> ## Documentation Index
> Fetch the complete documentation index at: https://docs.miraday.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# MiraDay 的工作原理

> 你描述岗位、确认一份理想人才画像，随后 Mira 的 Agent Team 用推理式检索模型 MRE（Mira Reasoning Embedding）搜索，并交付一个排序后的候选人池。

你描述岗位、确认什么样的候选人算优秀；Mira 和 Teammate 负责搜索、推理和匹配。下面是这套流程。

**1. 你描述需求**

粘贴或上传职位描述、上传职位澄清会议记录，或直接用自然语言描述岗位。Mira 能理解隐含条件，你不需要使用正式的搜索语法。

**2. Mira 提出理想人才画像**

当关键信息缺失或含糊时，Mira 会给出一个简短的澄清表单，和你一起确认需求，让搜索瞄准正确的目标。随后 Mira 会补全这份需求简报，并提出一份**理想人才画像**，用三个清单把这次搜索结构化地概括出来：**Must-Have**、**Nice-to-Have** 和 **Avoid**。需求澄清与画像生成由一个内置 [技能](https://docs.miraday.ai/zh/docs/tools-and-teamwork/skills.md) 完成。

**3. 你审阅并确认画像**

这份理想人才画像由你来编辑。调整三个清单中的任意一个：加一条 **Must-Have**、把某项移到 **Nice-to-Have**，或把某个竞争对手加入 **Avoid**。然后点击**开始搜寻**直接采用，或先编辑再搜索。Mira 只有在你确认之后才开始搜索，因此搜索会按照你设定的标准进行。想了解这些条件如何影响结果，见 [Mira 如何解读你的需求](https://docs.miraday.ai/zh/docs/sourcing/search-filters-and-criteria.md)。

**4. Mira 执行搜索**

你确认之后，Mira 把搜索交给一支 [Agent Team](https://docs.miraday.ai/zh/docs/meet-mira/agent-teams.md)：至少一名负责寻访的 Teammate，搜索复杂时会更多。搜索以循环的方式进行，由推理式检索（MRE）驱动：团队跨多个数据源搜索、发现 signal、对搜到的内容进行推理，并决定下一步去哪，是继续深挖，还是调整搜索策略或数据源。随后每位候选人都会对照你确认的画像接受评估，而非靠关键词匹配：

* “至少 5 年经验”：从职业时间线计算得出。
* “从 0 到 1 的经验”：理解为在早期阶段从零搭建公司或业务的经历。
* “上市公司背景”：从组织背景推断。

**5. 交付候选人池**

你会得到一个精选的候选人池，包含：

* 候选人姓名、当前职位、公司和所在地。
* 最近一段工作经历。
* 一份匹配分析：候选人如何符合你的必备条件，逐条评估。
* 最高学历。
* 联系方式：LinkedIn 默认显示；邮箱和电话按需查看，点击**获取邮箱**或**获取电话**即可（每次查看消耗积分）。
* 一份可下载的数据文件。

**6. 迭代**

继续对话：

* 要求更多候选人。
* 调整条件（“也把阿姆斯特丹包括进来”“更偏好创业背景”）。
* 为另一个岗位发起一次新的搜索。

每个频道都保存在侧边栏中，随时可以回顾。

## 下一步

* [关键术语](https://docs.miraday.ai/zh/docs/meet-mira/key-concepts.md)：智能体、候选人池等术语解释。
* [快速上手](https://docs.miraday.ai/zh/docs/get-started/quick-start.md)：运行你的第一个寻访任务。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.