macOS · Windows 桌面应用 · 本地处理 把 100 份简历初筛
把 100 份简历初筛
从几小时压到几分钟。
瑶台选人是一款本地运行的 AI 简历评分工具。贴入 JD、拖入简历文件夹， 几分钟内得到按岗位匹配度排序的候选人清单——简历全程不上传服务器。
支持 macOS 12+ · 新用户赠 5 次免费评分
瑶台选人 · AI 全栈开发工程师 — 候选人排行
当前评测
AI 全栈开发工程师
权重：技术 45% · 工程经验 30% · 稳定性 15%
评测列表
- home.mock.list.item1 ● 进行中
- home.mock.list.item2
- home.mock.list.item3
红线规则
频繁跳槽
最近 5 年内，出现过 3 年内任职 3 家以上单位的阶段
已处理 42 / 42 份 · 按匹配度降序
本批次用时 4 分 12 秒
candidate
tag
92
candidate
tag
80
candidate
tag
75
candidate
触发红线 tag
70
candidate
tag
68
红线筛查：1 人触发「频繁跳槽」
陈 · 候选人 D 在最近 5 年内有一段 3 年 3 家公司的阶段，点击查看原文证据
红线详情 · 陈 · 候选人 D
✕ 触发规则
频繁跳槽
最近 5 年内，出现过 3 年内任职 3 家以上单位的阶段。
原文证据
某 SaaS 公司 · 前端工程师
2022.03 – 2023.02 · 11 个月
某跨境电商 · 全栈工程师
2023.03 – 2024.01 · 10 个月
某 AI 创业公司 · 全栈
2024.02 – 2024.12 · 10 个月
2022.03 – 2024.12 共 2 年 10 个月内任职 3 家公司，均不满 1 年，命中「3 年内 3 家」。
建议
匹配分 70，能力与岗位对口；若规则可放宽（如创业公司背景容忍短期跳槽），可手动标记为「豁免」继续流程。
工程上怎么做到「本地跑、打得准、可追溯」
tag
title
desc
tag
title
desc
tag
title
desc
tag
title
desc
为什么选瑶台选人
不只是关键词匹配，让AI像资深招聘一样读简历。
传统 ATS 搜的是字面关键词；瑶台选人让模型理解 JD 的实际诉求，再对每一份简历打一个可解释、可追溯的分。
title
desc
title
desc
title
desc
title
desc
title
desc
title
desc
真实案例
100 份简历初筛，从一整天压到半小时。
某 AI 创业公司开「AI 全栈工程师」岗位，一周收到 100 份简历。简历里满是 LangChain、Pinecone、LangGraph、MLOps、RAG、vLLM、Triton Inference 这类术语——HR看不懂，面试官看得懂但没时间。
Before · 纯人工
筛得慢，还不一致。
who
load
time
pain
who
load
time
pain
who
load
time
pain
结果：面试官一整天陷进初筛；HR 漏掉懂 RAG 但关键词不同的候选人；两人打出的分互不认账。
After · 瑶台选人
统一尺规，只看前 5 个。
who
load
time
pain
who
load
time
pain
who
load
time
pain
结果：面试官和 HR 提前共识评测模板；模型按统一标准打分；人只需复核 Top 5，效率 ≈ 20×。
num
label
num
label
num
label
适用场景
三种角色，三种用法。
用户怎么说
从一整天节省到一小时。
"quote"
name
role
"quote"
name
role
"quote"
name
role
"quote"
name
role
价格
买断 + 点数，不订阅。
永久许可，按次计费。1 次评分 = 1 个点数，不过期、不自动扣费。
name
per
¥49
100 次评分
- feat
- feat
- feat
- feat
- feat
推荐
name
per
¥268
600 次评分
- feat
- feat
- feat
- feat
- feat
name
per
¥1,280
3,000 次评分
- feat
- feat
- feat
- feat
- feat
点数不过期 · 永久授权版本升级免费
今天就开始用 AI 筛简历。
下载桌面客户端，新用户赠 5 次免费评分——用完再决定要不要付费。
包体约 120 MB · 支持 macOS 12+