核心模式
- 将顶尖猎头判断逻辑解码为结构化模型,赋能AI Agent
- AI不完全替代猎头,而是"AI + 顾问混合协作"
- 追求"结果交付"而非流量变现(用户越快成功越好)
- 单岗招聘成本从十几万降至一两千,激活增量市场
产品六大功能
- 岗位推荐 — 基于语义匹配而非关键词
- 求职机会洞察 — 理解岗位背后的业务语境
- 简历优化 — AI辅助提升通过率
- 面试辅导 — 针对性面试准备
- 职业规划 — 长期陪伴式服务
- 行业信息洞察 — 薪资/竞争/趋势
技术路径
- 未做专门模型微调,依赖工程架构
- 核心:知识库 + 上下文工程 + User Memory + Agent Tooling
- "User Memory"持续记住用户背景/目标/偏好
- 数据闭环驱动系统演化(投递→面试→反馈→优化)
- 自建"TalentBench"评测集支撑迭代
与传统平台差异
- 传统 = 信息陈列 + 流量变现(多浏览多点击)
- 小麦 = Agent重构求职链条 + 结果付费
- 信息连续、上下文一致、持续理解
- 双边智能撮合(B端需求 ↔ C端候选人)
- 当前聚焦AI行业人才,首月过万C端用户
对我们的启发
相似点:都在解决"定义不清 + 找不到人"的问题,都强调AI不替代人而是增强;聚焦科技/新质人才细分市场。
差异点:小麦偏C端求职者视角(AI猎头顾问),我们偏B端企业视角(RPO交付 + 需求校准)。小麦做平台型产品,我们当前是运营+工具驱动。
可借鉴:① User Memory机制(记住企业招聘偏好减少重复沟通)② 数据闭环思路(交付结果反哺需求定义优化)③ "结果交付"定价模式而非按流量收费。
产品截图 · 小麦招聘小程序实录
← 左右滑动查看更多 · 点击放大 →