Resurface
Score any resume against any job, with quoted evidence
概述
Resurface 是一个面向招聘工具的简历筛选 API，把职位描述与简历（PDF/DOCX/HTML/TXT）自动比 对，输出 0–100 匹配分、每个筛选问题的判定结论以及支撑该结论的简历原文出处，解决招聘初筛靠人工逐份看简历、耗时长且难以标准化的问题。
创新点
核心不在“用 LLM 读简历”这件事本身，而在于把流程拆成了两段：LLM 只负责一次性生成筛选问题（每份 JD 一次），之后所有简历的判定交给一个分类模型（TypeSafe Jev）完成。这带来两个可量化的结果——速度提升 8 倍、成本降低 31 倍，并且天然缓解了招聘场景最敏感的合规问题：同一批候选人用同一套确定性标准打分，比每次让 LLM 自由生成评价更可复现、更易审计。另一个差异化点是“带原文引用的判定”，即每条结论都回指简历中的具体行，让自动化的结果可以被 recruiter 快速复核，而不是给出一个无法追溯的黑箱分数。
目标用户
一类是 B 端开发者——ATS、招聘 CRM、人才测评平台等想把简历打分能力嵌进自家产品的工程团队，他们是真正的付费方；另一类是中型以上企业的 HR/TA 团队，人手不足以逐份人工精读时用来自动化初筛。小团队与个人招聘者靠免费额度即可试水。
竞争格局
赛道拥挤且分层明显。向上有 LinkedIn、Indeed 等自带匹配能力的大平台，向下有大量“AI 简历筛选”成品工具（如面向 HR 的套件型产品），横向还有开发者自己接 GPT/Claude API 拼一个 prompt 的廉价替代方案。Resurface 的护城河在于成本与速度的数量级优势、以及把能力做成 API 而非终端产品——它卖的是给别人的招聘产品当零件，而不是和 ATS 厂商抢最终用户。风险也同样明显：分类模型需要持续用真实招聘数据训练，创业公司早期很难拿到足够标注样本；一旦准确性被质疑，招聘场景只有零容错。目前 Product Hunt 仅 4 票、1 条评论，说明仍处于极早期，尚未验证市场对“API 形态”的真实需求。
标签
团队
- Dolev Hayut — Building POPRIX · founder at Dynovate
相关产品
OpenAI's most capable model for end-to-end work
Anthropic's most capable model ever — free until June 22
Fast, capable computer use at half the price
Google's image model with sharper design and mask editing
Frontier AI intelligence, now at half the price
Google's AI map of every possible human DNA mutation