AI招聘智能体怎么配、配置要花多久、上线之后要不要专人盯——这类问题在购后阶段出现得比想象中多。有企业把工具买回去两周，问的第一句是「配置在哪」，第二句是「配好了怎么知道有没有用」。
这两句背后是同一件事：智能体不是装上就能干活的，它要你先给材料。给得清楚，它像个熟练的同事；给得含糊，它比机器人还慢。
四步路径写在这篇里，全程不需要技术背景，一个岗位从动手到跑起来，按天算，不按月算。每一步拆到「做完是什么样」：做完第二步，手里有一份能核事实的岗位说明；做完第三步，有一份四到六条的问题清单；做完第四步，有一个能导数的后台。
一、先想清楚让它接哪一段
上手之前先回答一个问题：这个智能体在你的招聘流程里接哪一段？
是接答疑——候选人反复问的那几十句？是接初筛——把咨询的人核一遍事实？还是接邀约——把约面的来回拉扯压成一条消息？
三段都想要是常见想法，但第一次上手别这么干。挑一段就够，挑的标准是：这段的重复度够高、判断标准你能说得清。重复度高，工具的价值看得见；标准说得清，配起来不返工。
很多企业卡在第一步就选了「都想让它干」，结果材料准备了一半，哪段都没跑通。选一段、跑通、再看下一段，这条路快得多。
挑哪一段还有个参照：你被什么问题烦得够呛。天天答重复问题的，接答疑；简历不少但都核不清的，接初筛；约了改、改了没下文的，接邀约。烦什么，先接什么——烦得越具体，标准就越说得清，配起来就越不容易返工。招聘云在陪企业跑这一段时看到的共同点是：上得快的团队，不是买得早，是第一段选得小。
二、第一步：把岗位说明写到位
智能体干活靠什么？靠你给它的岗位说明。它往下追问的每一个问题，都是从这份材料里长出来的。
所以第一步不是研究功能，是检查JD写得够不够清楚。怎么算清楚，看四样：
职责写的是活，不是形容词。「负责仓储日常管理」是形容词，「管两千平仓库、六个人的班、一天进出三四百单」是活。前者智能体没法顺着问，后者能长出三四个具体的追问。
薪资有口径。区间多少、底薪绩效怎么拆、试用期和转正一不一致。口径没定，它答薪资只能含糊，含糊一次，候选人心里就记一次。
硬条件列出来。班次怎么排、在哪个片区、要不要倒夜班、五险什么时候开始交——这些是候选人拿来自查的门槛，也是它核事实的清单。
地点写能核对的东西。写到「X号线Y站C口出步行八分钟」，别只写园区名。
材料含糊不是它的问题，是你的问题——输入写得越含糊，它问出来的东西越没法定性。这一步花两个小时，比上线后返工两周划算。
写的时候有个省事的办法：把上一个干得好的人叫过来，让他把一天从头讲到尾。他讲的每件具体事——几点开第一趟车、交接要对哪些数、月底盘点累在哪——都是JD里该写的活儿。照着人写岗，比照着模板写岗清楚一个量级。
三、第二步：把初面要核的问题配一次
岗位说明是它的知识，初面问题才是它的动作清单。这一步要企业自己定，而且只能企业自己定——什么样的人算合适，工具没法替你判断。
配问题的方法不复杂，从主诉倒推：
招不到人的岗，问题先核门槛。仓管岗就问四样：管过多大的库、一天进出多少单、用过什么系统、能不能接受夜班。四个答案落成字段，够筛掉大半不合适的。
来的人不合适的岗，问题先核经历。对方说做过两年，就顺着问规模、问量、问工具——答得出细节的，多半真干过；含糊带过的，记下来交给面试再核。
约不上面的岗，问题里直接带时段。不问「你哪天方便」，问「周三下午两点和周四上午十点，哪个行」。
注意一件事：这些初面问题是人工配置的，但话术不是。问题定下来之后，模型会照着岗位说明现场组织语言，追问跟着候选人的回答走——对方答含糊，它就换个角度再问一次。你配的是「核什么」，不用配「怎么说」。
问题配几条？经验是四到六条。少于四条核不出差别，多于六条候选人答到后面就疲了。顺序也有讲究：先问门槛类——能不能接受夜班、那个片区住不住得惯；再问经历类。门槛不过的，后面不用问，双方都省时间。
这套问题配完是能反复用的：同工种的岗，改几个数字就能挪过去，不用每次从零写。
四、第三步：让它跑起来，人只看两处
配完上线，这一步企业容易走两个极端：要么天天盯后台，要么撒手不管。都对了一半——该看的是两处，不用多。
