AI Native OPC芯片人才链
这是 Mike Gao / 高煜 面向芯片行业高端人才招聘的数字总部。mikegao.cn 不只展示个人品牌，更是 AI 与 HI 协作的执行台：AI 负责规模、速度与重复劳动，HI 负责判断、信任与关键决策。
定位：不是官网，是 OPC 数字总部
个人域名同时承担两个身份：对外是 专业信任入口，对内是 AI 自动化回收集散中心。所有业务内容最终只回答一个问题：下一个招聘决策需要哪些信息。
- 统一身份：一个域名替代碎片化账号与 PDF 附件
- 专业内容：候选人报告、岗位说明、行业洞察按场景分发
- 低打开成本：手机、电脑、微信内浏览器点开即看
- 从 JD 解读开始生成岗位页与人才画像
- AI 自动完成搜索、去重、评分、报告和巡检
- Mike 只需在判断节点审阅并下达下一步指令
- 面试官在线评分与批注，结构化回流本地
- 打开率、回复率、反馈率持续进入指标看板
- 反馈驱动下一轮画像，而不是靠记忆重写
| 模块 | URL / 载体 | 内容 | 状态 | 工作流价值 |
|---|---|---|---|---|
| OPC 主站 | / |
个人品牌、AI/HI 方法论、能力范围、架构与路线 | 可上线 | 对外第一印象与内部工作流索引 |
| 候选人报告 | /report/{res_id}.html |
脱敏亮点、匹配度、5 维度评估、批注反馈 | M1 已建 | 客户点对点反馈，AI 自动迭代画像 |
| 岗位说明 | /jobs/{id}.html |
岗位画像、流程、FAQ、候选人沟通要点 | 模板可复用 | AI 从 JD 生成，链接替代长文口播 |
| 行业洞察 | /opc-insight.html |
芯片人才地图、薪酬分位、赛道观察、客户专享研究 | 已建 | SEO 获客与专业内容资产沉淀 |
| 候选人 FAQ | /faq |
流程、薪酬口径、面试轮次、隐私说明 | 规划 | 把重复问答沉淀为 AI 可调用知识库 |
| 人才登记 | /subscribe |
方向、年限、城市、主动授权留资 | 规划 | 让人才主动进入合规候选池 |
| 反馈端点 | POST /feedback |
评分、批注、时间、来源，转发企微群并落本地 | M1 已建 | 反馈回流后触发 AI 更新画像 |
| 触达短链 | /r/{slug} |
报告、岗位或文章的渠道可追踪入口 | 规划 | 打开率进入触达漏斗指标 |
| 工作台入口 | 本地 D 盘项目库 |
原始简历、候选人库、项目 HANDOFF、反馈 JSON | 已有 | 单一事实源；域名只承载脱敏展示 |
完美架构：六层可执行栈
架构原则是 前台极薄、逻辑在 AI 层、数据在本地、决策在 Mike。每一层可独立运行，也可以按阶段逐渐串联，不追求一次性重写所有工具。
职责
脱敏规则、授权边界、内容校对、合规红线、自动化暂停与浏览器唯一窗口。
人工
- 对外发布前确认
- 风险参数审批
- 跨项目红线复核
AI
- 自动检查敏感字段
- 校验交付物完整性
- 记录违规与修正日志
职责
AI 主脑负责执行，Harness 连接层负责能力编排，Mike 负责最终决策与业务红线。
人工
- 选择批量入口
- 校验 3-5 份小样本
- 审核 AI 产出
AI
- 搜索、解析、评分、报告
- 触达话术与巡检
- 行业情报结构化
职责
反馈 JSON、画像版本、候选池、KPI 看板。原始数据留在 D 盘项目库，网站只读脱敏数据。
人工
- 复盘指标
- 确认画像方向
- 删除或降级过期记录
AI
- 增量追加，不覆盖历史
- 自动标记风险信号
- 生成指标日报
职责
EdgeOne Pages 静态托管、边缘函数、Webhook、短链重定向、邮件通知和定时扫描。
人工
- 部署新报告
- 配置群机器人
- 创建或暂停自动化
AI
- 打包上传
- 重定向配置建议
- 把反馈转换为任务
职责
候选人报告评分、岗位页、FAQ、人才登记、AI 答疑和触达短链。
人工
- 阅读评分并做判断
- 回答 AI 无法确认的问题
- 线下电话核验
AI
- 7×24 初步答疑
- 结构化收集用户输入
- 为人工准备上下文摘要
职责
主站、报告页、岗位页、洞察文章、联系与合规信息。
人工
- 审核对外措辞
- 决定展示哪些项目案例
- 更新个人品牌信息
AI
- 从 JSON 自动渲染
- 从 JD 生成页面草稿
- 定期检查死链与样式
职责
mikegao.cn、ICP 备案、DNSPod、EdgeOne Pages、HTTPS 与域名自动续费。
