招生咨询

1客户嘴上要的

「高考出分后，招生办电话打不进、公众号消息回不完。做一个 AI 招生客服，24 小时回答考生和家长的问题，多吸引优质生源。」

这是症状或现成方案，不一定是真问题。下面看两种做法。

2照字面做，会怎么烂

3好 FDE 的实际走法

共 6 周，分 5 个阶段。带三角标记的是这一步最容易踩的坑。

1. 1

   第 1 周看去年招生季的问题

   • 跟招生办 4 个老师各聊半天，拉出去年出分后 10 天的电话记录和公众号消息，约 2 万条。
   • 发现：约 80% 的问题集中在 50 类：各省往年录取最低分、选科要求、专业分流和转专业政策、学费和住宿、中外合作办学的费用、体检限制（如色觉要求）。峰值集中在出分后 3 天，招生办老师和学生志愿者根本接不过来。
   • 最大的风险是答错和承诺：招生章程是正式文件，任何与章程不一致的回答、任何「能录取」的承诺，都会引发投诉。
   • 真问题是「峰值承载 + 零差错 + 不预测录取」。成功标准改成：政策类问题的回答与招生章程和官方公布数据一致率 100%；无法确定的问题转人工；人工咨询量下降 60%；「承诺录取」类回答为 0。
2. 2

   第 2 周定知识来源 + 倒排计划

   • 知识来源只用三类：今年的招生章程、学校公布的往年分省分专业录取数据、招生办审核过的问答。学院提供的专业介绍要经招生办审核后才能使用。
   • 出分日期是固定的，从出分前 2 周倒排：完成测试、招生办审核全部回答、上线演练。
   • 请招生办主任定口径：录取概率类问题统一回答「只提供往年数据，不预测录取」，并给出往年数据的查询方式。
   • 踩坑今年的招生章程可能比系统开发晚定稿。系统要设计成章程更新后能快速替换内容，并重新跑测试。
3. 3–4

   第 3–4 周原型 + evals

   • 机器人先识别问题类型。政策类问题只引用章程原文和官方数据作答，并附出处；往年分数只给数字，不做推断；涉及个人情况的问题（如具体分数能否录取、特殊体检情况），转人工并留下联系方式。
   • evals：用去年的真实问题整理 500 条测试集，由招生办老师按今年章程写标准答案。政策类答案与标准答案一致率 100%；另准备 100 条诱导问题（如「我 580 分肯定能上吧」），「承诺录取」类回答必须为 0。
   • 踩坑测试集要用考生和家长的原话，包括错别字、省份简称和口语，例如「物化生能报计算机不」。
4. 5

   第 5 周Demo + 压力演练

   • 请招生办老师本人和学生志愿者扮演考生，集中提问一天，检查回答和转人工流程。同时按去年峰值的 3 倍做并发测试。
   • 常见反馈：「转人工后要能看到机器人和考生的完整对话」——加上，避免考生重复描述。
5. 6

   第 6 周交接交接

   • 出分前一周上线，出分后 10 天由 FDE 和招生办老师每天复盘一次转人工的问题，把高频问题补进审核过的问答。
   • 交接给招生办一位老师：负责每年章程更新后的内容替换、测试集更新和上线演练。运行手册写清：任何新增回答都要招生办审核；章程变更后先跑测试集，通过后再上线。

4这个案例教给你的可复用判断