你对每个客户的判断，终于落在纸面上。
Tacit 为每个客户维护一份持续演进的判断模型——由你本来就在收集的碎片信息构建，与真实发生的录用结果对照校准。这部分工作一直只活在你的脑子里，现在终于有了记录。
早期访问 · 首批设计伙伴名额有限 · 为精品猎头与长期委托搜寻而建
// 示意面板——每个真实的模型都来自伙伴自己的项目
围绕一个搜寻项目真实的推进方式而建。
不是开工前要填的表单，而是一个伴随手头项目一起转动的循环。
收集
转发 JD、粘贴微信消息、记下创始人在电话里说的那句话。碎片信息，来什么收什么。
读懂
客户的模型逐渐成形为一份文档——判断维度、每条背后的证据，以及证据不足处诚实的空白。
评估
候选人对照这个客户的模型来评估，而不是一套通用打分表。每个判断都注明出处。
听回音
一个 offer、一次婉拒、一句不经意的评价。每个结果都会与模型此前的预期对账。
再校准
现实与预期不符之处，会提出一版修订——先给你看，再生效。然后循环继续转动。
循环每转一圈，模型就更接近这个客户真实的决策方式。
安静、精确，并且对自己的边界诚实。
Tacit 为已经精通自己手艺的人而建，它的举止与此相称。
一个客户，一个模型
不是市场的平均值，而是这个客户如何决策的一份具体、持续演进的记录。全程可读，可按你的方式转交，属于你。
碎片进，结构出
没有表单、没有标签、没有整理负担。凌乱的输入是常态而非例外——把它组织成结构是产品的工作，不是你的。
不做静默变更
当某个结果需要调整模型时，修订会先出现在你面前：应用它，或保留现状。状态永远不会在你背后移动。
敢说「证据不够」
证据不足的维度保持空白，低置信度的判断如实标注。有依据的「暂无判断」，胜过一段流利的猜测。
真的常被问到的几个。
这是又一个 AI 简历筛选器吗？
不是。筛选器用通用标准跑量，Tacit 解决的是相反的问题——少量高价值的关键职位，对照某一个客户被真实结果揭示出的偏好来判断。衡量价值的标准是模型对这个客户的还原有多精确，而不是每小时过多少份简历。
判断到底来自我，还是来自 AI？
来自你的输入和你客户的真实结果。Tacit 负责组织证据、呈现其中的模式，不会掺入它自己的口味。当它提议修订模型时，变化会先展示出来再生效，是否应用由你决定。
模型具体长什么样？
每个客户一份可读的文档：驱动决策的维度、每条维度背后的证据、一部校准历史，以及证据单薄处诚实的空白。读不懂的东西没法信任——所以一切都做成可读的。
我用 ChatGPT 不也能做到吗？
单次评估，大致可以——这也是我们对自己的检验标准。无状态的对话做不到的是持久：让一份模型跨会话存活、几个月里持续积累同一个客户的结果、把过去的预测和实际发生的事对账。这份持久性本身就是产品。
Tacit 会联系我的客户或候选人吗？
绝不会。它只处理你从自己的关系里带回来的材料。关系始终是你的。
价格是多少？
目前没有公开定价。当前这批是付费的设计伙伴合作，条款与创始人直接商定。如果这对你现在的阶段来说显得为时过早，那多半确实如此——也请写信告诉我们。