人工
- 腾讯云控制台维护
- 域名到期与证书检查
AI
- 部署检查清单
- 上传包构建
- 上线前可访问性验证
AI 与 HI：天生互补，按节点分工
AI 的价值是 规模化执行：阅读数千份简历、重复去重、生成话术、跟进状态。HI 的价值是 稀缺判断：理解客户潜台词、识别真实动机、维护信任、承担最终责任。
AI
解析岗位 JD 为画像字段；生成搜索词；聚合猎聘、公司地图与公开情报；跨项目去重。
HI
确认岗位边界、目标公司、工作地、年限和薪酬假设；设定风控与禁联红线。
WEBSITE
岗位画像沉淀为可分享的 /jobs/{id}，作为候选人沟通的统一信息源。
AI
完整简历一次解析；按画像评分；输出亮点、风险、应用方向与 res_id 溯源信息。
HI
精读候选池头部；判断是否具备量产闭环、真实经验与岗位同源性；否决伪高分。
WEBSITE
仅渲染脱敏后的推荐信息，不公开手机号、薪资与简历原文。
AI
生成定制破冰；按已回复、已读未回、长期未读分级巡检；记录话术版本与回复状态。
HI
授权外呼、加微信、云电话和索要联系方式；处理强意向与敏感候选人。
WEBSITE
岗位 FAQ 与 AI 答疑承接常规问题，减少人工重复解释。
AI
会议纪要纠偏；生成报告、推荐包、对标表、候选人矩阵；把客户反馈结构化。
HI
解读客户真实意图；维护关系；确认商业条款、候选人展示授权与下一步决策。
WEBSITE
报告页在线评分降低 HR 转发成本，反馈直接回流内部，不再靠截图与口述。
AI
跟踪芯片公司组织变化、技术路线、人才流向；生成人才地图和情报摘要。
HI
校验情报与真实招聘场景的关联；决定对外表达口径，避免泄露客户机密。
WEBSITE
行业洞察沉淀为长期内容资产，让客户在搜索阶段就能找到专业入口。
从线索到入职：传统链路的 OPC 重做
核心不是把某一步加速，而是把 重复劳动移交给 AI，把判断收敛给 HI，把交付物沉淀到域名。每个阶段都有明确的人工动作、AI 动作和系统动作。
- AI 转写会议、抽取 MUST / KILLER / NICE
- AI 生成岗位页与候选画像初稿
- AI 查公司、对标池、历史人才库
- AI 批量搜索、去重并抓完整简历
- AI 按画像输出结构化评估
- AI 为 3-5 份高潜生成复核包
- AI 生成定制话术并按规则巡检
- AI 记录回复状态、登录时间与风险
- AI 生成脱敏 JSON 与报告页
- AI 接收反馈并更新画像草稿
- AI 排期摘要、记录反馈、生成跟进清单
- AI 做入职 checklist 与到期提醒
100 倍如何被验证，而不是被宣称
把“效率提升”定义为 单位有效招聘产出与 Mike 核心人工时间的比值。不是把单次操作时间写快 100 倍，而是让同一个人可以同时运营更多高质量岗位。
判定 100× 成立的条件：E_opc 从基线 1.0 达到 100.0，同时“交付质量通过率”不下降、“回复质量”不下降、“风控与数据泄露”为零。
| KPI | 验证口径 | 基线 | M2-M4 目标 | 数据来源 |
|---|---|---|---|---|
| 单份推荐报告人工工时 | 从 AI 出稿到人工完成审核、发出 | 约 120 min（旧流程） | 10-20 min | 本地时间日志 |
| 推荐反馈回流周期 | 发出链接到反馈落本地 JSON | 2-3 天 | 当天 / 实时 | reports.json + feedback 文件 |
| 一次人工指令的批量产出 | 一次确认可生成多少份报告 / 推荐包 | 1 份 | 10-100 份 | 执行日志 |
| 全流程人工节点 | 从岗位输入到反馈回流的人工接触点 | 15+ | 3-4 | SOP 流程表 |
| 候选人常规答疑人工占比 | FAQ / AI 覆盖后剩余人工问题比例 | 100% | 20-30% | 对话分类统计 |
| 高质量候选池覆盖 | 一个岗位首周覆盖的有效去重候选数 | 约 50-100 | 500-1000 | 候选池 CSV / JSON |
| 画像迭代周期 | 客户反馈后更新下一轮画像的时间 | 1 周 | 24 小时以内 | 画像版本 mtime |
| 质量门禁 | 推荐通过率、客户拒绝原因可归因率 | 人工记录 | 不劣于改造前 | ATS / Talink 状态 |
AI关键价值节点
- 搜索与去重：千级候选池在小时级完成，HI 只做目标校验
- 简历解析：RAW 只读一次，后续模型只消费脱敏 MD / JSON
- 话术与巡检：已读、未读、回复分级持续跟进，不遗漏
