Perfectly：TikTok 推荐算法团队做的 AI 猎头，能把招聘从 5 个月压到几天

2026-03-16 | ProductHunt | 官网 | YC W26

截图解读：Perfectly 的核心卖点一图说清 —— 4 倍更快招聘（传统 5 个月 vs 几天）、10 倍候选人量（AI 的“无限记忆”同时筛选海量人才池）、2 倍面试通过率（校准匹配意味着你的工程师只和真正合适的人聊）。底部小字还藏着两个狠数据：20 倍效率提升和 250% 候选人留存率。

30 秒快速判断

这 App 干嘛的：三个前 TikTok 推荐系统工程师做的 AI 猎头。你花 5 分钟语音说清要什么人，AI Agent "Paul" 当天就把 5-10 个面试就绪的候选人丢到你的 Slack 里。不是 SaaS 工具，是直接替代猎头公司。

值不值得关注：值得关注但谨慎使用。YC W26 背书 + 团队背景扎实（TikTok/Meta 推荐系统）+ 客户反馈不错（有人 2 周内解雇了所有传统猎头）。但产品极新（2026 年刚成立），PH 只有 4 票说明还没出圈，长期效果待验证。如果你是融资阶段的初创公司急着招人，值得一试；如果招聘需求不急，可以先观望。

与我有关三问

与我有关吗？

• 目标用户是谁：需要快速招聘技术人才的初创公司创始人和 HR 负责人，目前主要服务 YC 生态圈
• 我是吗：如果你正在为招不到合适的工程师发愁，或者对猎头公司的速度和质量不满意，你就是目标用户
• 什么场景会用到：
  • 融了 A 轮需要在 3 个月内搭建 5 人技术团队 → 用这个
  • 急招一个资深工程师但猎头推的人总是不对路 → 用这个
  • 大公司成熟招聘流程，每年招几百人 → 目前不太适合，产品还在早期

对我有用吗？

ROI 判断：如果你目前在用传统猎头，切换到 Perfectly 可以省一半费用还快 4 倍，ROI 很划算。但如果你用的是每月 99 美元的 Juicebox 自己搜人，那 15-25% 年薪的价格就贵很多了 —— 取决于你的时间值不值这个差价。

喜闻乐见吗？

爽点在哪：

• Voice-to-Stack：不用填表格，像和同事聊天一样说 5 分钟，AI 就懂了你要什么人。PH 用户说这是“极大的时间节省”
• Slack-Native 交付：候选人直接出现在 Slack 里，不用开新平台、学新工具

“哇”的瞬间：

“因为 Perfectly 的速度太快，我们停用了 Paraform 并取消了 Juicebox 的订阅。” —— Caleb，某 A 轮隐身初创公司

用户真实评价：

正面：“有客户开始用 Perfectly 两周后，直接解雇了所有其他招聘机构” —— 官方案例 质疑：“冷启动问题怎么解决？新客户没有历史反馈时，匹配质量能保证吗？” —— PH 评论用户

给独立开发者

技术栈

截图解读：Paul 的三大核心能力 —— 语音需求录入（不需要填表）、TikTok 级别的匹配算法（用 TikTok 级别的推荐算法做匹配）、Slack 原生交付（候选人直接送到 Slack）。

• 核心引擎：大规模推荐系统，和 TikTok 的内容推荐同一套思路 —— 不是搜索问题，是排序问题
• AI Agent: Paul（招聘端）+ Parker（候选人端）
• 匹配方式：建模“什么样的候选人会成功”，按面试和工作表现的预测来排序
• 语音处理：Voice-to-Stack，5 分钟语音简报转化为技术需求
• 交付渠道：Slack 集成
• 候选人端：Parker 通过 iMessage/WhatsApp 连接候选人
• 基准测试：Exa People Search Benchmark 得分 96.9%（工程师+销售，旧金山/纽约）

