我是一家青少年心理咨询机构的创始人,2025年3月品牌化注册,团队从0到1建设。核心业务是7-25岁青少年线上系统式家庭心理咨询。
招人时碰到的现实:
一句话总结:招人这件事,正在吞噬创始人做业务的时间。
招聘本质上是一条端到端流水线:
每一环都有明确的输入和输出。既然是流水线,就能拆解、能标准化、能用AI批量代劳。
我的策略:**把这条流水线搬到WorkBuddy上,让它成为我的"招聘副驾"。**不是散装调用几个AI工具,而是串联成一套从JD到面试评分的完整系统。
创业初期最常见的状态是——"我要招个人,但JD写不出来"。
做法:
在WorkBuddy对话中,用一段自然语言描述岗位需求:
"我需要招一个心理咨询师主管,要求有临床实践经验,能做专业督导,也要带团队。我们做青少年线上家庭心理咨询,咨询师是核心资产。"
WorkBuddy调用smart-recruitment-master技能,自动输出:
**关键参数:**JD排版用12345数字编号断行,不用圆点;顶部加其他在招岗位导航实现岗位间引流;末尾加"自带团队/资源合作可另谈"。这些细节直接影响候选人阅读体验和投递率。
我用这套方法,一周内完成了12个岗位JD的定稿,覆盖新媒体主管、运营负责人、咨询师主管、分析师销售等全部核心岗位。如果手动写,至少需要两周。
JD发布后,下一步是主动触达候选人。BOSS直聘上手动打招呼有三个问题:
做法:
WorkBuddy内置了boss-ai-assistant技能,实现:
**设计细节:**打招呼内容必须是真诚、专业、友好、自然、清楚、亲切的。高情商但不油腻。这不是技术问题,是文案问题——而AI恰好擅长在约束条件下生成高质量文案。
实测效果:个性化打招呼的回复率比模板消息高出约3倍。
简历来了之后,传统做法是HR逐份阅读、主观判断。问题:速度慢、标准不统一、容易遗漏关键信息。
做法:
WorkBuddy调用talent-radar技能,实现人岗匹配诊断:
**核心原则:**匹配度是多少就是多少,不为了"好看"虚高。评分只基于与岗位直接相关的能力,不基于性别、年龄、院校做歧视性评分。
我正在跟进一位心理咨询师主管候选人——王漪婧,Nottingham心理硕士,有临床实践+企业团队管理背景。talent-radar给出了客观的匹配度分析,诚实处理了她在独立督导经验方面的短板,没有编造。这种"不粉饰"的分析反而帮我做出了更准确的决策。
很多候选人用PDF或图片格式投简历,手动录入信息耗时。
做法:
WorkBuddy新安装的tencentcloud-ocr技能,直接对简历图片/PDF做文字识别+结构化解析:
markitdown-skill,把PDF简历转成Markdown,方便AI后续处理简历统一保存至D:\Resumes\,命名格式:岗位-姓名-日期,方便检索和归档。
面试是招聘中最专业的环节。初创公司常见问题:面试题凭感觉问,评估标准藏在面试官脑子里,不同面试官问不同题,评分完全主观。
做法:
我采用了STAR行为面试法(田效勋第2版,"过去预测未来"核心原则),结合临观心语的文化框架(4锚模型),用WorkBuddy的interview-designer技能生成面试题。
关键设计原则:
我用这套方法完成了5个核心岗位的面试题设计:新媒运营、直播运营、分析师销售、咨询师、HR主管。配合hiring-scorecard技能生成加权评分卡,面试官只需按维度打分,系统自动计算总分和排名。
面试题再好,面试官不会用也白搭。初创公司的面试官往往是业务负责人,没受过专业面试训练。
做法:
WorkBuddy生成两套培训材料:
面试通过后,入职环节也不能散装。
做法:
WorkBuddy调用employee-onboarding-generator和employee-handbook-generator:
产出项 | 数量 | 传统做法耗时 | AI辅助耗时 |
|---|---|---|---|
岗位JD | 12个 | 约2周 | 约1周 |
公司介绍PPT | 18页 | 约3天 | 约1天 |
HR面试官培训材料 | 32页 | 约5天 | 约1天 |
非HR面试官培训材料 | 29页 | 约3天 | 约1天 |
面试题库(5岗位) | 约50题 | 约5天 | 约2天 |
胜任力模型 | 5套 | 约3天 | 约1天 |
加权评分卡 | 5套 | 约2天 | 约1天 |
**总耗时从约3周压缩到约1周,节省约60%的时间。**更重要的是,创始人从"招聘执行者"变成了"招聘决策者"——AI代劳80%的执行工作,人只做20%的关键决策。
AI生成的JD初稿有70-80%可用度,但必须人工校验三类问题:
建议:AI出V1基线,人调V2,定稿V3。每轮只改1-2个方向,不一次性提太多要求。
虽然boss-ai-assistant可以自动监控和回复,但对外发消息的边界要守住:
talent-radar输出的匹配度评分,绝对不能为了"好看"虚高。我在招聘心理咨询师主管时,候选人的匹配度是72%(不是95%),但差距诊断报告清晰指出了她在独立督导经验方面的短板——这反而帮我制定了针对性的面试问题,最终做出了更准确的判断。
记住:AI是决策辅助,不是决策替代。所有录用决策由人拍板,AI只给依据和风险提示。
招聘全链路是重度AI使用场景,积分消耗不低:
操作 | 大约消耗 | 省积分技巧 |
|---|---|---|
简单问答 | 10-30 | 用lite模型 |
JD撰写 | 50-100 | 一次说清楚需求,减少来回 |
简历匹配分析 | 30-50 | 批量输入,不逐份 |
面试题生成 | 50-100 | 先给框架再填充 |
长文档生成 | 100-300 | 无法省,但产出价值最高 |
关键策略:简单任务用lite模型,纯查询用Ask模式不动文件,高消耗操作确保产出物有长期价值(如面试题库可复用)。
表面上看,我是在教你怎么用WorkBuddy做招聘。但实际上,这套方法的核心逻辑是:
把招聘从"人肉执行"变成"AI执行+人决策"。
具体来说:
这不是"AI替代HR",而是"AI让初创创始人拥有了一个资深HR搭档"。
这套招聘工作站模式,可以继续扩展:
所有这些,都是在同一个WorkBuddy对话中串联完成的,不需要切换工具。
WorkBuddy会自动串联技能,从需求拆解到JD输出到面试题设计到评分卡生成,一条对话走完全链路。
初创公司招人,最难的不是"找不到人",而是"找不到做招聘的人"。
创始人亲自扛招聘,效率低、质量不稳、时间被吞噬。请猎头太贵,招HR又还没到位——这是一个典型的"先有鸡还是先有蛋"问题。
我的解法:用WorkBuddy造一台招聘超级工作站,让AI替你干80%的执行,你只做20%的决策。
一个月内,我完成了12个JD、5套面试题库、2套培训材料、1套评分体系——如果纯手动,至少需要三周;AI辅助下,一周搞定。
这不是理论,这是实操。这篇文章本身就是用WorkBuddy辅助撰写的——它既是教程,也是这套方法的自我证明。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。