Traba 部署 AI 面试智能体，提升工业用工规模

Traba 正在打造新一代工业供应链用工平台，致力于大规模为企业匹配经过筛选、合格的临时工。

为实现这一目标，Traba 开发了 Scout，一套直接集成到运营流程中的 AI 面试系统。Scout 目前每月在仓储、物流、制造等岗位完成超 5 万场面试，大幅减少人工工作量，提高匹配效率，实现各地区评估标准一致。

用工是工业供应链的瓶颈

虽然有数百万工人待岗，但繁琐的招聘流程让履约中心、物流枢纽和制造企业难以高效运转。

这些岗位需要资质审核，排班灵活多变，存在语言障碍，还要遵守各类合规要求，所有环节都拖慢了用工进度。

Traba 需要扩展规模，但又不能雇佣数千名招聘专员，因此急需一套高效、可靠的系统，加快工人筛选。

Traba 选择 ElevenLabs 的原因

2024 年底，实时 文本转语音 和 语音转文本 已可用于电话面试。Traba 开始测试多家供应商，目标是找到无需全流程自建、能支持先进对话式 AI 的合作伙伴。

ElevenLabs 提供了：

• 高质量音色：自然、多语种音色，让对话更像真人交流
• 低延迟：响应足够快，实时互动无卡顿
• 灵活可控：可调度多智能体，灵活调整提示词策略，直接集成到自有系统
• 简化流程：处理音频流程中的复杂环节，让团队专注自身业务

打造 AI 面试官

Scout 首发为单智能体架构，首个版本已能完成结构化面试、筛选候选人并输出有效评估。

Scout V1：

• 单语种：仅支持英语，覆盖有限
• 单智能体逻辑：一个 LLM 负责全部流程——自我介绍、问答、物流安排
• 固定问题集：按岗位预设问题，灵活性有限
• 基础评估：面试结束后一次性总结
• 人工接管：AI 给出初步建议，最终决策由人工完成

尽管架构简单，V1 已能并行处理数千通电话，立刻节省了大量时间。

扩展至 25 万通电话：提升深度、速度与一致性

到 2025 年 3 月，Scout 已完成超 1.7 万场面试，节省人工筛选时间超 1,400 小时。为应对旺季需求，系统升级为全自动运行。

主要升级包括：

多语种音色与动态切换

ElevenLabs 推出多语种支持，Scout 可根据用户偏好在通话中切换英语和西班牙语，覆盖更多工人群体。

多智能体协同

随着面试场景扩展，Traba 遇到模型效果下降问题。ElevenLabs 提供工具，将通话拆分给不同专用智能体——自我介绍、筛选、物流、FAQ 支持——对话中无缝切换。

去重面试逻辑

多岗位申请者常被重复提问。Traba 构建预处理流程，自动去除语义相似问题，每位候选人冗余问题减少 20%。

自定义评估体系

运营团队需要更灵活的评估方式。Traba 推出 Custom Scout，可为每个问题自定义“好答案”标准，评估结果更贴合客户需求。

真实反馈与提示词迭代

Traba 搭建内部提示词测试框架，实时收集反馈。通过 Langfuse 生成人工验证数据集，团队可对提示词进行 A/B 测试，快速大规模优化。

成果

Traba 的 AI 面试系统每月支持超 5 万场面试，平台 85% 的工人筛选已实现全自动化。每次对话平均 5 分钟，每月节省运营时长超 4,000 小时.

• AI 筛选工人排班完成率提升 15%，高于人工筛选
• 评估标准一致，覆盖不同岗位、班次和地区
• 缩短招聘周期，结构化评估助力决策
• 筛选流程可扩展，全天候运行，几乎无需人工介入

通过持续优化问题库、评估逻辑和通话流程，Traba 实现了规模化与结果质量的同步提升。

未来规划

Traba 计划上线智能体引导的入职流程、视频问答、工时处理，以及多模态 LLM 情感识别。同时还在开发智能体自我优化提示词，利用数据自动改进面试设计。

在整个过程中，Traba 持续与我们合作，共同打造新一代 Agents 平台，不断拓展复杂真实场景下的语言智能边界。