Traba 部署 AI 面试智能体,扩大工业用工规模
- 发布时间
Traba 正在为工业供应链打造新一代用工平台。其使命是大规模为企业匹配经过审核、符合资质的临时工。
为实现这一目标,Traba 打造了 Scout,一套直接集成至运营流程的 AI 面试系统。Scout 目前每月为仓储、物流和制造岗位完成超过 50,000 场面试,减少人工工作量、提高岗位匹配率,并在各地区提供一致的评估。
用工是工业供应链的瓶颈
尽管有数百万工人准备上岗,高摩擦的招聘流程仍阻碍履约中心、物流枢纽和制造商实现最高运营效率。
这些岗位需要资格审核。排班各不相同。还存在语言障碍,且必须遵守监管要求。这些因素都会拖慢用工流程。
Traba 需要在不招聘数千名招聘人员的前提下扩大规模。他们需要一套一致、可靠的系统,更快评估工人是否适合岗位。
Traba 为何选择 ElevenLabs
到 2024 年末,实时 文本转语音和 语音转文本已可用于电话面试。Traba 开始测试供应商,目标只有一个:找到能够支持高级对话式 AI,同时无需掌控整个管线的合作伙伴。
ElevenLabs 提供:
- 高质量音色:自然的多语言音色,让对话更像真人交流,而非机器人。
- 低延迟:速度足以支持实时交互,避免尴尬的停顿。
- 灵活性与控制力:可编排多个智能体、尝试不同提示词策略,并直接集成到其系统中。
- 降低复杂性:处理音频管线中棘手的部分,让他们专注于独特的 workflow。
打造 AI 面试官
Scout 最初采用单智能体架构。首个版本证明,AI 能够进行结构化面试、筛选候选人,并返回实用的评估结果。

Scout V1:
- 单语:仅支持英语,覆盖范围有限
- 单智能体逻辑:一个 LLM 处理所有环节——开场、问答、物流
- 静态问题集:按岗位预设问题,灵活性有限
- 基础评估:在面试结束时通过一次性摘要提示词进行评估
- 转交人工:AI 提供方向性信号,由人工做出最终决定
尽管设计简单,V1 仍能并行处理数千通电话,并立即节省时间。
扩展至 250,000+ 通电话:兼顾深度、速度与一致性
截至 2025 年 3 月,Scout 已完成超过 17,000 场面试,节省逾 1,400 小时人工审核时间。为应对季节性需求高峰,系统经过重构,可自主运行。
主要升级包括:
多语言音色与动态切换
ElevenLabs 推出多语言支持,让 Scout 可根据用户偏好在通话中切换英语和西班牙语。这让此前服务不足的一部分工人也能使用该系统。
多智能体编排
随着面试上下文不断扩展,Traba 遇到了模型性能下降的问题。ElevenLabs 提供工具,将通话拆分给不同专业智能体处理——开场、审核、物流和 FAQ 支持——并在对话中实现无缝切换。

去重面试逻辑
申请多个岗位的工人会被重复询问相同问题。Traba 设计了预处理管线,对不同面试中语义相似的问题去重。这样每位候选人的冗余问题最多减少 20%。
自定义评估框架
运营人员需要对评估拥有更多控制权。Traba 构建了 Custom Scout,这一框架可针对每个问题定义何为“好”答案。评估结果如今可匹配每位客户的独特标准。
真实反馈与提示词迭代
Traba 开发了内部提示词测试框架,配备即时反馈闭环。团队通过 Langfuse 生成经人工验证的数据集,可根据真实表现对提示词进行 A/B 测试,实现大规模快速迭代。
成果
Traba 的 AI 驱动面试系统如今每月支持超过 50,000 场面试,且平台内所有工人审核中,85% 已实现全自动化。平均每次对话耗时 5 分钟,每月可节省超过 4,000 小时运营人员工时。
- 与人工筛选相比,经 AI 筛选工人的班次完成率高出 15%
- 在不同岗位、班次和地区提供一致的评估
- 通过结构化、可支持决策的评估缩短招聘周期
- 可扩展的审核层可 24/7 运行,只需极少人工介入
通过持续反馈优化问题库、评估逻辑和通话流程,Traba 构建了一套可扩展且能提升结果质量的系统。
下一步计划
Traba 的路线图包括由智能体引导的入职流程、基于视频的问答、工时表处理,以及通过多模态 LLM 进行情绪检测。他们还在开发由智能体驱动的提示词优化,利用性能数据训练智能体,自主优化面试设计。
在这一过程中,Traba 将继续与我们合作,共同开发下一代 Agents Platform,推动复杂真实 workflow 中语言智能的边界。
Jack Piunti focuses on Enterprise GTM and Partnerships in the U.S. Previously he was a senior account executive at Twilio.





