oodAgent 场景引擎 招聘系统实战

Ooder Team · 2026-03-07

导读：本文以招聘管理系统为例，介绍如何使用 Ooder SceneEngine 的场景技能能力，在1周内快速构建智能化的业务应用模块，开发效率提升14倍，成本降低91%。

一、为什么选择场景开发？

构建一个招聘管理系统，传统方式需要10-15周，而使用场景技能开发，只需1周内即可完成。让我们看看两者的对比：

❌ 传统开发

✅ 场景开发

二、场景技能是什么？

场景技能（Scene Skill）是 Ooder SceneEngine 的核心概念，它将业务场景封装为可复用的能力单元：

💡 场景技能 = 业务场景 + 能力集合 + 知识库 + 智能决策

• 业务场景：招聘、审批、客服、销售等
• 能力集合：简历筛选、面试安排、通知发送等
• 知识库：岗位要求、候选人信息、公司制度等
• 智能决策：LLM意图理解、规则引擎、降级策略

2.1 五层架构设计

用户层

User → SceneGroup → SceneAgent（用户交互、协作管理）

场景层

SceneSkill → Driver/Executor Capabilities（场景编排、能力协调）

决策层

LLM Decision ◄──► Rule Engine（在线优先，离线降级）

能力层

ToolRegistry → 内置工具 + 自定义工具（工具注册与调用）

基础层

LLM Provider | Knowledge Base | Vector Store（原子能力提供）

三、核心技术解析

3.1 决策引擎：双引擎架构

决策引擎是场景技能的"大脑"，采用LLM + 规则引擎双引擎架构：

🤖 LLM Engine（在线）

意图理解 | 参数提取 | 能力选择 | 结果生成

⚙️ Rule Engine（离线）

关键词匹配 | 正则提取 | 路由规则 | 降级处理

三种决策模式：

3.2 知识库：三层架构

知识库采用三层架构设计，实现知识的分层管理和跨层检索：

Layer 3: 场景知识层（私有）

候选人简历、面试记录、评价结果 | 权限：场景参与者

Layer 2: 专业模块层（领域共享）

岗位要求、面试题库、技能标准 | 权限：领域角色

Layer 1: 通用知识层（全局共享）

公司制度、流程规范、FAQ | 权限：所有用户

✨ RAG增强流程

用户问题 → 向量化 → 知识检索 → 上下文构建 → LLM生成 → 返回结果

总延迟约370ms，其中知识检索约100ms

3.3 规则引擎：MVEL实现

规则引擎用于离线场景和降级处理，支持五种规则类型：

四、实战：构建招聘系统

4.1 业务流程定义

招聘场景的核心业务流程：

发布职位 → 简历筛选 → 面试安排 → 面试评估 → 发放Offer

4.2 创建知识库

// 1. 通用知识层 - 公司制度库
KnowledgeBase companyPolicyKb = kbService.create(
    KnowledgeBaseCreateRequest.builder()
        .name("公司制度库")
        .layer(KnowledgeLayer.GENERAL)
        .description("招聘政策、薪酬标准、入职流程")
        .build()
);

// 2. 专业模块层 - 岗位要求库
KnowledgeBase jobRequirementKb = kbService.create(
    KnowledgeBaseCreateRequest.builder()
        .name("岗位要求库")
        .layer(KnowledgeLayer.PROFESSIONAL)
        .description("职位描述、技能要求、面试题库")
        .build()
);

// 3. 场景知识层 - 候选人库
KnowledgeBase candidateKb = kbService.create(
    KnowledgeBaseCreateRequest.builder()
        .name("候选人库")
        .layer(KnowledgeLayer.SCENE)
        .description("简历数据、面试记录、评价结果")
        .build()
);

4.3 配置决策引擎

// 创建决策引擎
DecisionEngine engine = new DecisionEngineImpl(llmProvider, ruleEngine);

// 设置决策模式（默认：在线优先，自动降级）
engine.setMode(DecisionMode.ONLINE_FIRST);

// 配置离线规则（用于降级）
RuleScript routingRule = RuleScript.builder()
    .ruleId("recruitment-routing")
    .type(RuleType.ROUTING)
    .script("""
        if (query.contains('筛选') || query.contains('简历')) {
            return 'resume_screening';
        } else if (query.contains('面试')) {
            return 'interview_schedule';
        }
        return 'recruitment_help';
        """)
    .build();

ruleEngine.compile(routingRule);

4.4 创建场景技能

// 创建招聘场景技能
SceneSkill recruitmentSkill = SceneSkill.builder()
    .skillId("recruitment-scene")
    .name("招聘管理场景")
    
    // 注册能力
    .capability("resume_screening", new ResumeScreeningCapability())
    .capability("interview_schedule", new InterviewScheduleCapability())
    .capability("offer_management", new OfferManagementCapability())
    
    // 关联知识库
    .knowledgeBase("company_policy", companyPolicyKb.getKbId())
    .knowledgeBase("job_requirement", jobRequirementKb.getKbId())
    .knowledgeBase("candidate", candidateKb.getKbId())
    
    // 配置决策引擎
    .decisionEngine(engine)
    .build();

// 注册场景技能
skillRegistry.register(recruitmentSkill);

五、智能交互示例

用户通过自然语言与系统交互：

👤 用户

"帮我筛选一下今天收到的简历，找出符合条件的Java开发候选人"

系统处理流程：

1 LLM意图理解

意图：简历筛选 | 时间：今天 | 岗位：Java开发

2 知识库检索

从岗位要求库获取筛选标准，从候选人库检索简历数据

3 能力执行

resume_screening.execute({dateRange: 'today', position: 'Java开发'})

4 结果生成

LLM生成自然语言回复

🤖 系统回复

"今天收到15份简历，筛选出3份符合条件的候选人： 1. 张三 - 5年Java经验，熟悉Spring Cloud 2. 李四 - 4年Java经验，有微服务项目经验 3. 王五 - 3年Java经验，全栈开发能力"

六、最佳实践

💡 知识库设计原则

• 分层管理：通用知识、专业模块、场景知识分离
• 权限控制：不同层级设置不同访问权限
• 质量监控：定期检查知识库数据质量
• 版本管理：知识更新保留历史版本

⚠️ LLM使用策略

• 优先规则：简单场景优先使用规则引擎
• LLM增强：复杂场景使用LLM增强体验
• 降级保障：始终配置离线降级方案
• 成本控制：缓存常用结果，减少LLM调用

🔒 安全注意事项

• 规则沙箱：限制危险操作，如exit、exec
• 输入验证：所有用户输入进行校验
• 权限检查：每次操作验证用户权限
• 审计日志：记录所有关键操作

七、总结

使用场景技能构建业务应用模块，核心优势在于：

适用场景：

招聘管理 智能客服 审批流程 知识问答 数据分析

技术栈：

• Scene Engine v2.3.1 + Spring Boot 2.x + Java 8+
• LLM Provider (OpenAI/Azure) + Embedding Service
• Vector Store (SQLite/Milvus) + Knowledge Base
• MVEL 2.5.x + 安全沙箱 + 动态规则生成

相关文档

二次开发指南 | 配置修改说明 | 招聘用户故事分析

Ooder Team 让AI能力触手可及