MemoryLake
招聘与人力资源职位描述记忆跨角色

为招聘团队提供跨角色累积的职位描述记忆

职位描述在不同角色之间重复模式——引人共鸣的语言、转化的结构、重要的属性。用于职位描述起草的 AI 工具一次只关注一个角色。MemoryLake 为招聘团队提供跨角色和时间的职位描述记忆。

Day 1“职位描述在不同角色之间重复模式——引人共鸣的语言、转化的结构、重要的属性。用于职位描述起草的”“AI 工具一次只关注一个角色。MemoryLake…”✓ Got it, I will remember.Day 7 — new session“Same task again — can you keep the context?”× Sure — what was the context again?(forgot every detail you taught it)+ MEMORYLAKE LAYERMemory auto-loaded职位描述模板技能记忆转化反映记忆招聘经理偏好记忆SESSION OUTPUT✓ Same prompt, on-brand answerNo re-briefing required.

为招聘团队提供跨角色累积的职位描述记忆

免费开始使用

永久免费 · 无需信用卡

问题：职位描述模式在角色之间不累积

上一个成功转化的高级工程师职位描述应该为这次高级工程师的招聘提供参考。团队标准化的“职责”框架存在于一个没人打开的模板文档中。新的职位描述质量各异，因为没有任何规范的存在。

MemoryLake 如何捕捉职位描述记忆

职位描述模板技能记忆

职位描述模板技能记忆

针对角色类型的模板，使用经过验证的语言。

MEMORY转化反映记忆

转化反映记忆

哪些职位描述模式产生了高质量的候选人管道。

MEMORY招聘经理偏好记忆

招聘经理偏好记忆

每位经理希望如何框定角色。

跨工具检索

跨工具检索

ATS、职位描述文档、AI 起草工具的统一。

免费开始使用

永久免费 · 无需信用卡

职位描述记忆的工作原理

  1. 连接 — 导入过去的职位描述并授权工具。
  2. 结构 — 模板和模式成为类型化记忆。
  3. 重用 — 新的职位描述起草检索相关的先前职位描述。

之前与之后：职位描述 AI 记忆

Without MemoryLakeWith MemoryLake
JD quality consistencyVariableMemory-driven
Time per JD draftHoursMinutes
Conversion-tested patterns reuseManualMemory-applied
Hiring manager preference applicationRe-askedMemory-loaded

适合谁

每年撰写多个职位描述的招聘团队——职位描述质量直接影响候选人管道质量。

可运行的 demo约 5 分钟

在你自己的账号上跑通这个场景

招聘团队把职位描述存进共享记忆。三份 Word JD 里有两份由用人经理在修订模式下改过、存盘时没有接受修订：Word 里显示的是新的薪资区间、年限要求和签证答复，文件里却还留着旧的，标记为已删除。索引把新旧两段连在一起读（$138,000-$152,000$161,000-$184,000），MemoryRouter 原样挂上——助手答出的是用人经理删掉的条款，或者在新旧之间含糊其辞。同样的文件先「接受所有修订」再导入，就答对了。

你会看到

  • 三份 Word JD（两份共 7 处修订，一份从未修改作对照）存两份：原样保存的，以及经 accept_changes()（20 行标准库代码，相当于 Word 的「接受所有修订」）处理后的，各一个项目、一个 boundary；招聘助手就是 router chat --boundary（gpt-4o-mini，temperature 0）
  • search --types document 显示每一行被修订的内容：原样保存时 7 行每次都含被删掉的字、旧的在前（Visa sponsorship: not available for this role available (H-1B transfer)），文档摘要写着需要 8 年以上经验、不提供签证担保
  • 8 道题、每题 3 个回答、跑 6 次：原样保存 126 个回答里 16 个答出现行条款（35 个答被删条款，70 个新旧都说），接受修订后 126 个对 120 个；「几年经验」「是否担保签证」原样保存时 15 个对 0 个；未修改的那份两边都是 18 个全对
  • 检查器（让 Claude 原样抄出 MemoryRouter 挂上的内容）显示：每次挂上的都是那段新旧连在一起的文字。附 jd 子命令与本地 Web 界面

需要: 一个 MemoryLake API key · memorylake CLI · Python 3.9+

运行

git clone https://github.com/memorylake-ai/memorylake-usecases.git
cd memorylake-usecases/jd-redline-memory
export MEMORYLAKE_BASE_URL=https://app.memorylake.cn/openapi/memorylake
export MEMORYLAKE_API_KEY=sk-…
python3 demo.py          # or: python3 web/server.py
在 GitHub 上打开阅读完整说明

看它跑起来 · 真实录制，未剪辑

CLI 演示5:30Web 演示6:32

相关场景

Recruiting & HR招聘团队的候选人管道记忆Recruiting pipelines lose candidate context across stages. MemoryLake gives recruiting teams pipeline memory that flows across every stage. Free to get started.
Recruiting & HR招聘团队的来源渠道记忆Recruiting source channel performance is opaque. MemoryLake captures source-channel memory across roles and time. Free to get started.

常见问题

集成？

Greenhouse、Lever、Ashby、自定义——支持。

隐私？

AES-256 E2E。

免费层？

是的——适用于小团队。

全部场景免费开始使用