第一处：转人工的口子。它答不了、答不准、候选人明确要找人的情况，必须有人接。接的人要能拿到上下文——候选人是谁、聊到哪、卡在哪——不然候选人要把说过的话再讲一遍，等于白问。这个口子配好，后面就不用天天盯。
第二处：字段落位。它核出来的事实——期望薪资、可到岗时间、能接受的班次——有没有落成一条条记录。落了，这些记录后面能排序、能筛选、能复用；没落，全在聊天记录里，等于白核。
还有一种情况提前想好：它核出来的人不合标准，怎么办？把不合标准的也留住——这次不合适，记录在库里，下次同工种开招先翻库再发单。核过的人是有资产的，扔了等于白核。
这两处各看十分钟，比盯一天后台有用。看顺了之后，一周扫一次就够。
五、第四步：两周后看三个数
上线不是终点，两周后拿数说话。
首次响应平均时长——候选人咨询到第一次有人（或工具）接。这一段变化来得快，跑起来第一周就该往下走。
约面转化率——聊过的人里多少约上了。它能反映初面问题配得对不对：问在点子上的人，才愿意往下走。
到面率——约上的人里多少真来了。它反映的是邀约给时段的方式对不对，以及岗位信息有没有把预期说到位。
三个数只跟自己的上个月比。两周的样本不大，看趋势就够，别急着下结论——上工具的判断周期按月算，不按天算。
数字不好看的时候别急着下结论，先分清楚是工具没跑起来还是预期定高了。响应时长降了、约面没涨，问题可能不在初面在邀约；约面涨了、到面没涨，回去看时段给得合不合适。三个数是联动的，单看一个会误诊。
六、跑顺之前，三件事别忘
岗位信息变了要同步。薪资调了、班次改了、地点换了，岗位说明要跟着改。它照着材料说话，材料是旧的，说出来的就是旧的——这一条是智能体和企业之间容易脱节的地方。
对外口径要统一。招聘网站上写一个版本、聊天里答一个版本、现场面试又是一个版本，工具再准也补不上这个裂缝。上线之前先把口径对齐一遍。
别一次铺满全部岗位。先挑一个常挂的岗跑两周，把上面四步走顺，再往别的岗复制。同工种的岗复制起来很快，第一枪打歪了再调，代价小得多。
还有一件配套的事：留一个「哪里别扭」的通道。一线的人用着别扭——问题问得生硬、时段给得不合适——得有地方报上来。配置是配出来的，也是改出来的；两周里攒下来的别扭清单，往往比任何评估表都准。
七、这一段，AI招聘系统怎么接
把四步摊开看，会发现企业要自己动手的就两件：写清楚岗位说明、定好初面问题。剩下的是它该干的：照着材料组织话术、顺着回答往下追问、核到的事实落成字段、约面的时段批量给出去、没回的人按节奏再触达。
把四步摊开看，会发现企业要自己动手的就两件：写清楚岗位说明、定好初面问题。剩下的是它该干的：照着材料组织话术、顺着回答往下追问、核到的事实落成字段、约面的时段批量给出去、没回的人按节奏再触达。这也是智能招聘系统和普通机器人软件的分界：系统能把「核—记—约—追」串成一条线，机器人只负责其中那几句。
拿AI小职智能体来说，它是生成式的——企业配好初面问题之后，话术由模型现场生成，不需要先写一套话术库；岗位说明改了，它跟着改，不用挨条更新模板。核出来的期望薪资、可到岗时间、班次接受度落成字段，邀约和复用都从字段走。
招聘量波动大的团队还有另一条路：云生闪聘按有效到面或到岗结算，来了算数再付费，固定成本先不背。
八、什么样的岗位适合先试
不是每个岗位都适合当第一个实验对象。挑的时候看三点：
常挂的岗。常年招的岗位，问题配一次能一直用，试错的时间摊得开。
咨询量大的岗。一天几十条咨询的岗，响应时长的变化一周就能看出来，反馈快。
门槛说得清的岗。班次、证、经验年限能列出来的岗位，初面问题好定；那种「要悟性」「看眼缘」的岗，问题定不出来，别拿它当第一个。
反面也一样：急招到火烧眉毛的岗别当试验田——第一遍流程没跑顺，误伤的候选人找不回来。
拿不准的话，看这个岗近一个月进来多少条咨询：超过一百条的，值得第一个上AI招聘工具；就十几条的，先等等再算这笔账。
九、今天下午就能做的一件事
挑一个常挂的岗，花一个小时把岗位说明按第二节那四样改一遍：职责写活、薪资定口径、硬条件列全、地点写能核对的。
改完问自己一个问题：这个岗位要核的四件事，能不能一口气说出来？说得出来，初面问题就有了，智能体接上去就有东西可问；说不出来，先把这四件事想清楚——这才是配置里真正的活。
智能体不是买来的，是喂出来的。你给它的材料有多清楚，它就有多能干。