- 报告与反馈：自动渲染、结构化回流、画像草稿迭代
- 行业情报：长文转摘要、组织变化转公司地图线索
HI关键价值节点
- 岗位启动：把客户潜台词转成可执行画像，AI 无法替代
- 风险决策：禁联名单、扩池节奏、候选人跨项目协调
- 电话核验：确认真实动机、薪酬、现场状态与量产闭环
- 关系信任：客户、候选人、面试官之间的个人背书
- 最终责任：offer、谈判、敏感信息和对外授权
分阶段落地：每步都可交付，不等待完美
M0 与 M1 已经完成大部分基础设施。本页即 M2 的 OPC 主站交付物；之后每一阶段都同时回答“网站做什么、AI 做什么、HI 做什么”。
域名地基
mikegao.cn 已注册、备案、解析、托管并支持 HTTPS。
- 网站：域名可访问
- AI：部署包与验证清单
- HI：腾讯云控制台维护
反馈闭环 MVP
报告页模板、5 维评分、反馈接收器与自动化定义已本地验证。
- 网站：报告评分页
- AI：报告 JSON 与画像更新
- HI：审稿、发链、审迭代
OPC 数字总部
把现有内容门户升级为品牌、工作流、量化与安全统一主站。
- 网站：本页与路由规划
- AI：生成数据驱动的页面结构
- HI：确认对外措辞与展示范围
AI 前台与人才登记
增加 FAQ、岗位答疑、人才登记与内容资产入口。
- 网站：/faq /subscribe
- AI：7×24 初步答疑
- HI：筛选自动进入人才库的线索
指标看板与批量流水线
真实 KPI 回流、批量生成、画像复利和月度复盘。
- 网站：短链统计与看板数据
- AI：单指令批量产出 10-100
- HI：用数据验证 100× 目标
红线：效率不能以信任为代价
OPC 的长期资产是“客户相信 AI 产物经过 HI 审核，候选人相信信息不会外泄”。因此以下规则不能被效率优化绕过。
01公开数据边界
网站只承载脱敏后的展示数据；原始简历、聊天原文、手机号、精确薪资与客户机密只落在本地项目库。
02发布前授权
客户案例、候选人推荐、项目方向等对外内容必须在展示前获得授权。res_id 可溯源但不出现在客户版材料中。
03人机分水岭
AI 可分析、执行、核验、起草和推进，但不能替代 Mike 做薪酬、触达范围、外呼、offer 和敏感关系决策。
04风控纪律
触发验证码、登录跳转或风控页面时立即停止，不反复刷新、不点验证、不自动重启已登录浏览器。
05版本与历史
所有画像、反馈、项目进度和复盘按日期追加，不覆盖历史；重要交接用 HANDOFF.md 记录磁盘状态。
06目标表述
100× 是 M4 的度量目标，不是当前已完成结论。任何对外展示不得把它写成已达成成绩。
流量矩阵：自有域名与微信生态互相带量
mikegao.cn 是 OPC 的自有枢纽；「老麦的芯光笔记」是微信生态里的内容放大器与被动触达入口。两条链路共用同一套墨兰芯光识别系统，内容可复用，导流可回流，数据最终回到本地。
| 链路 | 当前动作 | 业务价值 | 状态 |
|---|---|---|---|
| 域名 -> 公众号 | 主站展示公众号二维码与主页链接；访客可直接关注 | 把网站访客沉淀为微信生态长期读者 | 已接入 |
| 公众号文章 -> 域名 | 文章正文配图、阅读原文或自动回复中放置 mikegao.cn 页面链接 | 内容阅读量回流到报告、岗位、人才登记和反馈闭环 | 内容发布后启用 |
| 公众号粉丝 -> 私域 | 关键词回复与私信格式：方向 + 年限 + 城市 | 候选人主动授权，降低陌生触达风险 | 配置包已备 |
| 内容资产 -> 全域 | 脱敏报告、行业图谱、方法论跨公众号与网站复用 | 一篇内容形成多次触达，减少重复生产 | 进行中 |
接入 OPC
如果你正在阅读这一页，说明你已经在 mikegao.cn 的数字总部。下面这些路径决定了你接下来会进入哪条工作流。
- OPC 主站页面：本文件
- 流量矩阵：mikegao.cn + 老麦的芯光笔记
- 公众号二维码 / 主页链接：已接入
- To C 岗位发布：opc-jobs.html
- 全产业链岗位全景：opc-job-map.html
- To B 人才池：opc-talent.html
- 一键发布台：opc-dispatch.html
- 墨兰芯光系：网站与公众号共用品牌 token
- 100× 落地方案：完整架构、量化与路线文档
- M1 反馈闭环：报告模板与本地接收器
- 待办：Mike 上传 EdgeOne，替换线上 home 页面
页面不包含虚假候选人、伪造数据或未授权客户内容；上线前只需确认品牌词与对外展示范围。