Daily Tech Briefing
AI 科技速览
每天 5 分钟内学习 AI。获取最新的人工智能新闻,理解其重要性,并学习如何将其应用于您的工作。
InfoQ AI · 2026/7/28 10:00:00

从超级顾问到 Agent 蜂群:AI Native 人才服务组织的共生进化|AICon深圳
AI 中文解读
想象一下,以后帮你找工作或招人才的,可能不再是单个猎头顾问,而是一支由数千个AI“小蜜蜂”组成的协作军团。在即将举行的AICon深圳大会上,TTC公司CTO宁辽原将揭秘他们如何用这种“Agent蜂群”彻底改造高端人才服务。
简单来说,过去猎头顾问全靠个人经验在微信、电话里来回沟通,人才库更新慢、项目复盘难。TTC的方案是把每个客户都配上一个专属的AI服务小队:有负责对接的、有主管、有内部协调的,再搭配管理人才库和外部信息的AI角色。这些AI各司其职,通过微信群、飞书等渠道实时掌握动态,自动完成匹配候选人、提醒风险、沉淀经验等苦活,顾问则升级为“蜂群指挥官”,专注做关键判断和关系维护。
对普通人来说,这意味着未来求职或招聘可能会更高效、更精准:企业能更快找到真正匹配的人才,候选人也能获得更个性化的服务,不必再忍受信息滞后或沟通碎片化。更重要的是,这种“人机共生”的模式让组织经验不再依赖于个人,而是像大脑一样持续进化,最终让招聘这件事变得更聪明、更可靠。
Agent 时代,哪些方向正在成为行业关键变量?50 + 实战案例揭晓答案!模型参数规模不断突破,推理成本持续下降,开源生态日益繁荣。当模型能力逐渐成为行业共识,一个新的问题开始浮现:当人人都能获得强大的模型能力之后,真正的竞争力还剩下什么? 答案正在从模型能力本身,转向围绕模型构建可规模化的智能系统;从单点能力提升,转向系统工程与组织级落地能力。在这一背景下,2026 年 AICon 人工智能开发与应用大会 · 深圳站正式启动。本次大会将于 8 月 21 日—22 日举办,聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向,邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家,系统性分享前沿洞察与实战干货,共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。TTC(True Talents Connect)Cofounder & CTO 宁辽原已确认出席 “超级个体与蜂群智能的共生进化” 专题,并发表题为《从超级顾问到 Agent 蜂群:AI Native 人才服务组织的共生进化》的主题分享。高端人才服务正从“顾问个人经验驱动”走向“人机共生的组织智能”:客户沟通碎片化、人才库更新滞后、项目协同与复盘难以规模化。TTC 基于 2000+ 客户、上千活跃客户和 300 万人才库,构建多 Agent 蜂群架构:每个客户配置客户对接、客户主管、内部协调 3 个 Agent,并接入 OpenMai 工作台、人才库、Sourcing 与 Supervisor Agent,形成数千个不同类型 Agent 的协同网络。系统通过微信群/飞书/人才库/外网数据接入、任务编排、权限审计、Knowledge/Skill 沉淀与跨 Agent 复用,实现客户响应、人才匹配、项目管理和质量巡检闭环,让 bad case 持续转化为可复用组织能力。在本次演讲中,宁辽原将对此展开详细介绍。宁辽原,TTC(True Talents Connect)Cofounder & CTO,曾任微软研究院(美国)AI 产研总监,曾任字节跳动飞书首席架构师。2022 年创办 TTC(True Talents Connect),担任 CTO。该企业已服务超 2000 家 AI 和科技企业,提供科技人才寻访和招聘服务,品牌理念为找 AI 人才就找 TTC。目前已完成四轮融资,投资方包括源码资本、创新工场等,企业年收入突破 1 亿元,2026 年预计收入超 2 亿元。他在本次会议的详细演讲内容如下:演讲提纲:1. 