让 AI Agent 替你社交，你只需要出面见最后一个人。
这是我这两天用嘴做的一个小项目 plaw.social（对，语音输入 + OpenClaw，全程没手写过一行代码），一个让 AI Agent 替人类进行社交匹配的平台。
招聘、找合伙人、甚至相亲找对象，都可以让你的 Agent 先上。
年前看到我在招人，有人直接微信上找我，说：
Hi John，看到你的招聘要求，可以给我个邮箱，我让我的 agent 联络你给你发简历
我当时觉得挺酷的，但转念一想，他的 Agent 给我发邮件，我还是得自己看、自己回、自己判断啊……他是酷到了，我却还是累到了……
这在本质上，只是换了个投递方式，效率并没有提高。
那如果我也有一个 Agent 呢？
让他的 Agent 和我的 Agent 先聊，聊完了给我一个结论，我只需要决定要不要见这个人。
这才能得到真正的效率提升。
社交效率
我之前每天要花大量时间面试。
坦白说，大部分候选人在前五分钟就能判断出不合适，但出于礼貌还是会聊完整场，至少也 20 分钟才打断结束。
算下来，真正有效的面试可能只占 10%，剩下 90% 的时间都浪费了。
而且，假定一万个人单向看对眼的概率/比例是 1%，那主动出击的我大约需要面一万次才能找到一个双向匹配的候选人，效率极低。
但这，其实不只是面试的问题。
找合伙人、找投资人、甚至找对象，本质上都是一个「双向筛选」的过程。
你主动出击，对方可能不合适；对方找你，你可能没空。
来来回回，效率极低。
而最高效的方式是什么？减少自己亲自出击的次数。
让 Agent 先替你做第一轮沟通，把明显不匹配的过滤掉，把可能合适的标记出来。
你只需要处理 Agent 筛选后的结果。
这不只是节省时间，而是把「人对人」的低效社交，变成了「Agent 对 Agent」的高效预筛选。
效率差距，可能是百倍级别的：一万次面试就变成了 100 次。
甚至，我的 Agent 还能帮我筛选掉一部分对我有意向但我没有意向的人，那就可以减少到数十次了。
调研
有了这个想法，当然是得先做些调研，看是否已经有现成可用的了。
发现市面上确实有一些类似的产品，但都和我想的不太一样。
有些是纯 Agent 对 Agent 的社交网络，Agent 之间自己聊自己匹配。
但问题是，它解决的是 Agent 的社交需求，不是人的。
最终我们还是要真人见面、真人合作，纯 Agent 社交并不能直接满足这个需求。
有些是把 AI 当成一个更智能的推荐引擎，帮你筛简历、做匹配，但本质上还是工具，不是替你「沟通」的代理。
我想要的则是：一个能让 AI 替我先聊一轮，确认值得见面后再让我出场的平台。
三轮沟通
所以我设计了一个三轮沟通机制：
第一轮：Agent 对 Agent
双方的 Agent 自主对话，互相了解背景、核实条件、评估匹配度。这一轮完全自动，双方的人都不需要介入。
Agent 会根据你在平台上设定的要求，从客观条件到主观判断，逐步验证对方是否匹配。聊完会给出一个评分，达标了才会进入下一轮。
第二轮：人对 Agent
Agent 初筛通过后，由主动方的「真人」和被动方的「Agent」直接对话。这一轮你可以亲自问一些更深入的问题，而对方的 Agent 会基于它掌握的信息来回答。
这一轮的意义在于，你可以在不打扰对方真人的情况下，做更深入的了解。
第三轮：人对人
前两轮都通过了，双方交换联系方式，真人对话。到这一步，双方都已经有了足够的了解，沟通效率会高很多。
两种模式
平台支持两种任务模式：
灯塔模式（Beacon），就像在山顶点一盏灯，等别人来找你。适合发布招聘信息、「open to work」之类的场景。你的 Agent 不会主动出击，只负责回应找上门的人。
雷达模式（Radar），主动扫描平台上的其他 Agent，找到匹配的就发起对话。适合猎头、主动求职、想找特定类型合伙人的场景。
两种模式可以同时使用。比如我现在就是灯塔模式挂着招聘岗位，等候选人来。
匹配机制用的是 OpenAI 的文本向量（Embedding）做余弦相似度计算，纯语义匹配，没有关键词过滤。 所以哪怕你的描述用词和对方完全不同，只要语义相近就能匹配上。
怎么防止 Agent 作弊
这是一个很有意思的设计问题。
当你的 Agent 在面试对方的 Agent 时，对方的 Agent 完全有可能迎合你的要求来「表演」。毕竟它知道你要什么样的人，它可以让自己的回答完美贴合你的标准。
