgrade transformers torch torchaudio soundfile

# 方式二：在线 Playground（免安装）
# 搜索 "VibeVoice ASR" 或 "VibeVoice TTS" 即可找到在线 Demo

# 方式三：Azure AI Foundry
# 搜索 "VibeVoice" 即可找到

注意事项

• ASR-BitNet 版仅需 1.58GB 且无需 GPU，最适合本地部署
• 国内网络可能较慢，建议先用 Playground 验证效果
• Python 3.10+ 推荐

行业洞察自动化（v5.0 新增）

不只是新闻聚合，而是 "这新闻意味着什么招聘机会" 的分析

晨报升级结构

# [日期] 行业洞察晨报


### AI 招聘工具对比评估

### 主流工具对比

| 工具 | 核心能力 | 数据规模 | 适合场景 | 预估价格 |
|------|---------|---------|---------|---------|
| **Apollo.io** | 人才数据库富化、邮件序列 | 2.65 亿联系人 | Cold outreach、线索挖掘 | $49-149/月 |
| **SeekOut** | 多元化人才搜索、技能图谱 | 8 亿+ Profiles | Tech 人才寻访、DEI | 定制报价 |
| **HiredScore** | AI 匹配、内部流动 | 企业自有数据 | 大企业内部招聘 | 定制报价 |
| **Eightfold** | AI 人才智能、职业路径 | 企业自有数据 | 人才管理、继任规划 | 定制报价 |
| **LinkedIn Recruiter** | 社交招聘、InMail | 10 亿+ Users | 全行业通用 | $170-230/月 |
| **ResumeClaw** | 简历→AI Agent | 自建 | 候选人自动化跟进 | OpenClaw Skill |

### 建议
- **Apollo**：如果 [猎头顾问姓名] 经常做 Cold Outreach，值得投入（性价比最高）
- **SeekOut**：如果 Tech 方向需求大，考虑（技能图谱很强）
- **LinkedIn Recruiter**：必备基础工具（已有则不需替代）
- **ResumeClaw**：OpenClaw 免费 Skill，先用起来

### AI + 猎头协同模式（2026 新标杆）
- AI 辅助筛选简历 → 大数据绘制人才地图 → 自动生成候选人报告 = **新标配**
- 猎头不仅要有识人能力，更必须具备 **"AI 协同智商"**
- 360 顾问方向：BD（客户开发）+ 对接 + 交付全面发展，从纯交付转向一站式咨询型服务

### Agent Skills 开放标准（2026）
- Anthropic 2025.12 发布 Agent Skills 开放标准，16+ AI 工具支持（Claude Code、Cursor、Codex、Gemini CLI、VS Code 等）
- 技能 = 一个目录 + SKILL.md 文件，"写一次到处用"
- 渐进式加载，不影响性能
- 猎头工作流可封装为 Skill，跨 Claude Code / Cursor / Codex / Gemini CLI 复用


## 十一、合规与生态 — 劳动法、校招、供应商与 ClawHub

### 🏛️ 中国劳动法合规要点（v9.0 新增）

> [猎头顾问姓名] 需掌握基本合规知识，避免给客户/候选人带来风险

### 劳动合同
- 入职 30 天内必须签订书面劳动合同，否则需支付双倍工资
- 满 1 年未签 → 视为 **无固定期限合同**
- 连续两次固定期限合同后，员工有权要求无固定期限合同
- 合同类型：固定期限、无固定期限、以完成一定工作任务为期限

### 试用期法规

| 合同期限 | 最长试用期 |
|---------|----------|
| 3 个月 ~ 不满 1 年 | 1 个月 |
| 1 年 ~ 不满 3 年 | 2 个月 |
| 3 年以上 / 无固定期限 | 6 个月 |

- 试用期工资 ≥ 约定工资的 80% 且 ≥ 当地最低工资标准
- 同一雇主对同一劳动者只能约定一次试用期

### 五险一金
- **五险**：养老、医疗、失业、工伤、生育
- **一金**：住房公积金
- 入职 30 天内完成社保登记和缴费
- 缴存基数和比例因城市而异（北京、上海、深圳差异大）

### 竞业限制（竞业协议）
- 竞业期限最长 **2 年**
- 必须按月支付竞业补偿金（通常 ≥ 离职前 12 个月平均工资的 30%，各地标准不同）
- 超过 3 个月未支付补偿金 → 员工有权解除竞业义务
- 适用对象：高管、高级技术人员、负有保密义务的人员
- ⚠️ **猎头关键动作**：推荐候选人时必须筛查是否有竞业限制

