Greenhouse
PulseAugur coverage of Greenhouse — every cluster mentioning Greenhouse across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
HireLayer推出AI工具以解析简历和对候选人进行排名
HireLayer开发了一个MCP服务器，该服务器可与Claude和ChatGPT等AI助手集成，使它们能够解析简历并对求职者进行排名。该工具旨在通过使AI模型能够直接与招聘API交互来简化招聘流程。该服务器提供五种不同的工具，用于简历解析、候选人匹配和技能标准化等任务，免费套餐每月提供50个积分。
-
LinkedIn 首席执行官：人工智能助推申请量激增，招聘更复杂
LinkedIn 首席执行官 Dan Shapero 指出，求职者提交的申请量比疫情前增加了 30%，他们经常利用人工智能工具来优化简历和求职信。申请量的激增，加上招聘人员使用人工智能筛选候选人，使得雇主越来越难以识别合格的个人。因此，人工智能正成为求职者和招聘经理在竞争激烈的劳动力市场中导航的核心工具。
-
人工智能在求职者和雇主之间制造就业市场“厄运循环”
人工智能在求职申请中的应用日益广泛，正在形成一个循环：求职者和雇主都依赖人工智能来解决问题，却无意中使问题恶化。求职者使用Jobscan等人工智能工具来优化其简历以适应申请人追踪系统（ATS），而雇主则在ATS中使用人工智能来筛选大量的申请。这导致了一个“厄运循环”，求职者专注于迎合人工智能而非人类招聘人员，而雇主则利用人工智能来区分几乎相同的申请，从而侵蚀了双方的信任。ATS中人工智能的有效性和实际使用情况各不相同，一些组织仍然依赖…
-
求职者使用ChatGPT与AI招聘官进行面试
一位名叫Christopher的求职者，对AI招聘官缺乏人工回应感到沮丧，于是决定使用ChatGPT Voice冒充自己，与Everforth Apex Systems的AI招聘官Riley进行面试。两个机器人进行了10分钟的对话，凸显了AI驱动的招聘流程的循环往复和最终的无效性。这一事件反映了一个日益增长的趋势，即招聘人员和求职者都在越来越多地在面试中使用AI工具，一些专家甚至认为机器人对机器人面试可能成为未来的常态。
-
AI生成的申请淹没招聘人员，引发了对增加求职申请摩擦的呼吁
由于AI生成的申请激增，申请工作的便利性已成为招聘人员面临的一个重大问题。工具和浏览器扩展现在允许求职者在几秒钟内创建定制的简历和求职信，导致大量低质量或完全虚假的申请涌入。这种泛滥使得招聘人员难以识别真正的人才，迫使他们花费过多的时间筛选申请，而不是积极寻找候选人。因此，一些招聘专业人士现在主张在申请过程中增加摩擦，以确保更易于管理和更有效的招聘体验。
-
人工智能重塑就业市场：申请加速，求职者体验恶化
到2026年，由于人工智能的广泛应用，求职申请过程对求职者来说变得异常复杂和令人沮丧。求职者现在面临自动拒绝、人工智能驱动的面试，以及公司可能并非真正打算填补的“幽灵职位”的增加。这种技术转变导致就业市场信任度下降，许多求职者因非人化和漫长的招聘流程而感到倦怠和愤世嫉俗。
-
JobEasyApply 使用 AI 自动化跨多个平台的职位申请
JobEasyApply 是一款由 AI 驱动的工具，旨在自动化职位申请流程。它与 LinkedIn、Greenhouse 和 Lever 等平台集成，代表用户提交申请，无需在每个职位上进行手动干预。
-
AI面试推高深夜求职申请，求职者疑虑渐增
就业市场越来越多地采用AI驱动的工具，导致深夜和自动视频面试的兴起。Ribbon和Greenhouse等公司发现，在晚上10点至凌晨2点之间安排的AI面试占有相当大的比例，尤其是在有孩子的求职者、小时工或目前受雇于他人的人群中。尽管对某些人来说很方便，但许多求职者对AI面试仍持怀疑态度，相当一部分人会退出需要进行AI面试的流程，这通常是因为不清楚他们的回答和视频片段将如何被评估。
