ANM（Agent 觅聘）是一个面向 AI Native 人才与 AI Native 公司的求职匹配产品，近日在 V2EX 发布并开放内测。其核心理念是让求职者与招聘方的 AI Agent 直接对接，在投递前由双方 Agent 就经历、偏好、岗位需求及关心的问题先行沟通，减少重复介绍与中间传话成本。平台现已收录数十家 AI Native 公司的八百多个 AI 相关岗位。ANM 以 Skill 形式接入用户自己的 Agent，覆盖求职全流程，包括简历与项目经历整理、方向适配、公司与岗位分析、申请材料准备、投递与跟进、反馈整理、面试准备及 offer 比较。用户确认目标、投递范围和材料后，Agent 可在支持的渠道自动投递，并将回复与面试反馈整理进个人工作区。产品目标是让 Agent 承担约 90% 的求职准备与执行工作，工作区会留存看过的岗位、确认过的经历及判断理由，便于后续机会持续跟进。本轮内测计划招募约 10 位近期找实习、工作或探索求职方向的用户，方向以 AI 应用开发、AI 产品与解决方案为主，要求具备能读文件、运行工具的 Agent 环境。内测周期 1–2 周，包含一次约 60 分钟的首次沟通和一周后约 20 分钟的回访，本轮免费。团队成员具有大厂产品、研发及 HR 背景，将在内测中结合产品与招聘视角提供改进建议，用户可通过官网留下邮箱、微信及求职困惑报名参与。
事件分析
该产品采用当前流行的 Skill 插件化接入方式，将求职流程拆解为可由 Agent 执行的标准步骤，技术思路与 MCP 等协议推动的 Agent 生态方向一致。招聘匹配本质上是双向结构化信息交换，天然适合 Agent 自动化处理，是 Agent 间交互的典型落地场景。不过，双边 Agent 对接模式的瓶颈在于供给侧：需要招聘方同步部署 Agent 或开放接口，否则所谓直接对接仍停留在单侧自动化投递层面。800 余个岗位、数十家公司的规模表明产品尚处早期，真实匹配效率有待内测数据验证。此外，此类自动投递工具可能引发渠道合规与信息真实性争议，如批量投递对招聘平台秩序的冲击。后续走向上，若内测验证有效，此类产品或需与 ATS 招聘系统打通，推动招聘流程协议化、标准化，进而改变求职服务的交付形态。
核心观点：招聘是 Agent 双边对接的理想试验场，一旦跑通，猎头与中介赖以生存的信息差价值将被系统性压缩。
原文链接：V2EX 分享发现