核心功能实现

本质上是把 TikTok “猜你喜欢”的推荐算法搬到了招聘场景。传统猎头用关键词匹配简历，Perfectly 用连续校准（continuous calibration）—— 你面了几个人，告诉 Paul 谁好谁不好，它就越来越懂你的口味。和 TikTok 刷视频越刷越准一个逻辑。

开源情况

• 开源吗：否，完全闭源
• 类似开源项目：GitHub 上有 AI-Recruitment-Agent（基于 AutoGen 的多 Agent 招聘系统），但功能差距很大
• 自己做难度：极高。核心壁垒不是代码，是推荐算法的训练数据和校准模型。预计 3-5 人团队 6 个月起步，还不一定能做到同等匹配质量

商业模式

• 变现方式：按成功招聘收费（风险代理制），年薪的 15-25%
• 定位：不是 SaaS，是 AI 原生的猎头公司
• 客户量：已服务 Giga, Corgi, LlamaIndex, Porter, Mintlify 等初创公司

巨头风险

LinkedIn 已经在做 AI 招聘功能，但 LinkedIn 本质是平台+工具，不是猎头服务。真正的威胁来自两个方向：(1) 传统大猎头（Robert Half、Hays）如果接入强 AI 能力；(2) GoPerfect 这样融了 2300 万美元的同赛道 AI 公司。短期内 Perfectly 的推荐系统经验是护城河，但这个护城河能撑多久取决于数据飞轮转得多快。

给产品经理

痛点分析

• 解决什么问题：招聘慢、候选人质量差、猎头贵
• 痛点有多痛：极痛。创始人说在 TikTok 做了 800 多次猎头面试，结果是“精疲力竭”。对于融资后急需搭团队的初创公司，每多等一个月就是在烧钱

用户画像

• 核心用户：YC/硅谷初创公司创始人、CTO，B 轮以下
• 次要用户：成长期公司的 HR 负责人
• 使用场景：拿到融资后 3 个月内需要招 5-10 人的技术团队

功能拆解

竞品差异

截图解读：Paul 会并排对比候选人，从中发现你最细微的招聘偏好。不是简单的“达标/不达标”，而是理解你为什么觉得 A 比 B 好。

可借鉴的点

1. Voice-to-Stack：用语音替代表格填写，大幅降低客户需求录入摩擦。任何 B2B 产品都可以学这个思路 —— 让客户说人话，AI 来结构化
2. Zero-UI 交付：不强迫用户学新工具，候选人直接出现在他们已经在用的 Slack 里。“最好的产品是让你感觉不到它存在的产品”
3. 把招聘重新定义为推荐系统问题：这个框架本身就很有启发。很多 B2B 服务本质上都是匹配问题（律师匹配、设计师匹配等）

给科技博主

创始人故事

• 创始人：Victor Luo（二次创业者）、Zhuang "Gary" Luo、Huimin Xie
• 背景：三人都是 TikTok/Meta 的机器学习科学家，专长是大规模推荐系统
• 为什么做这个：在 TikTok 内部经历了 800 多次猎头面试的痛苦。作为 AI 推荐系统专家，他们很清楚这个问题 AI 能解决 —— 但市面上没人用对方法。大家都在做“更快的搜索”，没人做“更准的匹配”

争议点/讨论角度

• 角度 1 —— AI 会不会让招聘更“没人情味”？ Twitter 上有 HR 负责人说“AI 并非完美，AI 招聘会漏掉很多合格候选人”。这是一个值得展开的辩论
• 角度 2 —— 推荐算法的偏见问题：TikTok 的推荐算法因为“信息茧房”被批评，用同样的思路做招聘，会不会只推荐“看起来像现有团队”的人？
• 角度 3 —— 15-25% 的“AI 猎头”合理吗？ 如果 AI 做了 90% 的工作，为什么还要收传统猎头一半的价格？这个定价策略背后的逻辑

热度数据

• PH 排名：仅 4 票，基本没有 PH 热度
• Twitter 讨论：几乎为零，产品太新
• YC 背书：W26 batch，LinkedIn 上有 YC 官方推广
• 整体判断：处于“半隐身”阶段，还没开始大规模推广

