做「最内行」的AI职业搭档Agent丨对话小麦招聘

传统招聘APP的“AI化”，大多停留在简历优化或问答助手，并未改变“信息陈列室”的本质——求职者依然在大量无效信息中自行筛选、猜测、等待。

在小麦招聘（英文名：LovTalent）看来，招聘行业一定会被AI快速重塑——它是所有行业中，信息密度最高、结构化程度最低的链条。

在行业聚焦于单点工具时，小麦招聘团队凭借多年深耕积累的行业知识库与真实业务洞察，切入赛道，试图用Agent的逻辑，重构整个求职链条。

目前，小麦招聘聚焦AI行业的优秀人才，并持续理解、记忆每个求职者的岗位需求，将Agent打造为职场伙伴，上线首月便吸引了上万名AI从业者注册。

同时，他们也认为，招聘行业无法完全脱离人，AI招聘赛道刚刚起步——现在是窗口期。

当AI能让招聘成本从十几万降到一两千，效率又比人工高几个数量级，那原本“没有猎头预算”的岗位就会被激活，“服务不到的人群”也会进入市场。

AI带来的其实就是专业服务能力供给侧的变化，所以一定是增量市场。现在最重要的，不是去调模型，而是先把业务流程跑通，产品体验做好，数据闭环打扎实。

传统招聘APP与原生Agent产品在底层逻辑上有何根本区别？一个从猎头业务里长出的产品，如何凭借对业务的理解构建起核心门槛？打通B、C两端的全链路数据闭环，又将如何定义招聘的未来？

带着这些问题，量子位智库近期邀请到小麦招聘AI产品负责人杜妲颐，深入拆解小麦招聘如何将Agent技术与招聘场景深度结合、其产品设计与传统应用的本质差异、如何解决“信息对齐”这一行业核心痛点，以及他们对AI重塑招聘市场的未来展望。

此外，杜妲颐还分享了全球AI招聘赛道发展现状、商业化路径探索等方面的思考。

Key Takeaways

1、招聘行业不变的是供需两端的市场逻辑，变化的是AI带来了前所未有的“理解与连接”的能力。Agent不只是让AI帮人找工作，而是让AI更理解业务、更懂人。

2、招聘过程看似是沟通，本质是信息对齐。招聘双方被迫在信息黑箱里做决策，谁也看不清谁。AI的价值就是重写人和机会之间的理解方式。

3、传统求职平台的商业模式是“流量变现”，核心目标是更多用户浏览产生曝光；团队产品追求“结果交付”——希望用户能更快、更准地找到真正合适的机会。这两种逻辑天然矛盾。

4、当AI能让招聘成本从十几万降到一两千，效率又比人工高几个数量级，会激活更多企业的付费能力，当个人也愿意为体验和陪伴付费时，整个市场的交易密度和频次都会大幅提升。

5、整合全链路的数据价值非常高，但在没有自营业务的情况下，整合全链路的门槛很高。

6、智能体在招聘领域应具备顾问级判断力、系统规模化提供专业服务的能力，通过更全面的信息和上下文以及语义理解，明白岗位背后的业务语境。

7、AI招聘赛道还在早期发展阶段，格局远没有定型。最领先的玩家也在不断调整方向、重新寻找PMF。

关于小麦招聘

作为国内首批将AI Agent引入求职场景的B/C联动招聘产品，小麦招聘具备岗位推荐、求职机会洞察、简历优化、面试辅导、职业规划、行业信息洞察六个核心功能，上线首月便吸引了上万名AI从业者注册。

基于TTC（True Talents Connect）AI人才服务经验，沉淀数百位顾问的真实知识库和岗位网络，提供对话式交互、长期记忆、任务分发、AI顾问全程跟踪求职流程等功能，帮助用户更高效地发现机会、准备面试，直到拿到理想Offer。

△小麦招聘Web端主页

以下为小麦招聘AI产品负责人杜妲颐和量子位智库的详细对谈内容。在不改变原意的基础上，量子位智库对部分内容进行了修改及简化。

访谈实录

1、AI重塑人与机会之间的连接方式

量子位智库：B/C两端的完整求职流程是怎样的？有哪些隐形的痛点或增值点是求职者和招聘方很少意识到的？

小麦招聘：招聘这件事很有意思——它看起来没门槛，谁都能做，但真正做起来就会发现链条非常长、决策复杂、沟通过程琐碎，而且充满信息不对称。

很多公司自己也并不真正清楚要找什么人，JD更多是形式化起点，真正的需求都藏在业务问题里。很多敏感岗位因为竞争和保密压力，JD会故意写得很模糊——外面看到的是一段文案，但里面其实在处理的是业务的生死局。信息在不同角色与节点之间每传一次就损耗一次，这不是偶尔发生，而是结构性必然。