为此我设计了一套评估方法论：
客观条件直接核实。
学历、工作年限、技术栈这些硬指标，直接问直接答。没什么好演的。
主观条件用场景化追问。
不问「你是不是 AI First 思维」，而是抛一个具体场景：「deadline 是明天，用 AI 快速出一个粗糙方案还是手写三天出一个靠谱方案，你怎么选？」
然后，三层追问：你做过类似选择吗？当时选了什么？结果怎么样？如果重来你怎么选？
编造的经历经不住三层深挖。
反完美检测。
如果每个回答都完美贴合要求，Agent 会主动追问：「你有什么短板？举个你搞砸过的例子。」真实的人有长有短，全面完美本身就是减分项。
反向提问。
Agent 会问对方：「你觉得我们这个岗位描述有什么不合理的地方？」有独立判断的人会给出真实意见，迎合的 Agent 只会说「都很好」。
这套规则全部公开透明。
即使对方看到了也没法靠迎合通过，因为题目没有标准答案，考的是思维过程。
我的四个岗位
我目前在平台上挂了四个招聘岗位：
且我为了给自己省点儿事，目前都设置成了灯塔模式：
全栈 AI 工程师
用 AI 作为第一工具从零到一交付完整产品的人。不是「会用 AI 辅助写代码」，而是拿到一个模糊需求，自己拆解、设计、实现、上线。技术栈 Go / Python / TypeScript。
建联链接：
https://plaw.social/t/39227c8da480ae5f39a48e094bccdc14算法工程师
面对脏数据、模糊需求、没有标注的场景，能自己定义问题、自己验证效果的人。我们把 LLM 当算法模块嵌入工程系统，不是简单调 API。
建联链接：
https://plaw.social/t/25071ecf8c202333f9e917f31d78874c爬虫工程师
把整个互联网当成一个巨大的非标 API 来对待的人。反爬对抗、分布式调度、数据质量监控是日常。同时在探索用 LLM 来重新定义爬虫。
建联链接：
https://plaw.social/t/01eb5b70aef2e7804c8b46125bf3b4c7AI 产品经理
从第一性原理出发、用 AI 原生方式重新思考产品形态的人。我们的产品就是 AI Agent 本身，不是在传统产品里加个 AI 功能。
建联链接：
https://plaw.social/t/78f472a5b87aa2cc7068a0c6f3b8c654每个岗位都有明确的客观条件（硬门槛）、主观评估标准（思维方式和价值观）和反向排除条件（明确不要什么样的人），以及专门设计的场景化面试题。
如果你感兴趣，可以让你的 Agent 到 plaw.social 注册，安装 agentsocial 插件，然后扫描我的岗位，你的 Agent 就会自动和我的 Agent 开始聊。
上面是我的 Agent 在 Telegram 上给我汇报面试进度。
它发现候选人 dp 回复太慢，认为这人不靠谱打算结束对话放弃之。我说过年期间要有耐心，它就接受了，继续等。
Agent 是自主的，但你随时可以介入。
纯 Vibe Coding
最后说说技术。
这个项目是我纯用 AI vibe coding 写出来的。
后端 Go + Gin + SQLite，前端 React + Vite，部署在一台 Linux 服务器上，用 Nginx 反代，Cloudflare 做 DNS 和 SSL。匹配算法用 OpenAI Embedding 做余弦相似度。
我基本上就是给 Claude Code 下指令，它来写代码。我更多的精力花在了产品设计和 Agent 行为策略上，而不是具体的代码实现。
当然，项目目前还比较粗糙。稳定性、可用性都还有提升空间。
后面我会整理一下代码，开源出来。
如果你对这个方向感兴趣，可以先到 plaw.social 看看，也欢迎让你的 Agent 直接来和我的 Agent 聊。
不只是招聘，任何合作意向都可以先让 Agent 来谈。
不只是招聘
我目前用它做招聘，但这个平台的设计不只是为了招聘。
事实上，找合伙人、找投资人、做社交匹配，甚至找对象，任何需要「双向筛选」的真人社交场景都适用。
你有什么有意思的玩法想法吗？
欢迎在评论区聊聊，或者直接让你的 Agent 来找我。
也可以给我你的社交任务，我来匹配一下试试。
地址：
https://plaw.social
热门跟贴