# 蓝领招聘预约案例
# 综述
针对人力资源外包公司在招聘过程中面临的大量简单重复的沟通预约工作、人工成本高等问题，我们提出了一套基于AI客服的解决方案。该方案通过接管企业微信号，利用AI Agent主动服务引擎和大模型能力，实现7×24小时自动与候选人沟通，显著降低人力招聘成本。具体方案包括：
- 接管企业微信账号，AI自动回复：AI客服接管企业微信号，代替员工与候选人对话，完成面试预约工作。
- AI Agent主动服务引擎：跳出一问一答的模式，能够主动发送消息介绍信息，推动预约面试目标，并在判断候选人不合适的情况下中止对话。
- 大模型能力合理应用：AI员工具有HR人设，能够合理应对用户的各种询问，并在闲聊时保持稳定风格。
- 从细节处还原真人对话效果：识别候选人发送的语音信息和表情包，基于这些信息进行合适的回复。
- 发送门店定位：根据候选人描述的位置，发送最近的门店定位。
AI接管后，我们不仅提高了沟通效率，还显著降低了人力成本，解决了客户的核心痛点。通过AI Agent主动服务引擎和大模型的合理应用，使客户的面试预约流程变得更加高效和智能，极大地提升了工作效率。
# 一、客户场景
- 客户：人力资源外包公司，头部餐饮企业的人力资源服务商
- 主要业务：帮助客户进行门店员工招聘
- 背景情况：几百人的服务团队，从BOSS直聘等招聘网站加到候选人微信，微信中沟通邀约面试，每个月要预约面试上千人，人工沟通的工作量极大
# 二、客户痛点
- 大量简单重复的沟通预约工作，成为公司最大的成本
- 竞争环境激烈，人力成本成为核心竞争要素
- ……
如何降低人力招聘成本，是客户核心需要解决的问题
# 三、解决方案
为了解决客户的痛点，我们需要训练一个人力资源的AI客服来接管客户的企业微信号，自动与候选人进行沟通。在招聘邀约流程中，通过和候选人交流，介绍岗位要求，获取候选人信息，确定满足岗位要求后，让候选人填写登记信息，然后生成正式的面试邀约，其中需要注意的关键点是：
- 能够主动介绍岗位工作信息
- 根据候选人地点，推荐合适的门店
- 一些关键信息的告知，比如健康证
- 一些关键信息的介绍，如宿舍，工资，工作环境，工作空间等
- 能够收集候选人的信息，发起面试邀约和确认
- 一些闲聊信息，能够简单交流
为了满足上述关键点，我们的解决方案如下：
接管企业微信账号，AI自动回复
- 7×24小时接管，代替员工和候选人自动对话，完成发起面试预约的工作
AI Agent主动服务引擎
- 跳出一问一答的模式，能够主动发送消息介绍信息，推动预约面试目标
- 在判断候选人不合适的情况下，中止对话，不再预约面试
大模型能力合理应用
- AI员工具有HR人设，具有稳定的风格，尤其是在闲聊时能按照这个人设来回答
- 对于用户的各种询问都能够合理应对
从细节处，还原出真人对话的效果
- 识别候选人发送的语音信息，基于语音信息进行回答
- 发送并识别候选人发送的表情包，理解意思后，进行合适的回复
发送门店定位
- 能够根据候选人描述的位置，发送最近的门店定位
# 四、对话效果展示
- 完整对话流程
- 语音识别-效果展示
- 表情包识别-效果展示
# 彩蛋：详细技术方案
# 1.AI Agent主动服务引擎
我们通过自研的AI Agent引擎，可以进行对话的流程控制，通过prompt工程对用户意图进行识别，能够准确的进行不同节点的流转，分别进行不同内容的主动推送与回复。
以本案例为例，流程开始后，用户第一条消息进来，首先需要判断用户这条消息的意图是在回答我们的问题，还是在询问其他问题，完成判断之后，分别对应不同的指定话术进行回答。 回答完毕后，再进行一轮节点流转的判断，判断接下来往哪个节点去跳转。
例如，我们的打招呼话术是问用户“最近在找工作吗”，用户的第一句回复是：“是的”，我们设定的回复就是“嗯嗯好的呀”。 同时节点流转判断我们还没有跟用户沟通过以前的工作经历，所以我们就会跳转到一个主动消息的节点，主动再发送一条询问消息：“你以前是做什么工作的呀？”，这样就完成了一次回复和节点的跳转。
下次再等用户消息过来，我们就会判断，用户是否在回答自己之前是做什么工作的，如果回答了，我们就会继续按照指定话术进行回答，并向下一个节点流转。 如果遇到必要的信息，但是用户一直没有提供，而是一直在询问其他问题，我们就会停留在这个节点回答用户的问题，并通过follow up组件和timeout组件，继续追问用户的信息，保证流程的顺利推进。
# 2.FAQ切片
除了上述需要做复杂意图识别的场景外，还有很多常见的问题，可以更便捷的以FAQ切片的方式录入到系统，当用户的消息匹配度达到我们设定的百分比时，就能直接回复FAQ的答案内容，或让大模型进行参考回答。
（上图为本案例客户部分FAQ切片内容）
配置好FAQ切片后，我们可以在系统配置中调整匹配的百分比，以及搜索匹配的方式（向量搜索/模糊搜索），以适应调整最好的表现结果。
# 3.大模型兜底回复
通过上述两类核心动作，我们已经能够适应大部分的用户对话场景，能够自然流畅的使用指定的话术进行回复，并主动推动候选人预约面试。
但与候选人的对话过程中，特殊的对话场景是不可避免的，候选人可能会询问我们设定场景外的一些问题，甚至可能会有质疑和情绪，在这种情况下，光靠指定话术是不行的，所以我们在每个节点都设置了让大模型来做兜底回复，当候选人的消息超出了我们设定场景的范围，且FAQ切片也没有匹配到的情况下，我们会让大模型根据我们设定的角色身份进行回复，不仅能够覆盖剩余的场景，大模型的表现有时还会给我们惊喜。