ATS用户中心
所有文章
EVA AI操作视频
系统应用
升级公告
常见问题
公开课
校招专栏
内推和门店
数据平台
亮点功能
热门活动
基础操作视频
API文档
公告
Eva专家模式
最后更新于 2026/03/26  

一、Eva 专家模式:产品核心价值阐述

  1. 它是什么? (What is it?)

    Eva 专家模式是一套基于自然语言驱动的招聘洞察与寻源工作流。用户只需用自然语言描述需求,系统自动识别意图,在人才搜索面试情报两大场景之间无缝切换,输出可执行结果与报告。

  2. 为谁服务? (Who is it for?)

    面向招聘运营/招聘负责人(HRD)/HRBP等HR侧角色(当前版本);帮助小到招聘专员、大到HRD做高效寻源与复盘。面向用人经理(HM)的扩展能力在规划中。

  3. 解决什么问题? (What problem does it solve?)

  • 寻源门槛高、速度慢:没有职位画像也能直接“用一句话找人”。

  • 筛简历耗时、难解释:提供AI 评分与理由,便于快速判断与沟通。

  • 面试复盘靠体感:自动从面试转写与面评中提炼不通过画像/卡点/合规风险/竞品口碑/候选人高频问题

  • 工具割裂:与人才库打通,支持批量外呼、授权、导出等后续动作。

  1. 带来什么价值? (What value does it bring?)

  • 极致的效率提升(Efficiency Lift)

  • 将过去需数小时/数天的人才搜索与数据分析,压缩到几分钟

  • 多轮智能放宽,尽量凑齐目标人数,显著缩短寻源周期。

  • 与人才库一键打通:批量外呼、隐私授权、导出,减少工具切换与手工执行。

  • 前所未有的深度洞察(Unprecedented Insight)

  • 把“感觉/经验”转为结构化数据报告,可直接对内汇报。

  • 清晰呈现不通过原因、卡点环节、合规风险(婚育/籍贯/家庭/健康等)。

  • 看见市场竞争热度、候选人高频问题、竞品口碑(文化/薪酬/体验),提供决策依据。

  • 证据链:基于面试转写与面评的双重佐证。

  • 更高质量的招聘决策(Higher-Quality Decisions)

  • AI 多维评估与排名,附评分与理由,显著提升可解释性与一致性。

  • 以面试情报持续复盘,从成败中学习,提升甄别效率与命中率。

  • 输出可执行建议(题库改版/流程优化/面试官训练),支撑管理层决策。

  • 主动敏捷的人才战略(Proactive Talent Strategy)

  • 让“人才管道建设”从口号变成日常可执行的动作。

  • 按战略构想随时探索与验证关键人才储备,供给领先业务需求一步

  • 打造增长飞轮:报告 → 题库改版/面试官训练/话术优化 → 更高转化 → 再沉淀

  1. 如何实现? (How does it work?)

    自然语言 → 意图识别(自动分流)

    1. 无需手选功能。EVA根据输入自动进入人才搜索面试情报

  1. 人才搜索工作流

    1. 解析需求(必须/加分/排除/目标人数)→ 在人才库检索与匹配 → 输出候选人信息 + AI 评分与评估理由

    2. 多轮寻源:若数量不足,系统按优先级自动放宽非核心条件,直到达到目标或上限。

    3. 结果与人才库打通:一键批量外呼、授权、导出等。

  1. 面试情报工作流

    1. 直接提出分析问题(如“近3个月不通过画像/卡点?”)。职位、面试官、时间范围均为选填(默认近3个月)。

    2. 系统检索指定范围内的面试转写与面评 → 生成结构化报告

      • 未通过画像与关键原因/环节

      • 合规风险提示(婚育/籍贯/家庭/健康等)

      • 候选人高频提问

      • 竞品公司提及清单与口碑要点

      • 内置5个模板可直达常见主题(未通过画像/高频问题/违规提问检测/竞品提及/竞品口碑)。

二、Eva 专家模式操作指南

适用对象:招聘运营 / 招聘负责人(HRD)/ 招聘运营以上角色(当前版本仅 HR 端开放)

功能简介

Eva 专家模式是基于 AI 大模型的深度数据分析工具。新版界面通过结构化的引导,帮助您在“找人”、“看面评”、“评面试官”三大高频场景下,快速获取深度的业务洞察。

操作步骤详解

只需简单 4 步,即可完成一次深度分析:

第一步:选择任务类型

在输入框左上角的下拉菜单中,选择您当前需要研究的业务场景:

  • 🔍 人才搜索:用于在人才库中快速寻找符合特定画像的候选人。

  • 💡 面试情报:用于挖掘面试记录中的非结构化信息(如竞品动向、行业薪资、技术趋势等)。

  • 📊 面试官评估:用于分析面试官的面试质量、通过率异常、反馈详细度等。

第二步:输入分析指令(Query)

在输入框中用自然语言描述您的需求。

  • 例如:“帮我分析面试官莫小卡最近一个月的面试情况” “推荐 3 年以上经验的 Java 工程师”。

第三步:添加补充标签(可选)

为了让结果更精准,您可以使用输入框下方的筛选器或标签进行限定:

  • 基础筛选:指定“面试官”、“职位”或“时间范围”。

  • 智能标签:在“人才搜索”场景下,可选择“智能标签”或“学校标签”来精确锁定候选人背景。

第三步:提交任务

点击右侧的发送按钮 ✈️,Eva 将立即开始处理数据并生成分析报告。

独家功能:智能问题推荐

如果您暂时没有明确的分析思路,不妨看看输入框下方的**“推荐问题列表”**。

  • 它是什么? 这是 Eva 基于您企业当前真实的招聘数据、面试记录和人才库储备,通过算法自动生成的“高价值问题”。

  • 能做什么?

    • 在“人才搜索”中:它可能会提示“推荐来自腾讯、阿里的候选人”或“推荐有大型Web应用优化经验的前端”。

    • 在“面试情报”中:它可能会提示“来自阿里的候选人在面试中表现出哪些共同特征?”。

    • 在“面试官评估”中:它可能会提示“分析面试官莫小卡的通过率是否显著高于平均水平?”。

  • 如何使用? 只需要点击列表中的任意一个问题,系统会自动将其填入输入框,您可直接发送或稍作修改后发送。

常见场景示例

场景

您可以这样问(示例)

适用筛选

人才搜索

“推荐本科及以上学历,熟悉Spring Cloud架构的Java后端候选人”

智能标签、学校标签

面试情报

“大模型研发工程师在面试中是否普遍被追问底层原理?主要是哪些?”

职位、时间范围

面试官评估

“对比面试官莫小卡和摩小咖在高级产品经理职位上的通过率差异”

选择面试官、职位

海报

未能解决您的问题?请联系
本篇目录
一、Eva 专家模式:产品核心价值阐述
二、Eva 专家模式操作指南