对话完整度
建议回复前同步可见历史、渠道、参与者、时间、附件、招聘笔记、已有承诺和发送状态。
招聘 AI 实施
招聘 AI Agent 应该怎样与招聘顾问协作？
Agent 应该维护上下文和准备受控动作，而不是抹去招聘顾问判断。分开事实与推断，按照候选人和渠道定义权限，验证每次发送，保留隐私与公平复核，并让人工可以立即接管。
作者 Onyx Devs Lab · 发布 · 更新
上下文完整对话和最新候选人状态
发送控制草拟、批准、执行、验证
人工负责招聘政策、异常和接管
建立连接证据的候选人上下文
如果系统依赖不完整对话历史或过期假设，快速生成也不安全。
事实与推断
把事实字段连接到消息或授权记录；候选人意向、可入职时间、资历、薪酬或适配推断需要标记置信度和缺失信息。
隐私与公平
限制目的、收集、访问、保留、导出和敏感属性；测试排序、外联或建议是否造成没有依据的差别待遇。
控制每项对外动作
生成消息在身份、权限、状态和完成都经过验证前不等于已经发送。
权限模式
按照候选人、招聘顾问、渠道、消息类型、工作时间、频率和升级条件定义人工、Copilot 和有限 Autopilot。
安全发送
重新检查最新对话、核实收件人和内容、串行发送、执行幂等、遵守平台限制，并避免重复或过期回复。
验证与接管
回读已发记录，保留请求和结果，显示不确定性和失败，新上下文出现时暂停自动化，让顾问即时接管。
怎样分阶段设置顾问与 Agent 权限
梳理招聘政策
定义允许数据、寻访、筛选、外联、安排、拒绝、敏感决策、保留和问责招聘顾问。
建立上下文质量
测量对话完整、画像新鲜度、事实支持、缺失字段和同步失败，再测试回复。
以 Copilot 模式试点
要求批准、记录修改、验证发送、研究异常与候选人体验，并和现有流程比较。
只自动化狭窄动作
只有低风险重复动作才逐步提升权限，并配置限额、监控、撤销、公平复核和即时人工接管。
常见问题
Agent 应该自动拒绝候选人吗？
高影响雇佣决策需要严格法律、公平、证据和人工问责控制；更安全的默认方式是由合资格人员复核的决策支持。
什么是发送验证？
动作后回读平台记录，确认预期收件人、内容、时间和发送状态，而不是假设点击已经成功。
可以把推断候选人属性存为事实吗？
不可以。应该分开事实、推断、置信度、来源、到期和缺失信息，并限制敏感或不必要的推断。