### 经济补偿（N+1）
- **法定标准**：N（工作年限）× 月工资
  - 不满 6 个月 = 半个月工资
  - 6 个月 ~ 不满 1 年 = 1 个月工资
- **N+1**：用人单位未提前 30 天通知，额外支付 1 个月工资（代通知金）
- **违法解除**：2N
- **月工资上限**：当地社平工资 3 倍，计算年限最高 12 年
- 经济性裁员（20 人以上或 10% 以上）需提前 30 天通知工会/全体员工 + 报劳动行政部门

### 招聘合规红线
- JD 不得含性别、年龄、婚育状况、民族、宗教等歧视性要求
- 候选人个人信息收集须符合《个人信息保护法》（PIPL）
- 背景调查须获候选人书面授权

---


### 🎓 校园招聘体系（v9.0 新增）

### 秋招/春招节奏

**秋招（8-12 月）**：提前锁定目标院校，抢占优秀毕业生
- 优先 985/211 院校（类似常春藤/罗素集团）
- 关键节点：网申开放 → 笔试 → 面试 → Offer 发放

**春招（次年 2-5 月）**：补录秋招未覆盖岗位
- 重点目标：考研/考公失利的优质候选人

### 管培生项目设计
- 轮岗计划：12-24 个月，定义轮岗部门和考核节点
- 导师制：每个管培生配业务导师 + HR 导师
- 专属评估体系：跟踪成长轨迹和留存率

### 实习生转正
- 制定实习评估计划，明确转正标准和评估维度
- 建立留存激励机制：预留 return offer 名额、有竞争力的实习薪资、有意义的项目参与
- 跟踪实习→正式转化率及入职后表现

---


### 🏢 猎头供应商管理（v9.0 新增）

> 当 [猎头顾问姓名] 作为甲方 HR 或使用外部猎头时的管理框架

### 猎头分级管理
- **大型猎头**：科锐国际、任仕达、光辉国际、万宝盛华
- **精品猎头**：垂直行业深耕、服务质量高
- **行业垂直猎头**：专注特定行业（IT/医疗/金融等）

### 猎头费用参考
- 普通职位：**年薪的 15-20%**
- 高级职位：**年薪的 20-30%**
- 高管 Retained Search：分期付款（签约 1/3 + Shortlist 1/3 + Offer 1/3）

### 谈判策略
- 批量折扣（多职位合作）
- 延长保证期（通常 3-6 个月）
- 阶梯收费结构
- 明确退款/替换条款：保证期内候选人离职的退费或替换机制

### 猎头绩效评估
| 指标 | 说明 |
|------|------|
| 推荐质量 | Shortlist / Longlist 比例 |
| 响应速度 | 从 JD 到首批候选人提交的时间 |
| 入职率 | 推荐 → Offer → 入职的转化率 |
| 留存率 | 保证期内的留存情况 |

---


### 📢 雇主品牌建设（v9.0 新增）

### 短视频内容矩阵
- **抖音/视频号**：办公室参观、员工日常 vlog、面试技巧
- **B 站**：深度行业分享、技术讲座、企业文化
- **小红书**：真实员工故事、工作体验、成长路径

### 口碑管理
- 监控 **看准网** 和 **脉脉** 上的公司评价，及时回应负面反馈
- 鼓励满意员工分享真实体验
- 内部员工满意度调研（eNPS）

### 最佳雇主评选
- 智联最佳雇主、前程无忧 HR 管理杰出奖、脉脉最具影响力雇主
- 在 JD 和校招宣讲中展示雇主品牌荣誉

---


### 📋 招聘渠道运营策略（v9.0 新增）

### 中国主流招聘平台运营要点

**Boss 直聘** — 中国领先的直聊招聘平台
- 优化公司主页和职位卡片，提升曝光量
- 掌握「直聊」互动技巧，主动出击
- 利用人才推荐和定向邀请功能
- 分析职位曝光量和简历转化率，持续优化

**猎聘网** — 面向中高端人才的猎头平台
- 运营认证企业页面，提升品牌可信度
- 利用猎头资源池进行定向曝光
- 针对中高级职位建立人才管道
- 适合年薪 30 万+ 职位寻访

**脉脉** — 中国职场社交平台
- 通过内容营销触达被动候选人
- 建设雇主品牌内容
- 利用「职言」论坛监测行业口碑
- 适合技术人才和互联网行业

**拉勾网** — 互联网科技垂直招聘平台
- 利用「技能标签」匹配算法
- 优化职位排名
- 适合互联网/技术类职位

**智联招聘 / 前程无忧** — 全品类综合招聘平台
- 覆盖全行业全级别职位
- 简历库搜索 + 批量邀请
- 校招门户管理

### 各渠道定位建议

| 渠道 | 最适合 | 薪资区间 | 候选人类型 |
|------|--------|---------|----------|
| Boss 直聘 | 初中级职位、技术岗 | 10-40 万/年 | 主动求职者为主 |
| 猎聘网 | 中高级职位、管理岗 | 30-100 万/年 | 被动+主动混合 |
| 脉脉 | 互联网/科技人才 | 20-80 万/年 | 被动候选人为主 |
| 拉勾网 | 互联网技术岗 | 15-50 万/年 | 技术人才 |
| 智联/前程无忧 | 全品类、校招 | 5-40 万/年 | 混合 |
| LinkedIn | 外企、海归、国际化职位 | 40-150 万/年 | 高端被动候选人 |

