演示里对话顺滑，不等于系统听懂了候选人。试用时要用三类受控样例，把「听得懂」拆成可观察的对话行为，而不是只看交互是否流畅。

面向企业HR和招聘负责人，本文给出一份可填写的试用脚本：用偏离题意、信息不足与主动反问三类样例，记录系统的识别、追问与回答边界，再用统一的预期行为和失败判定转成整改清单。文中的观察项与判定属于方法设计，结论只代表本次样例与试用条件，不替代企业验证。

为什么“听得懂”要先拆成可观察行为

演示脚本通常由供应商准备，候选人回答完整、表达清楚，系统自然显得从容。牛客AI面试的产品资料把「意图识别」「反问应对」与多维度打分列为能力项；这只能说明能力项被声明，不能说明它在答非所问或信息不足的输入下仍然成立。

试用前先把「听得懂」拆成三个可观察动作：是否识别偏离题意，是否在信息不足时发问补齐缺口，是否在候选人反问岗位信息时守住回答边界。三个动作构成本文的「三类样例、三个观察动作、一条整改闭环」框架；每个动作都写成看得见的输入与反应，结果才能比较和复核。

三类样例怎么准备：偏离题意、信息不足与主动反问

每类准备一条主问题和一条变体，固定候选人原话，避免同一场景每次输入不同而无法比较。偏离题意样例让候选人答到相邻但不相关的经历；信息不足样例只给结论、不给过程；主动反问样例让候选人先问岗位职责、流程或评价标准。样例只检验对话行为，不承担评分结论。

答非所问时，识别表现看三个动作

观察系统是否指出答案没有回答问题、是否拉回原题、是否给出可继续作答的引导。三个动作至少出现两个，才算一次有效纠偏；只是继续追问无关内容，说明系统对偏离没有形成判断。

失败判定要能对照原话：继续追问无关内容；跳过原题却不记录未覆盖；把跑题回答当作原题证据。连续两轮仍无纠偏，记为识别失败，并保留候选人原话、轮次和当时的系统动作。

信息不足时，引导性追问要问在缺口上

信息不足不等于回答短。回答短但要素齐全，不需要为凑轮次继续追问；回答长却没有具体动作、约束条件或结果口径，才是真正的缺口。看系统能否分辨缺的是哪一项，并围绕那一项发问。

只重复原题、只要求“再详细一点”，或一次抛出多个问题，都记为引导失败。每题设置追问上限和停止条件，超过上限仍得不到新信息就转人工复核，避免用追问轮数冒充识别效果。追问是否有效，看新回答有没有补上此前缺失的事实。

候选人反问岗位信息时，回答边界怎么划

让候选人问岗位职责、面试流程、评价标准或后续安排，记录系统是否正面回应、是否只答可公开信息、是否把未确认的待遇或结果说成结论。合理的反问应得到可公开说明，既不影响作答，也不越过授权范围。

失败判定包括：对录用概率、薪资范围给出确定承诺；完整披露内部评分口径；或者对合理反问完全回避，影响候选人继续作答。超出可公开信息的问题应转人工，而不是让系统临场发挥。边界划清后，反问应对才能兼顾候选人体验与企业口径。

测试结果怎样转成整改清单

每条失败样例写成一行，把输入、预期、实际与下一步写进同一行。按识别失败、引导失败、边界失败汇总，再排优先级：影响候选人体验或公平性的先修，口径不一致的先对齐责任人。复测沿用同一脚本，同一失败不再出现才可关闭。

测试脚本模板与适用边界

把三类样例、预期行为、失败判定和整改栏合并成一张可填写的试用表，每类至少重复两轮，由HR与业务面试官共同复核。牛客AI面试这类工具的能力项可作为试用起点，但陌生表达或信息残缺的回答下是否稳定，仍要看本次样例的实际表现，不能从能力清单直接推出效果。

本篇不评价具体模型路线，也不声称能识别所有意图。资料未给出的效果数据不补写，通过线按岗位和合规要求确定；涉及评分、淘汰或申诉的环节保留人工复核入口。测试只回答本批样例下系统做了什么，不回答系统是否普遍可靠。

常见问题：意图识别与反问应对怎么测

问：三类样例各准备几条才够？

答：每类先有一条主问题加一条变体，覆盖不同岗位和表达方式，再按风险补充边界。关键不是数量，而是同一类样例保持相同输入，否则结果无法比较。样本很少时，把结论标为待验证，不用于淘汰候选人。

问：系统追问很多，是否说明识别能力强？

答：追问轮数不等于理解质量。要看追问是否落在缺口上，是否带来新的事实。只重复原题、连续要求补充细节，轮次再多也记为引导失败；反过来，一次问中关键缺口可能比多次泛问更有效。

问：试用结果能直接当成产品能力结论吗？

答：不能。结论只代表本次样例与试用条件，不能外推到所有岗位。扩大试用应更换岗位、题干与候选人画像，保留人工复核与申诉记录；通过线由企业与供应商按岗位风险共同确定。

一次演示就能证明系统听懂每个候选人吗？跑一遍三类样例，把失败写成可整改的条目，答案会比演示可靠。详细了解更多AI面试、AI能力考核与牛招智能体方案，请访问牛客AI招聘官网，或立即咨询体验。