✦ 场景用法 · USE CASE

创业公司招第一个工程师

今天是你创业的第 27 天,工位上摊着半杯凉掉的速溶咖啡,手机里躺着 3 个刚投来的工程师简历,电脑里没有现成的技术岗 JD 模板,HR 岗位还没招,明天就要见第一个候选人,你连该问什么核心技术问题都没梳理清楚,脑子里乱成一团浆糊。

这是什么处境

今天是你创业的第 27 天,工位上摊着半杯凉掉的速溶咖啡,手机里躺着 3 个刚投来的工程师简历,电脑里没有现成的技术岗 JD 模板,HR 岗位还没招,明天就要见第一个候选人,你连该问什么核心技术问题都没梳理清楚,脑子里乱成一团浆糊。

难在哪里

早期创业公司招第一个工程师的核心难点,在于没有标准化的招聘流程支撑——没有 HR 的岗位画像沉淀,没有同领域的技术面试题库积累,所有判断都要创始人自己扛:既要筛出能搭起技术骨架的人,又要避免招到技术能力不匹配但沟通顺畅的候选人;而且候选人的背景信息散在招聘网站、社交平台、临时沟通记录里,没法快速交叉验证,每一步都要手动梳理,消耗创始人仅有的精力。

先梳理核心技术岗必备能力

你先别忙着写完整 JD,只列这个工程师必须解决的前 3 个问题——比如能不能搭起 MVP 的核心框架、能不能对接第三方 API、能不能处理数据存储的基础逻辑。把这 3 个问题拆成可验证的小任务,比如问候选人“举一个你做过的类似框架的案例”,而不是泛泛问“你会不会编程”。这样既能避免 JD 太宽泛,又能快速对齐招聘的核心目标,不会在非必要的能力上浪费判断时间。

用简历标签快速过滤无效候选人

把收到的简历里的关键信息(比如技术栈、项目经验、是否有创业经历)整理成标签,只保留和你刚才列的 3 个必备能力相关的标签,比如“会 React”“做过 MVP”“处理过云存储”。过滤掉那些标签匹配度低于 60% 的候选人,不用再花时间看他们的非核心经历,比如“擅长 UI 设计”这类和技术岗核心要求无关的内容,把精力集中在真正可能匹配的候选人身上。

设计针对性技术面试问题

针对每个必备能力,设计 2 个具体的场景问题,比如针对“搭 MVP 框架”,问“如果给你 1 周时间,你会怎么搭建一个最小可行产品的技术框架”,针对“对接 API”,问“你有没有做过第三方 API 对接的项目,遇到过什么问题,怎么解决的”。这些问题能快速判断候选人的实际能力,而不是靠他们的口头描述,避免招到“看起来懂但实际不会”的人。

两周内能看到什么变化

两周内,你会看到收到的简历过滤后数量减少约 40%,剩下的候选人都有明确的核心能力匹配点;面试时不用再纠结问什么问题,每个候选人的回答都能对应你列的必备能力;你能快速判断出哪些候选人符合要求,不用再花 3 天时间梳理招聘的核心需求,节省出至少 10 小时的精力用来推进公司的其他核心业务。

⚠️ 这套做法的边界:这套做法帮不上的情况包括:当你需要判断候选人的团队协作能力、文化适配度这类软指标时,不能只靠问题筛选,需要和候选人深度沟通;当涉及到法律合规的招聘条款(比如薪资、社保)时,必须找专业的 HR 或律师咨询;当你对技术能力的判断完全没有经验时,需要邀请外部技术专家参与面试,不能仅凭自己的认知判断。

在 OneOneTalk 里对应什么

针对这个场景,你可以用 OneOneTalk 的可核验长期记忆功能,把你梳理的 3 个核心技术岗必备能力、收到的简历信息、面试时的问题和回答都记录下来,每条都标注来源(比如“创始人梳理”“候选人简历”“面试记录”)、时间、置信度(比如“100% 确认”“80% 推测”)、作用域(比如“技术岗招聘”),还可以纠错。另外,你可以委托产品帮你过滤简历,留好执行回执,目前分级审批和共写经确认的历史这两层我们还在做,眼下先靠可核验记忆和委托执行功能支撑这个场景的需求。

更多场景见场景用法,具体操作见操作指南

相关场景用法

入职头三个月

新人怎么用 AI 快速上手工作

看这篇

自由职业者应付客户

自由职业者怎么用 AI 处理客户沟通

看这篇

外贸跨语言谈客户

外贸怎么用 AI 和客户沟通

看这篇

求职期的面试演练

求职怎么用 AI 练面试

看这篇