### ATS 系统对比

| 系统 | 特点 | 适用场景 |
|------|------|---------|
| **北森招聘云** | 中国领先 HR SaaS，功能全面 | 大中型企业全渠道招聘 |
| **Moka 智能招聘** | 体验好，AI 简历解析，自动化流程 | 注重候选人体验的企业 |
| **飞书招聘/飞书 People** | 与飞书生态深度整合，协同方便 | 使用飞书的企业 |
| **iRenshi（i人事）** | 性价比高，中小企业友好 | 中小型团队 |

### JD 优化实战

- 基于业务需求建 **职位画像**：核心职责 + 硬性要求 + 软性偏好
- 区分「必须有」和「加分项」，避免「独角兽候选人」陷阱
- 用 **薪酬对标数据**（看准网、职友集、薪智）验证薪资竞争力
- 从候选人视角写 JD：突出团队文化、成长空间、福利
- 定期做 **JD A/B 测试**：不同标题/描述风格对投递量的影响

---


### 🆚 AI Agent Recruiter 竞品全景（v12.0 更新）

| 产品 | 核心能力 | 估值 | 对 [猎头顾问姓名] 的启示 |
|------|---------|------|----------------|
| **Serra** | 12+ 数据源同时搜索 + 自动 vet + 个性化 outreach | $10B (Series C) | AI 猎头是趋势，但人机协同是关键 |
| **Recrew** | JD→Sourcing→Screening 全流程自动化 | — | 自动化 + 人工判断 = 最佳组合 |
| **GitHub Talent Matcher** | GitHub 档案分析 + 技能匹配 + 招聘成本估算 | — | 技术岗寻访利器 |
| **StaffSpy** | LinkedIn profile 批量抓取（开源） | 开源 | 结合 Boolean search 做长名单 |
| **Phenom** | 全漏斗 agentic AI 企业招聘平台 | Software Mag Top AI 2025 | 行业上下文适配是差异化 |
| **SAP SmartRecruiters** | 企业级 AI 智能体 + 预测性情 | 企业级 | 大客户市场在加速 AI 化 |

---


### 📢 ClawHub 发布准备（v12.0 新增）

> headhunter-pro 是目前少有的中文猎头专业 skill，有潜力发布到 ClawHub

### 发布前检查清单
- [ ] SKILL.md 格式兼容 Claude Code（当前已兼容）
- [ ] 通过安全审查（VirusTotal + ClawScan）
- [ ] 移除敏感信息（[猎头顾问姓名] 个人信息、候选人数据）
- [ ] 补充英文版 description
- [ ] 测试在 Claude Code / Cursor 中加载
- [ ] 准备 skill 截图/文档

### SKILL.md 生态洞察
- 目录：`~/.openclaw/skills/`（个人）vs `~/.agents/skills/`（项目级）
- 格式与 Claude Code 通用，写一次两边用
- 安全：VirusTotal + NVIDIA 合作筛选，ClawScan 扫描
- ClawHub 截至 2026.3 有超过 10,000 社区 skills
- 目前没有专业的猎头/招聘 skill，这是一个空白机会

---


### 📢 ClawHub 发布信息

- **版本**: 16.0.0
- **作者**: [猎头顾问姓名] (猎头顾问，专注快消/金融/新能源/医疗)
- **语言**: 中文（Chinese）
- **类别**: recruiting, talent-management, hr, sales-outreach
- **适用场景**: 猎头候选人筛选、推荐报告 v3 撰写、触达话术、面试评估、客户管理、入职护航、人才库激活
- **兼容性**: OpenClaw 1.x+、Claude Code、Cursor
- **安全等级**: 仅文件操作 + 文本生成，无外部网络调用