在C端也一样。双方被迫在信息黑箱里做决策，谁也看不清谁。

“错配”的代价非常高。很多人以为招聘的问题是“招不到人”，但现实里更大的问题是——招到了不合适的人。入职后发现他并不能解决核心问题。企业损失的不仅是十几万招聘费用，还有项目停滞带来的机会成本、错过的时间窗口，这是“效率”背后的隐形亏损。

对求职者来说，更是职业路径选择的重大决策，一旦简历“花了”，在现在这个市场情况下，对普通求职者就是一次高昂的成本和代价。

而这整个过程恰恰是AI可以发挥价值的地方。如果AI有能力在每一个环节上“对齐理解”，基于更多上下文协调沟通，那整个系统的效率和体验，都会被彻底改写。

量子位智库：目标用户在求职时最关注哪些体验？小麦招聘对此有什么特别的细节设计？

小麦招聘：在服务大量求职者后，我的判断是：大家最关注的表面是体验，底层其实是：行业根本没有一套连续、可对齐的信息结构。用户想要“看清楚”和“被理解”。产品设计逻辑围绕“如何让信息连续、上下文一致、持续理解”展开。

举个例⼦，我们的Agent⾥有⼀个核⼼模块叫User Memory，它能记住⽤⼾在对话中的个⼈信息、求职⽬标和偏好，⾃动优化推荐内容、减少重复沟通。长期记忆一定是下一代AI产品的基础设施。

未来我们也在迭代面向B端招聘方的能力，让招聘者也能把更准确的岗位信息告诉Agent，这些上下文信息会共同进入系统记忆，帮助AI同时理解两端的需求，实现真正意义上的、可规模化的、基于Agent的匹配撮合。

2、切中AI应用落地的时间窗口

量子位智库：很多人可能会觉得，“求职就是求职者和职位之间的供需关系，不管有没有用AI，这个供需关系没有变化，所以市场容量依旧不变”，你们是怎么衡量AI在其中创造的价值的？未来市场空间多大？

小麦招聘：一定是增量市场。举个例子，过去的猎头业务，客单价非常高——一个算法工程师招聘成本往往要十几万。市场上有大量的企业、岗位、候选人，其实是没有人服务的，因为费用太高了。

当AI能让招聘成本从十几万降到一两千，效率又比人工高几个数量级，那原本“没有猎头预算”的岗位就会被激活，“服务不到的人群”也会进入市场。当更多企业有能力为结果付费，当个人也愿意为体验和陪伴付费时，整个市场的交易密度和频次都会大幅提升。

量子位智库：小麦招聘出身头部的人力资源公司，是怎么决定要做这款产品的？

小麦招聘：其实我经常在想，在这个业务里，什么是“变”的，什么是“不变”的？不变的，是供需两端的市场逻辑；变的，是AI带来了前所未有的“理解与连接”的能力。过去人力难以规模化处理的复杂信息，现在AI可以了。

所以我觉得，小麦招聘不只是让AI帮人找工作，而是让AI更懂需求、更理解业务、更懂人，成为人与机会之间新的连接方式。

小麦招聘是从TTC孵化出来的。TTC的全称是True Talent Connect，22年成立。TTC成立第一天就希望能做成一家科技公司，重构招聘业务。团队现在是行业专家、直营业务团队，加上产研团队的组合。

过去两年，TTC已经服务了超过1000家泛AI行业客户，覆盖10万+AI从业者，同时内部完成了AI化转变，我们做了“小麦智能体系统”、“AI工作台”等基于AI的协作系统，实现了“AI+顾问混合协作”的业务形态，整个业务都完成了线上化、AI化的转变。

在组织AI化的过程中，我们沉淀了大量数据、行业know-how和AI能力。如果这些能力只服务于内部，它的ROI和Scale能力都是有限的，且不说市场有大量未被满足的需求。所以我们推出了直接面向B/C两端的产品——这就是现在的“小麦招聘”。

3、猎头不会被AI完全替代

量子位智库：你们觉得未来真人的求职导师/猎头会被完全替代吗？还可以持续发展的点是什么？

小麦招聘：我的判断很明确：AI 不会完全替代猎头。

第一，从今天AI的能力边界出发，AI拥有远超个体顾问的“世界知识”，在知识的广度和分析速度上，AI其实已经超越了人类顾问的个体经验，效率也远超人类。但另一方面，它和真人顾问之间，确实还存在不小差距。

一个真人顾问，能在几分钟对话中捕捉候选人的语气变化、顾虑、潜在动机，AI在某些场景下，暂时还达不到人类顾问的判断力和灵活性，包括沟通策略。尤其中高端的招聘链条比较复杂，除了信息，还有信任。也是AI目前比较难获取的部分。

