从一份没有回音的简历，到一条自己飞出去的轨迹
以下是创始人的一段自述。它解释了雏鹰为什么从「帮人找工作」开始，最后做成了一套智能体系统。
很多年前，我在美国读 IT。那一年我投出去的网申，多到我自己都记不清份数——不是我想投这么多，而是我不知道哪一份会有回音，所以只能每一份都投。
网申的表格长得几乎一样：姓名、学校、GPA、工作授权，以及你在上一页已经填过一遍的实习经历。一家一家填，一页一页过。填到后来，我会在同一个问题上停下来——“你为什么想来我们公司？”——然后意识到，我连自己在投什么岗位都快说不清了。
留学生找工作的难，不只是“难”，而是一种没有参照物的难。同学在聊 return offer，我在算 OPT 的时间；面试官的问题里，混着我答不上来的身份问题；我花一整个晚上改出来的那版简历，后来才知道在 ATS 里连第一轮关键词都没过。
最难的不是被拒绝，是不知道自己是在哪一步被拒绝的。投出去的东西，像扔进一个没有回声的房间。
“我到底适合做什么？”
后来我拿到了 offer，进了大厂做产品，也做了几年行业咨询。这六七年里，我前前后后给 500 多个人做过一对一咨询。我原本以为会听到 500 种困境，结果听到的几乎是同一个问题——就是上面这一句。
有人海投了两百家没有回音，有人拿到三个 offer 不知道怎么选，有人简历上明明有经历却写不出竞争力，有人面试被追问两句就散了架。他们的简历各不相同，卡住的地方却高度相似：不是不努力，是没有人帮他们把自己看清楚。
那一刻我才明白，当年那个在凌晨填表的我，缺的不是努力，也不是信息。是有人告诉他：你的经历里，哪一段是有价值的；你的能力，放到市场上值多少；你下一步，具体该做什么。
一个人做咨询，一年能服务的人是有限的。我算过那个数字，它让我很沮丧。而 AI 让我第一次看到另一种可能：如果把咨询里最有效的那部分——拆解经历、对标市场、给出可执行的下一步——变成能自动运行的智能体，那么“被认真看过一次简历”这件事，就不再是少数人的运气。
所以我和做研发、做市场的伙伴一起，把它做成了产品。雏鹰（Eaglet）不是一个替你投简历的工具，它想做的是我当年最需要的那件事——让每一个求职者，都被精准地看见。
下面三个人的专业、背景、卡住的位置都不一样，但往下追两层，停住他们的往往是同一件事：没有一个环节告诉他们「依据是什么」。这三种样子，是 500+ 次咨询里反复出现的。
计算机 / 软件工程 · 本科与硕士应届
“我做过三个项目，可我不知道该写哪一个。”
建筑 / 交互设计 / 人文类 · 跨专业求职
“我的专业跟互联网没关系，是不是没戏了？”
美国 / 英国 / 澳洲 · 在读与应届
“我做过三个课程项目，可 HR 问的是：有没有在国内实习过。”
把 500 多份咨询记录放在一起看，会得到一个有点反直觉的结论。它后来成了雏鹰整套产品设计的起点。
方向不清、简历无效、投递失焦、面试失语、复盘缺失。500 个人来自不同学校、不同专业，卡住的位置却反复出现在同一批环节上。
同样是“方向不清”，一个 CS 背景但不喜欢写代码的人，和一个商科背景想转数据分析的人，该走的路完全不同。同一条建议给到两个人，一半有用，一半有害。
| 损耗类型 | 具体表现 | 后果 |
|---|---|---|
| 时间 | 一位顾问一次只能服务一个人，大量时间消耗在流程性沟通上 | 服务规模被人力上限锁死 |
| 质量 | 服务水平取决于“学生遇到了哪位导师” | 结果难以稳定复现 |
| 数据 | 每一次咨询的结论留在顾问个人手里 | 换一个人就要从头讲起 |
| 时效 | 服务时间被导师的工作时间切碎 | 而焦虑和问题不挑时间 |
七个环节——测评、规划、简历、匹配、投递、实践、复盘——每个环节的判断逻辑交给对应的智能体，由调度中心按任务依赖串联，前一步的产出自动成为后一步的输入。三条原则贯穿其中。
不做黑箱推荐。匹配给出的是五维加权后的分数与依据，学生能看懂为什么是 78 分，而不是 92 分。
岗位、测评、简历、项目交付物在同一条链路上，导师和学生看到的是同一份事实，不再各说各的。
智能体接管流程性工作，把导师的时间还给真正需要人的地方：评审、反馈和关键决策。
雏鹰不是「一个懂点技术的求职顾问」做出来的产品。四种角色在同一条产品线上互相拽着往前走：有人把架构做在前面，有人把咨询里有效的方法翻译成流程，有人把能力调到能用，有人守住数据与合规的边界。
四种角色，收敛到同一条产品线上
负责平台与数据链路：智能体调度、环节之间的数据流转、机构端与学员端同源。判据很朴素——真实并发下是否还稳，权限与数据边界是否清楚。
七个环节的边界、每一步的输入输出、学生在界面上看到的每一句依据，都由这条线定义。我们不在页面上写「AI 味」的话，只写看得懂的依据。
创始人在团队里承担的正是这个角色。
测评解读、简历诊断、匹配评分、面试追问，这些能力本身由这条线负责：提示词、评测集、输出的稳定性控制。评分必须给出依据，而不是一个漂亮的黑箱。
简历、测评与对话，是学生最私密的数据之一。采集最小化、存储脱敏、权限分级、模型调用的内容安全与留痕审计，都在这条线上守住。
过去二十年，求职服务的本质是信息差生意：谁掌握更多岗位信息、谁的圈子更近，谁就更占优势。学生付费买到的，往往是“有人替我看一眼”。
我们来自另一个位置，因此同时看到两件事：真正有效的职业指导极其稀缺，稀缺到只有少数人买得到；而这些指导里真正起作用的方法，其实可以被拆解、被复现、被交付给系统。AI 让第二件事第一次成为可能。
所以雏鹰（Eaglet）的使命很简单：把过去只有少数人才能获得的一对一职业服务，变成每个求职者的默认配置。
“雏鹰”说的是出巢——一个人第一次真正自己飞出去的样子。我们不承诺捷径，只做一件事：让每一个求职者，都被精准地看见。
