把候选人、岗位和组织建成一组可观测、可更新、可推演的状态，回答的不再是「像不像」，而是「接下来会怎样」。
行业里的工具几乎都停在「这个人合不合适」这一问上。客户真正掏钱的问题在后面：他会不会来，来了能不能留下，什么时候会动。
| 问题 | 今天怎么判断 | 真正要建的状态量 | 难在哪 |
|---|---|---|---|
| 他到底在不在看机会 | 简历有没有刷新、社交档案有没有更新 | 意愿强度、可选机会、转换成本 | 刷简历不等于看机会，信号稀疏且滞后于真实决定 |
| 他会不会自己去创业 | 顾问的直觉和圈内消息 | 机会窗口、自我效能、风险承受、触发事件 | 几乎没有现成样本，周期以年计，标签要等很久才成立 |
| 他去了之后会怎样 | 入职以后才知道 | 岗位真实职责与个人偏好的对齐度 | 反馈慢，往往被离职率一个指标吞掉 |
三类问题共用同一个状态空间，只是查询方式不同。创业者尤其不是「意愿分数」，而是条件的乘积：手上有一个值得做的机会、相信自己做得成、承受得起失败的几年，再在某个时点被触发。这类人现在多半还在企业里或高校实验室里，没有投过简历，线索更多落在「他做过哪些从 0 到 1 的事」和「他谈 ownership 的方式」上。
| 层次 | 建模对象 | 能回答的问题 | 失效方式 |
|---|---|---|---|
| 匹配器 | 简历与 JD 的相似度 | 这个人适不适合这个岗位 | 答不了「会不会来」，也答不了「来了一年会不会走」 |
| 评分卡 | 专家维度上的一次性打分 | 这个候选人处在什么档位 | 没有时间维度，分数不随观测更新，无法校准 |
| 单点预测 | 某个结果与特征的映射 | 他会不会离职 | 只给点估计，不说自己哪里不确定，换场景要重建 |
| 世界模型 | 实体状态、状态转移、观测过程 | 未来 36 个月可能走哪几条路，每条路的前提是什么，做什么能改变分叉 | 状态空间设计不全，或转移规则跟不上结构变化 |
我们做的是最后一行：一个领域世界模型，输出的是轨迹分布，不是一个结论。
还得分清它和通用大模型的关系，否则很容易做成一个会说话的评分卡。
| 实体 | 关键属性 | 在模型里的角色 |
|---|---|---|
| 人 | 履历时序、职级、职能、管理规模、专长、地域与家庭约束、薪酬区间、动机与偏好 | 状态主体，一切推演的起点 |
| 岗位 | 职级带宽、汇报线、真实职责、决策链、面试流程、HC 状态 | 可选动作的集合，决定「能去哪」 |
| 组织 | 业务量趋势、融资阶段、架构稳定性、管理层变动、在招岗位的数量与结构 | 外生环境，决定机会与风险从哪来 |
| 团队 | 规模、汇报关系、核心成员稳定性、直接上级风格 | 解释 chemistry 与离职的中间层 |
| 事件 | 融资、上市、组织调整、高管变动、大规模招聘或裁撤、竞品挖人 | 驱动状态跳变的触发点，不是噪声 |
流向图谱本身就是一张赛道人才地图：不依赖预测模型跑通，可以先独立交付。
| 状态面 | 包含的变量 | 可观测性 | 更新频率 |
|---|---|---|---|
| 能力面 | 职级、职能纵深、管理规模、技术或业务栈、行业经验 | 可观测 | 低，随履历变化 |
| 意愿面 | 动机强度、决策权重（钱／权／情绪）、时间窗、对特定公司的偏好 | 半隐 | 高，随每次沟通变化 |
| 约束面 | 城市与家庭、竞业、薪酬预期区间、可接受的节奏 | 半隐 | 低，但一变就改变可行集 |
| 情绪面 | 对现团队与上级的评价、对目标公司的预期落差、对改变的容忍度 | 隐 | 中，只能从叙述推断 |
| 处境面 | 所在公司业务趋势、团队动荡、是否被边缘化、手上是否有其他机会 | 半隐 | 中高，随组织事件跳变 |
能力与约束决定「他在哪个池子里被比较」，意愿、情绪与处境决定「在这个池子里，他此刻会不会动」。
同一批人在同一个季度集体不动，往往不是个体变了，而是环境变了。这一层不建，模型会把环境变化误读成人的意愿变化。
纯统计会过拟合历史，纯专家规则又太僵硬。三段拼起来，才有可解释、可校准、可迭代的转移核。
| 转移 | 触发条件 | 可观测前兆 | 数据来源 |
|---|---|---|---|
| 组织内晋升 | 团队扩张、上级空缺、业绩达标 | 汇报线变化、团队规模增加、被交付更大范围 | 履历时序、组织侧观测 |
| 跨组织跳槽 | 外部机会的薪资与职权超过当前状态的可接受阈值 | 简历刷新、开始询问岗位细节、给出时间窗 | 面谈纪要、推荐轨迹 |
| 退出 | 成就感或经济回报的预期断裂，或外部窗口打开 | 开始强调「做成一件事」、询问股权与决策权 | 面谈纪要、行业事件 |
| 反向 | 新环境预期落差、原公司挽留、行业下行 | 入职后对职责的抱怨、过保前沟通频率上升 | 入职 pipeline、客户反馈 |
一个必须承认的变化：靠「看前 10% 的人一路怎么走」外推路径，最近一两年开始不准。转移规则要建在因子上，不是建在路径模板上。
| 观测 | 内容 | 在模型里的角色 |
|---|---|---|