第二，是商业逻辑。AI的价值不是“取代人”，而是“提升效率”。从ROI的角度看，目前AI的边际替代效益，还不足以完全撬动这个行业的基本结构。

招聘是一个典型的供需双边市场，供给端（候选人）和需求端（企业）都有高度非标准化的特征。所以在中高端市场，由于链条长、关系复杂、信任关键，AI更多扮演增强和协同的角色，会重新定义这个行业的效率边界；而在中低端市场，岗位和人选的标准化程度更高，AI的确有机会更快实现全流程自动化和替代。

4、产品设计关键是读懂「业务语境」

量子位智库：你们是如何实现B、C双端更精准匹配的？对应的水下信息是如何挖掘出来的？

小麦招聘：我们现在能做到更好匹配。第一，就是更全面的信息和上下文。

第二，是基于业务知识的语义理解。AI不只是看职位名称或技能词，而是理解岗位背后的业务语境。

比如同样叫“AI产品经理”，在算法公司、在硬件厂商、在大模型创业公司，它的职责和核心能力要求完全不同。小麦招聘会通过语义模型理解岗位背后的真实业务逻辑，让匹配更接近“懂行的顾问”的判断。

第三，完整链条上的数据反馈。因为我们提供的是端到端的服务，所以能够记录每一次沟通、推荐、投递、面试反馈，把这些反馈数据存入系统。系统就会持续学习“什么样的人更容易通过面试、什么样的匹配会被拒”，不断修正和优化匹配逻辑。

5、调模型不如跑通业务流程

量子位智库：小麦招聘还有一个专门的TalentBench，对求职行业来说，模型的特定调优这么重要吗？在产品的工程化和功能设计等方面，还有哪些会明显挂钩最终用户体验的因素？

小麦招聘：TalentBench是我们的一个评测数据集，基于真实招聘求职场景的Agent任务评测集，支撑AI Agent的持续迭代。

目前小麦招聘还没有进行专门的模型微调。我们现在的能力主要来源于产品工程层面——包括知识库、上下文工程、User Memory、不同场景下的Agent Tooling，以及反馈闭环的构建等。换句话说，现在的智能更多是靠“架构”和“数据组织方式”实现的，而不是模型参数本身的优化。

量子位智库：其实无论是国内还是全世界，做全链路的产品都比较少。国内更多的是简历优化（比如YOO简历、职徒简历、智联等平台自带产品）和面试模拟，你们觉得是因为他们没有意识到全链路的潜力，还是因为全链路的门槛其实很高？

小麦招聘：我觉得这个问题特别好。AI带来的最大变量，是它具备了在语义层面处理和关联信息的能力，同时也具备了理解完整上下文的能力。

全链路最有价值的不是功能连通，而是数据闭环。只有当每一次完整的招聘背景信息、求职者的动机诉求、所有的沟通、投递、反馈都被沉淀下来，AI才能持续学习，知道什么样的人能在什么样的岗位上成功、什么样的沟通能推动进展。这才是AI产品真正的复利所在。

要做到这一点，门槛非常高。你必须既懂招聘业务逻辑，又要能做AI工程和系统设计，还得有自营业务场景去持续验证和反哺数据。没有这三者的积累，系统很难跑得起来。

6、Agent产品要能「持续理解人」

量子位智库：海外有一款叫TEAL的基于仪表盘的个人全流程求职AI工具，你们觉得自己和对方是对标产品吗？为什么？

小麦招聘：这些产品更多还是工具属性，而小麦招聘的定位完全不同——我们在做的是一个AI Agent驱动的系统，重构求职招聘服务链条。

量子位智库：你们是如何划分不同的AI+求职类产品的？

小麦招聘：如果说产品分类，我的角度看，会分成工具型和平台型。

工具型产品服务单边用户的生意，帮用户提效，比如写简历、自动投递；

系统/平台型产品做的是双边生意，用AI连接供需两端，形成数据和智能的飞轮。

量子位智库：AI Agent版本的AI求职工具和非Agent版本的最大区别是什么？能不能结合具体场景或者案例来说明。另外，如果用三个标准来衡量，你们会如何评判一个To C类Agent工具是否优秀？

小麦招聘：AI求职产品的核心差别，不是有没有用AI，而是——AI是否真的能“持续理解人”。

传统的AI工具更像一个“功能助手”——你告诉它一个任务，它帮你完成一次性输出，比如生成简历、模拟一场面试。都是单点的工具，它不会记住你是谁，也无法积累上下文。每次重新打开，就像第一次见面。

