教育机构的 AI：招生场景为什么要单独一套规则
教育培训机构用 AI 做咨询和学员服务，最容易被忽略的一件事是：
招生场景里说出去的话，是有效力的。
"包过""不过退费""保证提分""名额只剩三个"——这些话由人说出来会有约束，由系统说出来同样有约束。而系统的问题在于：它一天可以说几千次，而且没人逐条看过。
所以教育场景的 AI，招生这一块必须单独一套规则，不能和答疑、学习辅助混在一起管。
---
先把场景分三类
| 场景 | 特点 | AI 的角色 | 风险等级 |
|---|---|---|---|
| 学习辅助 | 面向已报名学员，答疑、讲解、练习 | 可以放开做 | 低 |
| 在读服务 | 课表、进度、作业、通知 | 信息查询为主 | 低 |
| 招生咨询 | 面向潜在客户，介绍课程、答疑、促成报名 | 必须受控 | 高 |
前两类可以按普通企业场景做，参考通用的知识库和验收方法就够了。
这篇主要讲第三类。
---
招生场景的核心机制：承诺受控
唯一可靠的做法是：涉及承诺、效果、价格、名额的表述，系统只能从一张受控话术表里选，不能自由生成。
不是"提示词里写清楚不要乱承诺"——那不可靠。是架构上让它没有生成这类内容的能力。
受控话术表要覆盖这几类：
| 类别 | 为什么必须受控 |
|---|---|
| 效果承诺 | "能提多少分""通过率多高"——涉及广告合规和消费者权益 |
| 价格与优惠 | 说错一个数字就是一次纠纷 |
| 退费规则 | 条件、比例、时限，每一项都有效力 |
| 名额与时限 | "只剩 X 个""今天报名优惠"——不真实就是误导 |
| 师资与资质 | 涉及事实性陈述，必须与实际一致 |
实现方式：这几类问题走"检索 + 固定话术"，不走生成。系统的工作是识别问的是哪一类，然后返回对应的受控文本，一个字都不改写。
判据：拿 100 个招生场景的真实问题跑一遍，检查所有涉及上述五类的回答，是否逐字来自受控表。有任何一条是模型自己组织的语言，就说明这个机制没做到位。
---
可以自由生成的部分
不是所有内容都要受控。下面这些可以放开：
- 课程内容介绍（讲什么、怎么讲、适合谁）
- 学习方法与建议
- 常见疑问的解释（前提是不涉及承诺）
- 流程说明（怎么报名、上课形式、教材怎么拿）
区分判据很简单：这句话如果被截图发出去，机构要不要为它负责？
要负责的 → 受控。
不用负责的 → 可以生成。
---
一条常被跳过的合规线
在境内面向公众提供生成式人工智能服务，适用《生成式人工智能服务管理暂行办法》。招生咨询是直接面向潜在消费者的，这与机构内部使用有本质区别。
另外，教育培训领域对广告宣传内容有专门的规范要求，涉及效果承诺、师资表述、通过率宣传等。AI 生成的内容同样受这些规范约束——不会因为"是系统说的"就豁免。
这些必须由机构自身的法务或合规人员确认适用情况。本文只提示其存在，不构成法律或合规意见。
实践中最保险的做法：受控话术表由法务过一遍并签字，之后系统只能用表里的内容。这样既满足了合规，也让责任清晰。
---
未成年人相关的额外考虑
如果服务对象涉及未成年人，有几件事需要机构特别确认：
- 个人信息收集的范围和方式
- 监护人知情同意的环节
- 内容的适宜性
- 数据保存和使用的边界
这一块的要求比一般消费场景严格，具体适用情况必须由机构法务确认。本文不展开，只提示这是一个必须单独处理的问题，不能套用成人场景的做法。
---
学习辅助场景：可以大胆做的部分
相比招生，学习辅助是教育机构里最适合、最容易做出效果的 AI 场景：
一、答疑
学员问题解答。风险低（答错了学员会发现并追问），频次高，价值直接。
门槛：教研资料的质量。如果讲义本身就有错，AI 只会把错误规模化。
二、练习讲解
针对错题给解析。
注意：解析要能对应到教材或讲义的具体位置，不要让模型自由发挥——尤其是有标准答案的科目。
三、学习进度与建议
基于练习数据给学习建议。
注意措辞：给"你在这几个知识点上错误率较高"，不给"你考不上"这类判断。
四、教师侧辅助
备课资料整理、作业批改辅助、学情汇总。
这一类往往被忽略，但价值很高——它面向的是内部人员，风险最低，且教师是最能判断质量的使用者。
---
怎么验收
口径沿用开源评测框架 RAGAS（docs.ragas.io），另加招生场景特有的两项：
| 指标 | 建议门槛 |
|---|---|
| 答案忠实度（能对应到教研资料原文） | 不低于 95% |
| 受控话术合规率（涉及承诺类回答逐字来自受控表） | 100% |
| 越界拒答率（超出范围的问题正确转人工） | 100% |
| 数值类准确率（价格、时长、比例） | 100%，程序化比对 |
中间两项没有及格线的说法。它们不是"质量指标"，是"能不能上线"的开关。
测试集建议规模：招生场景 100–150 条（其中至少 40 条是各种变着法问承诺的边界问题），学习辅助场景 200 条以上覆盖各科目和常见错题类型。
边界问题要怎么设计：不要只测"你们包过吗"这种直球，要测"我朋友在你们这学完考上了，我是不是也能""万一没通过怎么办""你们敢不敢保证"这类绕着问的。真实用户就是这么问的，而这类问法最容易把系统绕出受控范围。
---
一个务实的推进顺序
1. 从教师侧辅助起步——内部使用，风险最低，教师能判断质量
2. 加学习辅助——面向已报名学员，容错空间大
3. 在读服务——信息查询类，纯规则
4. 招生咨询放最后，且必须先把受控话术表做好、法务签字
不要反着来。很多机构因为招生最急，第一个就做招生——那是把风险最高、边界最模糊的场景放在团队最没经验的时候。
---
相关阅读
- 企业知识库怎么做，才不会变成资料坟场
- 企业第一次做 AI，怎样选对项目并设计可退出的试点
- 企业 AI 项目怎么验收：七层验收标准与证据要求
- 企业 AI 的数据治理：治什么、治到什么程度、谁来治
---
*本文说明的是方法与判断标准，不代表任何未公开项目的实施细节。文中引用的开源评测框架与公开规范，出处已在正文标明，读者可自行核验。合规与广告规范适用情况请由机构法务确认，本文不构成法律或合规意见。*