Fewer 如何给职位打分

搜索找到的每个职位，都会按同样的步骤、同样的顺序，对照您自己的规则手册处理。这里没有黑箱：每一步都会在您的结果中留下依据，任何一步都可以用一句话更正。

1. 标题筛选

在完整阅读之前，标题和地点会先经过您设定的筛选：一看到就排除的标题（总监、实习生、部门负责人），以及您愿意和不愿意工作的地点。在这一步没通过的职位不会被打分；它会列在“排除”下，并注明拦下它的规则。正因如此，一次搜索读几千个职位，成本只相当于读一百个。

2. 逐条要求

AI 会读完整的职位描述，把要求一条一条拿出来看。每一条会得到四种标记之一，旁边附上依据：

• 满足 · 您的资料能体现这一点，并引用了依据。
• 加分项 · 职位写的是“优先”“最好”“加分”或“有则更好”。不会因此排除。
• 不满足 · 一条您的资料无法体现的硬性要求。如果这条属于规则手册中列为门槛的类型，职位会被排除。
• 作品要求 · 一条要求提供某项技能实际运用证据、而资料无法体现的要求。不会因此排除；但会给分数设上限。

在这一步被排除的职位会列出原文引用的那一条要求，以及如果这一条是加分项，它本来会得到的分数。您觉得 AI 判断错了时，就看这个分数。

3. 每个匹配度下的两项评分

通过门槛的职位会得到两项评分，都从 5.0 起步，按您规则手册中的规则加减：

• 您满足要求的程度 · 匹配的强弱。规则手册写明了什么会提高它（买方、销售类型、应在描述中寻找的信号），什么会降低它（工作年限不够、交易金额或业绩指标高于您做过的、实际上是渠道或带团队的岗位）。
• 您想要这份工作的程度 · 吸引力。行业、薪资、地点、是否远程、公司规模和阶段，以及您说过重要的任何因素。

匹配度由这两项加权得出：胜任度占55份，意向度占45份，四舍五入取整数。两者中较低的一项决定上限：9分或10分需要两项得分都高。所以，您很想要但只满足一半要求的职位拿不到这个分数；您完全胜任但并不想要的职位也一样。

4. 上限

有些条目不会导致排除，但会压低匹配度，比如：作品要求条目、只有最高值才达到您底线的薪资范围、规则手册中注明需谨慎对待的非首选行业。设了上限的职位会标记为“有条件”，匹配度最高为7，并显示导致上限的规则和条目。这类职位会被保留，因为可能仍值得一看。

5. 用词

匹配度是1到10之间的数字。6分及以上的职位会被保留，并显示在您的结果中；其余的会被排除，并注明原因。8分及以上为很匹配，7分为较匹配，6分为有差距。如果您开启了邮件提醒，手动运行的搜索中一旦出现9分或10分，就会立即给您发送邮件。

6. 规则从哪里来

规则手册的第一版根据您的问卷生成，用简单的句子写成，逐条编号。之后它会通过三种方式完善。在结果中更正某个判定，这条更正就会成为一条编号规则。您也可以自己添加规则。或者，用一个您已知答案的职位来测试，如果不同意判定，就直接在结果上教它。每次修改都会保留上一版本；您设定的参考职位会在每次修改后重新检查，方便您确认修改是否达到了预期。

它绝不会做的事

它从不替您投递。从不编造职位中没有的要求条目。从不给没有完整读过的职位打分。也从不隐藏它排除了什么：每个被排除的职位都会显示在您的结果中，并附上未通过的那一条，除非您另行设置。

当它出错时

它有时会出错。打开这个职位，用一句话说明哪里不对，这句话就会成为之后每次搜索都遵循的规则。大多数人在第一次搜索中会发现两三个本该通过的职位；把这些教给它，是让规则手册最快和您想法一致的方式。 查看示例账户 · Fewer 读取哪些内容 · 用一个职位免费试试评判