产品简介

是什么

StandMeet 把压缩过程反过来做。你先建好一个知识库，记录你是谁、你真正做过什么；然后你自己——或者来访者——对它发起查询，AI 会用你的口吻作答，答案扎根于你自己说过的话，并带有引用出处。这是第一个可查询、网络原生的自我呈现系统——你的个人真相层，当有人问"这个人值不值得信、合不合适"时，AI 咨询的就是它。

语料库由你自己整理并推送（通过 MCP，或者同步你自己的笔记 vault），从不是抓取来的。把内容接入进来这个动作本身，就是信任边界；你没放进去的东西，永远不会被呈现出来。两条路把这条边界放在同一个位置 —— vault 同步只是把"做选择"的那一刻，从推送挪到了你到底写没写下来（thesis）。

第一个用户是你自己——一个架在你自己思维之上的外部大脑。别人来查询它是第二层的用途，招聘只是这层用途里的一种应用，不是主打的那个（见 boundaries）。

模式即角色

不是一个带四级权限的应用，而是四个共享同一语料库的应用，由提问者的身份来定框架：

• self（本人）——你自己的检索与草拟界面
• public（公开）——面向任何人的开放问答
• recruiter（招聘者）——评估场景，agent 会先按你的标准对他们做预筛
• friend（朋友）——随意、低正式度的探索

角色叠加在访问层之上：ACL 是"哪些内容可触达"这道硬墙；角色则是"哪些内容会被呈现出来"这层软性框架。

所有者侧

检索（"我对 X 是怎么想的？"）· 用你的口吻起草（消解核心痛点：不想重复自己已经说过的话）· 表达辅助 · 跨语料库综合 · 整理与可见性建议。

来访者侧

用你的口吻查询你（这是核心）· 会面请求，agent 会先按你的筛选标准（技术驱动的团队、真实的 IC 晋升路径、合适的阶段与规模）预筛提问者 · 契合度 / JD 匹配检查 · 随意探索。

两侧共通：答案都带引用出处，私密话题保持私密；连接了日历之后，来访者可以在对话内直接预约后续会面。所有者通过访问码（角色 + 配额）邀请他人，发布长文writings，并可用 skills / MCP 扩展 agent 的能力。

面向谁

那些第一印象就信息量大、风险也高，厌倦了被拉平取平均值的人——builder、创业者、研究者，那种会思考但不愿在 LinkedIn 上表演的人——以及正在打量他们的招聘者、投资人和合作者。它服务的是有网络的思考者，而不是求职者。

立场

反简历、反表演、反 AI 水化内容。要在 agent 的压缩过程中活下来，就必须具体且有主张，所以 StandMeet 承载的是情绪化营销会丢弃的那种有差异、可佐证的细节。不做 MVP 级的水货，做工匠级的版本。界面是排版化、克制的——Are.na / Stripe Press / Readwise Reader 那种路子，不是聊天应用：没有一来一回的对话气泡，没有炒作式的话术。