Hirely把招聘流程砍到5分鐘，Notion成了HR的隱藏外掛

1000份簡歷涌進來，950份沒人看。剩下的50份里，一半根本不合適。這不是人才短缺，是信號徹底丟失。

這就是大多數公司招聘的真實畫面。候選人花45分鐘填表，3天后被 ghost。HR 在日歷迷宮里找時間面試，最后憑直覺拍板。整個系統靠運氣運轉。

5分鐘面試，0次人工調度

Hirely 的做法很直接：把崗位發到 Notion，候選人收到鏈接，AI 直接進行一場 5 分鐘的實時面試。問題完全根據你的崗位要求動態生成。

第二天醒來，你看到的是一份排名列表。每個候選人帶著 Match Score（匹配分數），技能缺口、薪資適配度、風險標記全部自動寫進 Notion 數據庫。

沒有排期、沒有表格、沒有簡歷堆。

你的時間只花在真正匹配的 5 個人身上，而不是在 995 個噪音里打撈。

這套流程的底層是 Next.js 架在 Vercel 上，n8n Cloud 負責自動化，Notion 通過 MCP（模型上下文協議）充當唯一數據庫，OpenAI 生成面試內容。沒有復雜的 HR SaaS 訂閱，沒有數據孤島。

聊天就能招完一個人

Hirely 的另一面是徹底的無界面化。任何接入了 Notion MCP 的聊天機器人都能完成全套操作。

說一句"招一個 3 年經驗的 Node.js 開發"，崗位頁面自動生成。過兩天問"匹配度 80% 以上的候選人有哪些"，直接拿到篩選名單——全程不用打開任何儀表盤。

這對技術團隊尤其順手。Notion 本來就是他們的文檔中心，現在連招聘管道也并入了同一個信息空間。候選人數據、面試記錄、評分卡片，全部可查詢、可關聯、可追溯。

傳統 ATS（申請人追蹤系統）的問題在于：數據進去就出不來，像黑洞。Hirely 把 Notion 變成了透明的操作臺，每個決策都有上下文。

AI 面試官到底在測什么

關鍵問題是：5 分鐘能問出什么？

Hirely 的設計是動態探針。AI 根據崗位描述實時調整問題深度，不是固定題庫。技術崗會追問實現細節，文化適配則通過情景模擬探測。所有回答被結構化提取，生成可對比的評分維度。

這不是要取代終面，而是把篩選層從"人力密集型"變成"算力密集型"。人類面試官終于可以從重復勞動里解放出來，去做只有人類能做的事：判斷化學反應、識別潛在、談判說服。

開發者在提交文檔里寫得很直白：「大多數招聘團隊沒有人才問題，他們有信號問題。」Hirely 本質上是一個信號放大器，用結構化數據替代直覺噪音。

Notion MCP 的隱藏玩法

這個案例的真正看點，是 Notion MCP 的邊界被推到了哪里。

MCP 是 Anthropic 推出的開放協議，讓 AI 應用能直接讀寫 Notion 頁面和數據庫，像操作本地文件一樣自然。Hirely 把它用成了招聘基礎設施：崗位是頁面，候選人是數據庫條目，面試記錄是嵌套內容。

這意味著什么？招聘流程變成了可版本控制的文檔。你可以分叉一個崗位描述做 A/B 測試，用 Notion 的關聯功能追蹤候選人從投遞到 offer 的全鏈路，甚至把面試數據同步到產品需求文檔里——如果招的是產品經理的話。

傳統 HR 工具把流程鎖死在封閉系統里。Hirely 選擇把流程攤開在 Notion 的白紙上，讓團隊用自己的方式組織信息。

目前 Hirely 已上線（hirely-tan.vercel.app），配套有完整的 Notion 集成指南。從描述看，這更像一個概念驗證級別的產品，但架構思路很清晰：用現有工具鏈的最小組合，解決一個具體痛點。

對于已經深度使用 Notion 的中小團隊，這種"不增加新系統"的方案可能比企業級 ATS 更討喜。畢竟，多一個訂閱就多一個數據孤島，而孤島是信息時代最大的招聘成本。

如果 AI 面試官的評分和你的終面判斷長期偏離，你會校準 AI，還是懷疑自己看人的眼光？