headhunter-pro

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 

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） `