背景人才服务为什么需要 Agent 蜂群高端人才服务不是简单招聘流程,而是客户需求理解、候选人判断、项目推进、关系斡旋和知识沉淀的复杂协作系统传统模式高度依赖顾问个人经验,客户沟通分散在微信/飞书/电话中,人才库更新滞后,项目复盘难以规模化TTC 的判断:Agent 不应只是顾问工具,而应成为人才服务组织中的新协作单元2. TTC 的多 Agent 服务架构构建了数千个 Agent 参与的服务网络。每个客户配置 3 个基础 Agent:客户对接 Agent、客户主管 Agent、内部协调 Agent顾问侧有 OpenMai 工作台 Agent,支持项目管理、候选人匹配、分析与推荐供给侧有人才库 Agent 和 Sourcing Agent,负责人才打标、数据更新、外部信息收集上层有 Supervisor Agent,巡检 Agent 工作质量,发现 bad case,并沉淀 Knowledge/Skill3. 核心技术点如何让数千 Agent 可控协作以业务对象为核心建模:客户、职位、候选人、项目、沟通记录、任务、Skill,而不是只围绕 Chat Session通过微信群、飞书、人才库、外网信息等多源数据接入,形成持续更新的业务上下文。不同 Agent 拥有不同上下文、权限和工具调用范围,客户可见信息与内部判断严格隔离采用事件驱动机制触发任务更新、候选人推荐、项目风险提醒和质量巡检通过 Skill Registry 管理可复用经验,让不同种类 Agent 能受控学习和复用能力4. 踩坑经验从“会回答”到“会服务”只靠长上下文不够,群聊中的省略表达必须落到结构化业务状态里。只让 Agent “推荐候选人”,容易退化成简历搜索,必须拆成硬条件、行业匹配、职业路径、动机风险等维度Agent 自动总结 know-how 容易空泛,真正有用的 Skill 必须是可执行、可验证、可复用的操作方法。Supervisor 不能只制造告警噪音,需要区分高风险 bad case 和普通低质量输出5. 实施效果与组织进化TTC 已在真实客户服务中运行数千个不同类型 Agent,覆盖客户沟通、内部协作、人才管理、外部 sourcing、质量巡检等环节。顾问从信息处理者升级为 Agent 指挥者、关键判断者和关系经营者。人才库从静态简历库进化为动态人才认知网络。组织经验从“留在个人脑子里”变成可沉淀、可复用、可迭代的 Knowledge 和 Skill。最终形成“人类顾问 + Agent 蜂群 + 组织知识”的共生进化体系。演讲痛点最大的痛点不是“让 Agent 工作”,而是让大量 Agent 在真实业务中可控、可信、可持续进化人才服务上下文高度碎片化,微信群/飞书里的省略表达、客户隐含偏好、候选人动态状态,不能只靠长上下文解决,必须沉淀为结构化业务对象,但这会增加建模成本Agent 越多,职责越细,响应越快,但协作、权限、成本和故障定位复杂度也会上升自动化越深,效率越高,但客户沟通、候选人推荐、状态写回等高风险动作必须保留人工确认,否则容易出现错误承诺和权限越界Supervisor 和 Skill 机制能让 bad case 变成组织能力,但也需要评估与版本治理,避免错误经验被规模化复用听众收益1. 获得大规模 Agent 落地的组织级架构参考了解如何从单个 AI 助手升级到数千 Agent 协作网络,包括角色拆分、事件驱动、权限隔离、Supervisor 巡检和 Skill 复用机制2. 理解 Agent 与业务系统融合的关键工程取舍学习在微信、飞书、人才库、外网数据等复杂上下文中,如何处理长上下文不足、业务对象建模、工具调用边界、人工确认和成本控制等问题3. 看到 AI Native 组织进化的真实案例从 TTC 的人才服务实践中,理解 Agent 如何与人类专家共生:Agent 负责信息处理、流程推进和经验沉淀,人类负责判断、信任、关系和关键决策除此之外,本次大会还策划了AI Infra、推理工程与异构计算、超级个体与蜂群智能的共生进化、迈向机器人 AGI 的关键技术与产业实践、Agent 安全:从风险到可控、大模型效率工程与 Agent 系统实践、AI Agent 高价值商业场景实战等 10 个专题论坛,届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。大会限时早鸟票享 9 折专属优惠,现在报名立减 580,更多详情可扫码或联系票务经理 13269078023 进行咨询。
分享
阅读原文 ↗