| 简历多版本 | 同一候选人在不同时期的履历版本，可还原职业状态的时序 | 能力面的主观测，状态更新的锚点 |
| 推荐与面试轨迹 | 谁在什么时间被推给哪个客户、哪个岗位，走到哪一步，结果如何 | 动作与结果标签，负样本的主要来源 |
| 面谈纪要 | 顾问与候选人的直接沟通：动机、顾虑、对行业与公司的看法、职业规划 | 意愿与情绪唯一的直接观测 |
| 入职与留存 | 入职时间、过保时间、是否离开、何时离开 | 转移的监督信号，校准的唯一依据 |
| 公开组织观测 | 融资与上市、组织调整、在招岗位结构、竞品动作 | 外生环境变量，解释集体性变化 |
纪要不能等权使用。用自家 713 条沟通记录抽了 95 份电话纪要：66 份披露了削弱议价或暴露短板的信息，占 69.5%（95% 区间 60–79%）——「七成」这个经验判断站得住，观测噪声就按 0.30 起步，不按 0.10 起步。口径与样本台账在「数据实测」页。
从当前状态出发，按转移核走 36 个月，重复几百次。中位曲线给决策，带宽用来诚实交代不确定性。
借用历史经验、借用其他类似候选人走过的路径，做的是确定性预测。但当顾问了解到的背景信息越来越多，整个预测模型里就需要引入一些扰动数、一些乱数的分析，预测才会更有效。不然会让人觉得，我的职业发展是不是天命已经被确定下来。 Johnson Xue，2026 年 11 月内部研讨
落地写法：转移核 = 确定性部分 + 随机项，随机项方差随信息完备度下降，但保留地板值。
| 检查项 | 怎么看 | 不通过说明什么 |
|---|---|---|
| 时点校准 | 预测 60% 的那批人，实际结果是否接近 60% | 转移率基准错了，或样本有系统性偏差 |
| 区间覆盖 | P10–P90 的区间是否装进约 80% 的真实结果 | 过窄低估不确定性，过宽说明模型没有信息量 |
| 轨迹形状 | 预测的分叉时点与真实离职时点分布是否一致 | 时间维度建错了，常见于只用截面特征 |
| 反事实有效性 | 按可干预杠杆调整后，实际结果是否真的改善 | 相关性被当成因果，干预建议不可信 |
回溯按时间切分，不随机切分；消融按观测层做——去掉纪要、去掉组织侧观测、去掉随机项，各掉多少分，决定后面往哪投人。
横线是当前的区间。每来一条新观测，只更新对应维度并留版本号，丑的、矛盾的也留着，那是校准材料。
每行加总为 1。查一行就知道「他现在这个状态，一年后最可能落到哪儿」，查一列就知道「谁会到这儿来」。
对角线是完美校准。点落在线上方是系统性低估，落在线下方是高估——这个偏差比准确率更值得先修。
末组相对首组的实际离职率倍数。客户愿意为这个数字掏钱，不为 AUC 掏钱。
三条同时达标才算跑通：校准误差 ≤ 0.05、末组提升 ≥ 2 倍、分叉时点分布与真实离职不显著偏离。观测噪声已按实测 λ=0.30 写进转移核；校准与提升两条仍是示意值，等入职 pipeline 的结果标签接上再换实测。示意数据
| 来源 | 量 | 可用性 |
|---|---|---|
| 候选人沟通记录 | 713 条，电话 472 条 | 唯一成规模的纪要正文 |
| 思摩尔归档 | 24 份简历、29 家 mapping | 只有简历，无面试纪要 |
| Shirley 团队库 | T1 73 条、T3 案例 | 给标注口径，不出样本 |
| 结构化沟通表 | 8 / 27 个字段 | 无纪要正文，只出结果标签 |
思摩尔那批是 2022 年的 mapping 档案，只剩简历和需求；纪要得从沟通记录里找，不能指望项目文件夹。
区间跨过 70%，「七成」可以拿来定噪声系数。实测单顾问 · 单标注 但样本只覆盖法务合规线，技术研发窄域要重抽；下一步加第二标注人核一致性，再扩到 200 份。
最小可行系统只要三件：能按时间取数的观测表、只管留存的转移核、能画出 36 个月轨迹的推演脚本。先跑通再扩本体。
每个阶段都要有一个能对外说的交付物，否则容易变成长期的技术准备。
| 形态 | 交付物 | 依赖什么 | 混着发会怎样 |
|---|---|---|---|
| 人才地图（对外） | 赛道人才分布、职级带宽、流动路径、目标公司名单 | L1 本体加公开组织观测，不依赖纪要 | 客户自己能验证，被质疑的空间小，适合先建立信任 |
| 预测能力（对内） | 留存与跳槽概率、分叉时点、可干预的杠杆 | L2–L4，强依赖纪要可信度与校准 | 答应准确率而校准不足，会反噬地图刚建立的信任 |
地图卖的是「看得见的分布」，预测卖的是「敢下注的判断」，客户的验收方式完全不同。先对外给地图、对内攒校准曲线；等某条窄域的校准能稳定复现，再把预测拿出去。两条线共用一套本体和状态库，但不共用一份对外承诺。
「今天聊的内容我想记一下，用在两件事上：一是给您匹配和跟进岗位；二是脱敏后进入我们的内部模型，用来判断哪些因素真的影响职业选择。入库时不带姓名和联系方式，只留行业、职级、动机和顾虑这类信息。您随时可以让我们删除，或者只说不用在模型里，这不影响我们对您的服务。」
现有话术只覆盖「为您找工作」，没覆盖训练用途。这一句不改，纪要抽取流水线就没法合规上线。