这份文档，已经与本人无关了。

写出一份出色的简历，如今是零成本的。

让任意一个通用模型针对某个具体职位写一份定制简历，大约九秒钟就能拿到：关键词准确，量化业绩看着合理，求职信语气匹配，还附带你最可能问的那二十个问题的预演答案。这对申请人没有任何成本，也不需要任何特别的能力。

这不是一个关于候选人不诚实的故事。这些文档里写的，大部分大体属实。问题更隐蔽，也更糟糕：过去用来区分申请人的信号，已经被抹平了。当一位候选人写出一份精炼的简历、另一位写得笨拙时，这个差别是有信息量的 — 关于用心程度，关于表达能力，关于他有多想要这份工作。现在两份文档都很精炼。差别已经被优化掉了。

同样的纸面材料。完全不同的人。

这种脱节在实际中是这样的。同一个企业客户岗位的三位申请人。他们的简历只差一个形容词和两个百分点。把三份并排读完，你只能按自己碰巧更喜欢谁的措辞来排序。

纸面材料最好的那一位，是最差的申请人。这个倒置，就是问题的全部。

「他们不会连测评也用 AI 来做吗？」

这是每个人问的第一个问题，也是该问的问题。如果测量和写简历一样容易伪造，那我们只是把问题挪了个位置，而不是解决了它。测评的设计逻辑是：把它外包出去，得到的是一份被标记的档案，而不是一份高分档案。

分数不是决定。

把这件事说过头很容易，所以直说：Hirovia 不会告诉你该录用谁。它告诉你的是，一千位申请人里哪十位值得你的面试时间，并为每个人给出针对其薄弱环节的问题。录用决定仍然留在它该在的地方 — 在你手上，结合面试、背景调查，以及你对坐在对面这个人的判断。

任何测评也都不完美。分数只是若干项输入之一；每份报告都会展示分数背后的构成，让决定可以被解释，而不是被断言；有效性方面的疑虑是明示给你，而不是在后台悄悄生效。把任何测评 — 包括我们的 — 当作淘汰一个人的唯一依据，都是错误的用法。

它真正取代的，是那件确实已经失效的事：按语言模型把一个人描述得多漂亮，来给活生生的人排序。