JadeDing

招聘的起点不是关键词，而是对「什么样的人能成事」的清晰判断。

从填表搜索到对话式 Reverse ICP，我越来越相信寻访的核心是理解需求，而不是堆砌关键词。AI 帮我把模糊的岗位描述结构化、可复用，但最终拍板的仍然是人对人的判断。

看板的核心不是图表，而是「谁该看到什么」的视角设计。

同一个招聘漏斗，管理层看趋势、HR 看自己的交付、BP 看部门缺口。做看板的过程让我意识到，权限和视角设计本身就是对招聘业务的深度理解——数据只有被对的人在对的场景看到，才有价值。

AI 回答不是终点，「回答→工单→沉淀→再回答」的闭环才是。

群里每天都有人问重复的问题，一开始我想做个能回答的机器人就够了。但真正有价值的是闭环：AI 答不了就自动建工单，人工解决后沉淀回知识库，下一次就能自动回答。每一次人工兜底，都应该让系统变得更聪明。

出站找人、入站处理是两条流水线，但 AI 都只做机械劳动，人保留判断。

主动出击找对的人，和让收到的简历不被淹没，是完全不同的两种场景。但它们共享同一个设计原则：AI 处理筛选、归档、打分这些机械劳动，把时间还给人和人之间的沟通。关键节点永远留人工确认，不盲目追求全自动化。

用 AI 工具的人很多，认真打理自己工具链的人很少。

我做的每一个实验、写的每一条 Skill，都不应该是一次性的。把它们沉淀进工作台，让它们能跨开发工具的 session 复用、能自动 commit 和推送、能持续扫描本地新项目——这是我自己的 AI 操作系统，也是效率的复利来源。

AI 不只是生产力，也可以是有温度的日常陪伴。

这部分纯属个人娱乐，但它让我理解了一件事：一个会眨眼的桌宠、一句随机的鼓励、会前十分钟的温柔提醒，技术上不复杂，但它改变了我和电脑相处的方式。AI 的价值不只在效率，也在情绪和陪伴。