## 工作流 — 标准操作流程

### 工作流

### 新职位流程（v4.0 增强）
### 新职位流程（v9.1 增强）
1. 收到 JD → JD 分析提取 3-5 核心要求
2. 理解需求 → 确认 [猎头顾问姓名] 期望和优先级
3. 检查已有候选人数据库 → 优先匹配
4. 如无匹配 → 启动 sourcing（按寻访矩阵选渠道）
5. 初筛 → 9 维度评分 → Longlist
6. 提交 [猎头顾问姓名] → Shortlist → **短名单质量诊断（人数不在 5-12 区间则调整）**
7. 推荐报告 → 五段式 + JD 对标 + 职业亮点 + 动机分析 + 面试建议 + 行业趋势参考（可选）
8. 面试跟进 → 记录到档案
9. Hiring Signals 监控 → 持续追踪客户需求变化
10. Anti-Rationalization 检查 → 确保不遗漏关键信息
11. 触达时机判断 → 选择最佳沟通时机

### 入职后追踪流程（v9.1 新增）
1. 候选人入职 → 创建 90 天追踪档案
2. 按回访节奏定期联系 → 采集量化指标
3. 风险预警 → 黄灯加强关注，红灯立即通知 [猎头顾问姓名]
4. 90 天终评 → 留存确认 + 综合满意度 + 数据归档
5. 数据积累 → 分析 [猎头顾问姓名] 推荐质量趋势

### 候选人维护流程（v5.0 增强）
1. 首次接触 → 创建档案（含 PMCC 沟通记录 + 沟通风格 + 求职状态）
2. 沟通记录 → 更新 follow-ups.md（含触达次数）
3. 推荐记录 → 更新 profile.md
4. 定期跟进 → 检查职业变化 + 触达时机更新
5. 状态更新 → 积极/被动/观望/锁定 + 级别迁移
6. Silver Medalist 标记 → 面试通过但未入职，重点运营 + 转介绍
7. 转介绍激活 → 时机成熟时请求推荐
8. Warm Keep → 拒绝后不放弃，保持长期关系
9. 季度人才库 review → 级别调整 + 失联清理


### 动态人才库管理（v5.0 新增）

> 替代静态 dashboard，支持候选人状态追踪

### 人才库分级

| 级别 | 标准 | 跟进频率 |
|------|------|----------|
| **A 级** | 积极看机会，3 个月内可入职 | 每周跟进 |
| **B 级** | 被动但有好机会会聊 | 每 2 周跟进 |
| **C 级** | 观望，保持联系 | 每月跟进 |
| **D 级** | 锁定，暂时不触达 | 每季度 check-in |
| **Silver** | 面试通过但未入职 | 重点运营，转介绍 |

### 人才库维护规则

1. **新候选人入库** → 创建档案 → 标记级别 → 设定下次跟进日期
2. **每次沟通后** → 更新记录 → 重新评估级别 → 更新下次跟进日期
3. **自动提醒** → 7 天未联系 → 提醒 [猎头顾问姓名] 跟进
4. **状态迁移** → 定期 review → 级别升降 → 触达策略调整
5. **Silver Medalist 运营** → 入职新公司后请求转介绍
6. **季度人才库清理** → 移除失联 > 1 年候选人

---


### 候选人 CRM Dashboard 增强（v5.0）

### 新增字段

| 字段 | 说明 |
|------|------|
| **触达次数** | 累计联系次数（目标≥3 次） |
| **最后触达日期** | 最后一次联系时间 |
| **触达时机判断** | 期权解禁/财报季/组织调整/社区活跃度 |
| **转介绍潜力** | 高/中/低 |
| **转介绍记录** | 已推荐的候选人姓名 |
| **Silver Medalist** | 是/否（面试通过但未入职） |
| **下次跟进日期** | 自动计算（7 天未联系提醒） |
| **沟通风格** | 高冷/高知/高防线/开放/观望 |
| **求职状态** | 积极/被动/观望/锁定 |

### 候选档案模板（增强版）

候选人档案 - [姓名]

注意事项

技术岗验证路径

1. GitHub 贡献记录 → 实际代码能力
2. 技术社区参与 → 行业影响力
3. 工作样本测试 → 限时解决真实问题
4. 交叉验证 → 简历 vs LinkedIn vs GitHub

业务岗验证路径

1. 项目成果量化 → 不只是"负责 XX"
2. 客户/上级背调 → 实际影响力
3. 情景模拟 → 面对真实业务难题的分析能力
4. BEI 深度追问 → 具体行为而非"一般来说"

欺诈检测信号

9 维度评分更新建议

在现有 9 维度基础上，增加权重调整：

• 技术岗：技能重叠度权重从 10% 提升至 20%，加入 GitHub 验证
• 业务岗：经验匹配度权重从 15% 提升至 20%，加入项目成果验证
• 高管岗：新增领导力风险维度，占综合评分 15% 权重

附录：Reference 参考文件索引