内容建议

• 适合写的角度：“TikTok 推荐算法团队转战招聘行业”这个故事有天然的传播力
• 蹭热点机会：AI Agent 替代传统行业（猎头）是 2026 年热门话题，可以作为案例研究

给早期采用者

定价分析

说白了没有免费试用 —— 你用了，招到人了，付钱。没招到不用付。对初创公司来说这个模式风险很低。

上手指南

• 上手时间：约 50 分钟（45 分钟深度需求沟通 + 5 分钟语音简报）
• 学习曲线：极低。你不需要学任何工具，候选人直接出现在 Slack
• 步骤：
  1. 联系 Perfectly 团队，安排 45 分钟需求沟通会
  2. 录 5 分钟语音简报描述你要什么人
  3. 当天在 Slack 收到 5-10 个候选人
  4. 面试后给 Paul 反馈，它会越来越准

坑和吐槽

截图解读：Paul 的候选人签约三步走 —— 理解候选人顾虑、和招聘经理协商、搞定候选人。这个流程说明 Perfectly 不仅负责搜人，还管候选人关系。

1. 太新了：2026 年刚成立，长期效果完全未知。你可能是小白鼠
2. 冷启动：第一个角色的匹配质量可能不如有了几轮反馈后的准。PH 上有用户明确问了这个问题，官方没有清晰回答
3. 隐私政策不透明：官网上没有找到详细的数据处理和隐私政策说明。如果你的招聘涉及敏感角色，这是一个顾虑
4. YC 生态圈泡泡：目前客户都是 YC 初创公司，出了这个圈能不能行还不知道

安全和隐私

• 数据存储：未公开披露
• 隐私政策：官网未找到详细说明
• 合规：未提及 GDPR/CCPA 合规（竞品 GoPerfect 有明确提及）
• 风险评估：对于涉及敏感招聘数据的场景，建议直接询问团队

替代方案

给投资人

市场分析

• AI 招聘市场：2026 年约 7.52 亿美元，预计 2030-2035 年达 11-14 亿美元（年复合增长率 6.8-7.4%）
• 更广泛 AI HR 市场：2026 年 62.5 亿美元（年复合增长率 24.8%）
• 在线招聘技术总市场：2026 年 174.8 亿美元
• 驱动因素：93% 的招聘人员计划 2026 年增加 AI 使用，AI 可为招聘人员每周节省 25 小时

竞争格局

时机 (Timing) 分析

• 为什么是现在：(1) LLM 能力成熟到可以做端到端的候选人筛选和培育；(2) “AI Agent 替代服务业”是 2026 年最热叙事；(3) 传统猎头行业效率极低、定价不合理，是 AI 颠覆的典型场景
• 技术成熟度：推荐系统技术本身已成熟（TikTok/Meta 验证过），应用到招聘是迁移而非创新
• 市场准备度：初创公司端接受度高（已有 YC 客户证明），企业端还需时间

团队背景

• Victor Luo：二次创业者，前 TikTok 机器学习科学家，弗吉尼亚大学毕业
• Zhuang "Gary" Luo：前 TikTok/Meta 机器学习工程师
• Huimin Xie：前 TikTok 高级机器学习科学家
• 团队规模：3 人
• 过往成绩：三人合计在 TikTok/Meta 推荐系统团队有多年经验，Victor 是二次创业

融资情况

• 已融资：YC W26 batch（标准 50 万美元）
• 其他融资：未公开
• 注意：GoPerfect（同名但不同公司）融了 2300 万美元种子轮

结论

一句话最终判断：Perfectly 是一个有强团队背景（TikTok 推荐系统）和清晰定位（AI 猎头取代传统猎头）的早期产品，但极度早期 —— 适合作为 YC 生态圈内初创公司的“试试看”选项，不适合作为唯一招聘渠道。

资源链接

2026-03-16 | Trend-Tracker v7.3 | 数据来源：ProductHunt, YC, LinkedIn, HireTOP, X/Twitter, Exa