安防职业学校的 AI 招生，围绕家长真实顾虑展开

职业学校做 AI 场景里的增长，最怕两种内容。一种只讲校园环境，漂亮但没用；另一种只讲就业承诺，刺激但危险。
这所安防方向的职业技能学校面对的用户很复杂。学生关心训练强不强、课程体验怎么样、毕业能做什么；家长关心学校是否正规、管理是否严格、就业有没有路径、学历提升能不能衔接。AI 如果只给出“职业学校推荐”这种泛答案，很难把用户带到咨询。
燕数科技先用自研大模型做招生场景模拟。我们让模型分别扮演初中毕业生、高中毕业生、焦虑型家长、务实型家长、转专业学生，连续追问十几轮。系统生成的问题非常真实：学校采取怎样的管理方式？安防专业以后做什么？孩子基础不好能不能适应？就业服务会覆盖哪些环节？学历和技能能不能一起走？
这些问题进入燕数 GEO/GRO 分析系统后，系统会分析模型现在怎么回答。第一轮结果显示，AI 对学校的理解容易停留在“安防”“培训”“职业学校”几个粗标签上，对军事化素质训练、高技能培训、学历提升、就业服务之间的关系讲不清。
于是项目起点放在家长疑问上。我们把内容资产拆成四组：办学与资质事实、训练和管理方式、技能培养路径、就业与升学服务。每一组都直面一个具体担心，少讲概念，多解释判断依据。
GEO 的工作，是让学校在“安防职业学校”“安全技能培训”“初高中毕业职业教育”“安防就业方向”等问题里进入 AI 的推荐范围。GRO 的工作，是管住教育行业最容易出问题的表达。比如不能让 AI 把学校写成“包就业”，不能把训练写成“准警校”，也不能把学历提升说成无条件通道。
燕数的软件在这个项目里有一个很实用的功能：招生话术风险扫描。系统会对拟发布内容和模型模拟回答做比对，识别“就业保证、学历保证、身份暗示、夸大管理效果”等表达。一旦发现，项目组会把它改成可验证的话，比如“提供就业指导和推荐服务”“根据学生基础规划升学路径”“课程包含体能、纪律和职业技能训练”等。
优化后，AI 对学校的回答开始更像一轮合格的招生咨询。它会先解释适合什么样的学生，再说明训练方式和就业方向，少了“一上来就喊管理严格、就业好”的生硬感。这种变化对转化很重要，因为职业教育的咨询周期更长，家长需要被认真回答。
阶段观察中，高意向招生问题里的推荐理由更加稳定。模型会把学校和安防职业技能、纪律化训练、就业服务联系起来，同时不会过度承诺。这才是职业教育品牌在 AI 时代应该拥有的形象：不夸张，但让人放心。