Skip to main content

Documentation Index

Fetch the complete documentation index at: https://docs.dropcv.work/llms.txt

Use this file to discover all available pages before exploring further.

你可能听过”AI Agent”这个词，它和普通的 AI 聊天有什么区别？这一章帮你理解。

​
Agent 是什么

Agent = 能自己动手干活的 AI。 普通 AI 聊天：
  • 你问一句，它答一句
  • 你不问，它就不动
  • 它只负责”说话”
Agent：
  • 你给它一个目标，它自己拆解步骤
  • 它会调用各种工具来完成任务
  • 遇到问题会自己想办法解决
打个比方：
  • 普通 AI = 电话客服，你问什么它答什么
  • Agent = 你的私人助理，你跟它说”帮我搞定这件事”，它就去做了

​
Agent 怎么工作

​
Agent 和 DropCV 的关系

DropCV 是一个人才库/数据层，Agent 是干活的人。 你不需要自己去翻数据库、写推荐语、做分析。Agent 会帮你把这些事都做了，你只需要看结果、做最终决定。

​
Agent 能做什么

任务Agent 怎么做
找候选人搜索人才库 → 筛选 → 排序
写推荐语读取简历 → 提取亮点 → 按格式生成
JD 匹配解析 JD → 搜索匹配 → 评分 → 输出报告
写邮件了解场景 → 生成邮件 → 你确认后发送
做笔记整理面聊记录 → 结构化 → 归档

​
你需要做什么

作为用户，你只需要：
  1. 告诉 Agent 你要什么（用自然语言）
  2. 检查 Agent 的结果（它可能犯错）
  3. 做最终决定（Agent 不能替你做决定）
Agent 是你的工具，不是你的替代品。

​
实际工作中的 Agent

你：帮我做一个 JD 匹配任务，岗位是高级前端工程师，
要求 5 年以上 React 经验，有大厂背景

Agent 的执行过程：
[步骤 1] 理解任务：高级前端 + 5 年 React + 大厂背景
[步骤 2] 调用搜索工具：在人才库中搜索匹配候选人
[步骤 3] 找到 8 位候选人，逐一分析匹配度
[步骤 4] 生成匹配报告：符合点、差距、面试建议
[步骤 5] 保存结果到任务看板

最终输出：
匹配完成！找到 8 位候选人，其中 3 位高度匹配：
1. 王思远 - 8 年经验，某大厂前端负责人（匹配度 92）
2. 李明华 - 6 年经验，全栈工程师（匹配度 84）
3. 张子涵 - 5 年经验，React 专家（匹配度 78）

你：帮我把最近一周的面聊记录整理成结构化笔记

Agent 的执行过程：
[步骤 1] 搜索最近 7 天的候选人沟通记录
[步骤 2] 识别每条记录的关键信息
[步骤 3] 按候选人分组整理
[步骤 4] 生成结构化笔记
[步骤 5] 保存到每个候选人的档案中

最终输出：
已整理 5 位候选人的跟进记录：
- 张三：技术面试通过，待二面
- 李四：对薪资有顾虑，需沟通
- 王五：已发 offer，等待回复
- ...

​
下一步

什么是 Skills

教 Agent 学会特定任务。

提示词技巧

怎么跟 Agent 说话效果最好。