-
招聘平台CEO：避开OpenAI，瞄准不太知名的公司找工作
招聘平台Greenhouse的CEO Daniel Chait观察到求职申请数量显著增加，在他的平台上，平均每10个空缺职位就有2539份申请。Chait建议求职者避开申请OpenAI等热门公司，转而瞄准类似领域的、不太知名的公司，以提高成功几率。竞争激烈的就业市场对Z世代尤其具有挑战性，而AI通过AI生成的简历和招聘筛选方法使申请过程更加复杂。
-
求职者因缺乏透明度而越来越多地拒绝 AI 面试
根据最新报道，相当一部分求职者正在退出由 AI 进行的面试。Greenhouse 发布的《2026 求职者 AI 面试报告》显示，63% 的受访求职者经历过 AI 面试，这一比例已大幅上升。求职者选择放弃的主要原因是缺乏透明度，许多人没有被提前告知 AI 将参与评估过程。这种不信任感因 AI 对预先录制的视频面试进行评分（且无人参与）以及对 AI 角色普遍缺乏披露而加剧，导致对雇主的负面看法。
-
AI末日循环：求职者和雇主对海量申请感到沮丧
Greenhouse首席执行官Daniel Chait在就业市场中发现了一个“AI末日循环”，导致雇主和求职者都越来越不满意。求职者使用AI工具，通常支付少量费用，进行海量职位申请，让招聘人员不堪重负。这种申请洪流，其中许多是AI生成的且难以区分，迫使雇主也转向AI来管理涌入的申请，从而加剧了问题。Chait认为，虽然AI将长期存在，但Greenhouse的“My Dream Job”等功能旨在表明申请人的真实意图。
-
AI代理集成关键在于协议而非专用API
文章认为，当前依赖于专用、点对点API集成的AI代理与企业软件集成方式是不可持续的，并会导致巨大的维护开销。文章提出，在协议层面实现标准化，以Merge的MCP服务器等系统为例，是使AI代理能够有效访问和整合来自不同系统数据的关键。这种统一的集成API允许AI代理通过单一、可预测的模式与各种数据源进行交互，从而简化了诸如审计集成健康状况或跨HR、CRM和票务系统进行数据交叉引用等复杂任务。
-
人工智能变革人力资源：简历筛选、面试和监控详解
人工智能正日益融入人力资源流程，影响求职申请和在职绩效评估。AI工具现已用于简历筛选、分析视频面试的语气和关键词，以及监控员工活动。建议求职者在简历中加入职位描述中的关键词，并确保其AI辅助申请保留个人风格。员工应了解监控工具，并就数据收集问题与人力资源保持透明。
-
DomainIntel API 通过 DNS 揭示公司安全和工具
一位开发者创建了 DomainIntel，这是一个免费的 API，可以分析公司的域名系统 (DNS) 记录、SSL 证书和 HTTP 标头，以揭示其电子邮件提供商、招聘工具和整体安全状况。通过比较 Stripe 和 GitHub，该工具突显了不同的安全理念：Stripe 使用精简的堆栈，并采用严格的 'reject' DMARC 策略，而 GitHub 则采用更广泛的服务集，并采用更宽松的 'quarantine' 策略。与传统的供应…
-
AI数据中心可将废热再利用于温室
作者批评了当前AI数据中心的冷却方法，即废热被直接排放到大气中，消耗大量水资源。他们提出了一种系统，可以直接从服务器机架捕获废热，并将其输送到温室进行商业食品生产，从而创造有价值的二次收入流并消除水资源浪费。该系统利用后门热交换器、热缓冲罐和热泵来高效地传输和利用AI硬件产生的稳定热量输出。
-
英国求职者对不人性化和令人羞辱的AI面试表达沮丧
一项最新调查显示，近一半的英国求职者经历过AI驱动的面试，其中相当一部分人因该技术而放弃了招聘流程。求职者形容这些面试尴尬、令人羞辱且不人性化，常常感觉像是在自言自语，没有人类互动或反馈。许多人对通用问题、严格的时间限制以及不确定其回答是否被审查感到沮丧，从而渴望在招聘过程中增加更多的人类参与。