搬家企业端到端招聘自动化 —— 驾照自动识别与评分、评分自动筛选、拒信自动发送、保险流程触发、面试提醒，招聘周期大幅压缩，人力成本显著降低。
一家区域性搬家公司的招聘流程是 Indeed → Jotform → 人工筛选 → 保险审核 → 入职。每位候选人消耗老板 30 分钟以上的时间，质量较差的候选人会一路走到后期，而合格候选人反而经常在等待保险的环节被忽略。
四个串联的 Make 场景。主流程将候选人的驾照照片与申请答案提交至 Claude vision，获取结构化字段及四个维度的 1-10 分评分，随后路由分流：触发硬性条件 → 自动拒信，分数偏低 → 自动拒信，合格司机 → 进入保险流程。提醒场景每小时检查待审保险数据，按时间间隔向候选人发送更新、同时提醒老板跟进。面试提醒场景在 48 小时、24 小时、2 小时、30 分钟前各发送一次邮件与短信。
老板在每位候选人上花费的时间：被拒路径接近为零，合格路径约 5 分钟（仅剩转发保险邮件）。所有面向候选人的沟通都按时、口径一致。最后一步保险确认保留人工审批。
Claude vision 接收的是照片与严格的 JSON 输出规范。下游路由并不关心背后是否是 AI —— 它看到的只是字段与分数。新增一个评分维度，只需修改 prompt 并增加一条路由规则，无需更换模型。
硬性不合格条件（周末不能工作、无法通过药检等）优先检查 —— 已经出局的候选人无需浪费一次 vision 调用。既节省 API 成本，也让拒信发送更迅速。
Make 没有原生的跨场景队列，因此待审保险数据存储承担了衔接的角色。主流程写入；提醒流程（每小时）读取并执行；保险流程清除记录。每个场景都可独立重启。
保险确认这一步无法安全自动化 —— 判断错误就是法律责任。老板通过一个内部 Jotform 转发保险公司的回复，标记候选人通过；之后所有步骤恢复自动。