企業 AI Agent 怎麼建置？我們做過的 6 個真實 AI 員工（做什麼、接手什麼、踩過什麼坑）

它做什麼： 應徵者填完應徵表、做完人格特質測驗之後，AI 會照顧問實際在用的電訪流程跟應徵者對談，問動機、問經歷裡的數字、問會不會真的換工作、問猶豫點，最後產出一份初篩報告給真人顧問看。設了客戶硬性條件的職缺，AI 不會直接發面談連結，而是先進顧問的待審核清單，顧問核准才發。

它接手的工作： 顧問原本要對每一位應徵者打的第一輪電話初談。要不要推薦給客戶，還是顧問決定。

踩過的坑： 上線後量到應徵者講完話，AI 中位數要 53 秒才回，將近四成超過一分鐘。直覺是「提示詞太長」，但實測把提示詞砍掉一半，時間完全沒變；同樣長度、把任務換成「從清單挑一題」，只要 5 秒多。慢的是 AI 在「想」，不是在「讀」。 後來改成面談前先把 8 到 12 題跟追問擬好，對談時只做「回一句、照計畫挑下一題」，回覆時間降到 10 秒左右，問出來的題目反而更深。

另一個坑：有一次 AI 手上沒有收件信箱可以給應徵者，竟然自己編了一句「寄到我剛才留的信箱」。之後每一場面談都固定帶上收件信箱，並明確禁止它說「剛才留過」。人格測驗的分數也會給 AI 參考，但報告只准寫「建議顧問確認」，不准寫「他說謊」——測驗不是測謊。

它做什麼： 每 5 分鐘讀一次公司對外信箱，只讀不動（不標已讀、不刪、不回）。比對這封信是誰寄的：是約電話的回覆、開發客戶的回信、應徵者寄履歷，還是某個客戶的窗口——對得上就推到負責那條線的群組，對不上就只記錄、不吵人。

它接手的工作： 有人每天守著信箱、看完再轉給對的同事。

踩過的坑： 做這個的起因就是漏信——很多人不回系統寄信用的回覆地址，而是直接回公司信箱，結果好幾封重要回信沒人看到。建置時又踩到一個小坑：網頁信箱的主機名稱跟收信程式要連的主機名稱不一樣，照網頁上那個連會一直驗證失敗。還有，同一封信可能從兩個管道各收到一次，要用信件編號加寄出時間比對去重，不然同一封會通知兩次。

它做什麼： 依職缺條件上網搜尋可能的人選，整理成名單，並逐條對照職缺的必要條件給等級。

它接手的工作： 研究員第一輪找名單、篩名單的時間。要不要聯繫、怎麼聯繫，還是顧問決定。

踩過的坑： 一開始找回來的人「B 級」太多，顧問一看很多根本不對。追下去發現兩個原因：一是評分用加權總分，60 分就給 B，某一條必要條件不符也能靠其他項目分數拉上來；二是提示詞叫 AI「往同事、同公司擴張」，還給了「目標 10 到 20 位」——AI 就開始用公司推能力、為了湊數硬塞人。後來改成兩道關卡：沒有任何一個可查證的個人頁面就不收；必要條件逐條判斷「符合／不符合／不確定」，任何一條不符合，最高只能 C。

它做什麼： 應徵者上傳的履歷如果是整張圖片做成的 PDF 或手機照片，系統抽不到文字，就會自動把它轉成圖片，交給 AI 看圖轉錄成文字，存回資料庫，並在結尾註明「以上內容由 OCR 轉錄」。

它接手的工作： 顧問手動把圖片履歷一個字一個字打進系統。

踩過的坑： 只給 AI 看整頁圖的時候，海報型、設計感強的履歷字太小，轉出來錯字很多。後來改成整頁之外，再切成 2×2 或 1×3 的放大局部一起給，準確度才上來。另外兩台機器都會跑這支程式，要先「搶號」標記這份正在處理，不然同一份會被轉兩次。

它做什麼： 平日每天早上固定跑一次，每次系統部署完也會自動再跑一次，檢查後台最重要的幾件事：人選名單數量對不對、最新資料有沒有出現、頁面載入夠不夠快、報告有沒有讀到最新紀錄、排隊中的工作有沒有卡住。全部正常就安靜，有問題才私訊負責人。

它接手的工作： 原本是顧問自己用到一半才發現壞掉。老闆很明確地說過：不想再每次都是自己跟同事先發現系統壞了。

踩過的坑： 第一版就誤報了——它拿「資料庫裡的人數」跟「畫面上的名單數」比，但名單裡有一種合併過的卡片，兩邊算法不同，數字永遠對不上。巡檢的判斷規則必須跟系統本身的計數規則對齊，否則它會變成「放羊的孩子」，大家很快就不看它的通知了。

它做什麼： 老師把課程教材上傳後，學生可以直接問問題，AI 從教材裡找答案回答；另外有 AR 眼鏡與隱形眼鏡試戴、瞳距與臉型偵測、依臉型推薦鏡框，還有測驗。

它接手的工作： 讓學生課後也能對著教材問問題、用手機做試戴練習，不必等到上課或拿實體鏡架。

踩過的坑： 主機上的資料庫不支援向量搜尋的擴充套件，教材檢索改成在程式端自己算相似度；主機的硬碟重啟就清空，使用者上傳的鏡框照片一度只能存進資料庫。去背、臉部偵測、語音這些都改在使用者的手機或電腦上運算，不花 AI 費用，只有文字回答跟教材建索引會用到 AI。今年 10 月原本的雲端平台宣布停業，我們也把整套搬到了 Cloudflare，過程寫在〈Zeabur 要停業了，怎麼搬家？〉。

回頭看，這 6 個 AI 員工上線前後都走了差不多的路：

第一，先挑一件「每天重複、規則講得清楚」的事。 讀信分流、圖片轉文字都是這種，最快看到效果。

第二，先定義「什麼時候交給人」。 面談員遇到有硬性條件的職缺要先給顧問審；找人才只給名單不聯繫；巡檢有問題才找人。交棒條件沒寫清楚的 AI，不是不敢做事，就是做太多。

第三，上線後用真實資料量測，不要憑感覺修。 面談員慢的原因跟直覺完全相反，不量就會修錯地方。

第四，讓失敗看得見。 巡檢存在的意義就是這個——AI 員工自己也會壞，要有東西替你盯著。

想從 AI 客服開始的話，流程寫在〈AI 客服怎麼建置：從 FAQ 到轉真人，2 週上線的流程〉。如果你也想讓 AI 直接幫公司把事情做完，而不只是多一個聊天視窗，填表告訴我們你想交給 AI 的那件事，或直接 LINE 問。我們會先幫你判斷哪一件最適合先做。

1. 案例來源：AIJOB 實際建置並持續運作中的系統紀錄（客戶名稱、規模、日期依保密原則不公開）。

2. 全國法規資料庫 — 就業服務法（第5條：雇主不得以種族、階級、語言、思想、宗教、黨派、籍貫、出生地、性別、性傾向、年齡、婚姻、容貌、五官、身心障礙等理由歧視求職人）https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=N0090001

3. Cloudflare 官方文件 — Cron Triggers（排程觸發 Worker）https://developers.cloudflare.com/workers/configuration/cron-triggers/

4. pgvector 官方 GitHub（PostgreSQL 向量搜尋擴充套件）https://github.com/pgvector/pgvector