AI Agent版的小麦招聘，与传统的AI求职工具，最大的区别就在于——它不是一个功能，而是一个能持续理解、记忆、反馈的系统。我们想构建的是一个系统，能在不同场景之间串联起完整链路，形成闭环。

比如说，一个用户告诉小麦招聘：“我想找AI产品经理的岗位。”传统工具可能直接帮他写一份简历；但Agent会先了解你的背景、经验、偏好，结合后台岗位数据做出匹配，再帮你做定向面试准备，甚至根据企业反馈调整策略。也就是说——它不只是帮你执行任务，而是陪你完成目标。这个是我们想要搭建的能力。

我们通常不会在一个“抽象的维度”上去评价一个To C的Agent工具，因为Agent的价值永远不能脱离场景和用户需求去谈。

7、AI招聘赛道产品还不到60分

量子位智库：感觉这个细分赛道似乎已经达到60分，你们的体感如何？大体格局已经确定了吗？在目标用户端，目前的渗透率距离预期还有多远？

小麦招聘：我觉得这个问题非常有意思。如果放在全球范围来看，确实有一些公司在功能上已经实现了从“招聘”延伸到“全链路”，比如Mercor。但其实Mercor现在已经完成了方向上的Pivot，从最早的AI招聘平台，转向为AI Labs提供专家级Human Data服务，本质上更接近Scale AI、Surge AI这样的数据标注供应商。

这其实很能说明问题——AI招聘这条赛道本身还在早期阶段，格局远没有定型。连最领先的玩家都在不断调整方向、重新寻找PMF。

我觉得还没有到60分：目前全球AI求职或AI招聘产品，大多还停留在“功能阶段”，比如做简历优化、AI面试或智能推荐，真正能贯穿全链路的系统还没有成熟，或者说规模还都很小，渗透率远远不够。

从客户和用户两端的感受来看，现在AI在招聘里的渗透率其实都还非常低。对个人用户来说，大多数人顶多还停留在“AI帮我写简历”的阶段；对企业客户来说，很多还处在“第一次尝试AI招聘服务”的阶段。

包括他们用到我们基于企业微信做的AI机器人“小麦”，都表示很有意思、很新鲜的体验，因为别的猎头供应方是没有的。大家都还是在使用传统的人力服务。但趋势是明确的。

量子位智库：怎么理解AI+求职赛道的估值逻辑？这个赛道在全球化时，也会面临比较高的本地化门槛吗？

小麦招聘：我觉得海外AI求职类产品估值高，首先有一个非常现实的原因——他们的人力成本太高了。在硅谷，一个HR的薪资往往能和算法工程师持平，所以任何能替代部分人工、提升效率的产品，它的ROI都是立竿见影的，自然也就能拿到更高的估值。

再加上海外企业的订阅文化非常成熟，客户愿意为好用的SaaS产品长期付费，这让LTV（生命周期价值）的可预测性很强，资本市场可以用增长视角去看企业，而不是只看短期盈利。

其次是资本逻辑的不同。海外的退出机制和市场预期，与国内完全不一样。二级市场愿意为“增长”买单，一级市场因此有更高的估值预期，风投也更敢在早期下注。其实是海外更成熟的风投逻辑了。

量子位智库：当面临求职平台本身也可能布局这部分业务时，你们会感到紧张吗？有没有哪些方面，是小麦招聘现在就开始着重积累，计划在未来成为壁垒或者关键竞争优势的？

小麦招聘：传统求职平台的商业模式是“流量变现”。它们的核心目标是让更多人浏览更多岗位、产生更多曝光。

我们的逻辑恰恰相反，小麦招聘追求的是“结果交付”——我们不希望用户在平台上“多停留”，而是希望他能更快、更准地找到真正合适的机会。

这两种逻辑是天然矛盾的：平台希望用户多点击，我们希望用户早日“毕业”。

所以，哪怕传统平台上线了AI功能，它们依然很难真正转向“AI服务逻辑”，因为那会直接动摇它们原有的流量与广告收入模型。

所以我们的态度是：关注，但不焦虑。

在积累壁垒方面，我们现在重点聚焦三件事：

第一，形成数据飞轮。每一次推荐、沟通、反馈都会沉淀为可学习的数据，推动AI不断进化。

第二，用真实数据让Agent具备持续迭代能力。AI不是一次训练出来的，而是通过真实交互持续成长。

第三，尽快打通B、C两端，形成完整闭环。打通之后，系统能同时理解企业需求与候选画像，让AI从“推荐岗位”真正进化为“撮合结果”。打通之后，我们会快速做一些增长动作，用规模化的真实数据验证模型和系统的自我演化能力。

文章来自于微信公众号 “量子位”，作者 “量子位”