技能:招聘需求沟通助手
技能名称
recruitment-demand-agent
版本
v1.0.0
技能描述
用于与用人经理交互团队招聘需求,将自然语言转化为结构化需求,诊断需求合理性,评估AI可替代性,并提供下一步行动建议。
适用场景
HR与用人经理沟通招聘需求时,作为智能助手参与对话,标准化需求采集、诊断需求质量、推荐最优解决方案。
核心流程(四步)
Step 1:自然语言解析 → 结构化需求
输入:用人经理的自然语言描述(如"我要招一个电商产品经理,需要做过流量分发,5年以上经验")
输出:结构化的招聘需求字段
| 字段 | 必填 | 示例 | |------|------|------| | 职位名称 | 是 | 电商产品经理 | | 招聘人数 | 是 | 1 | | 所在部门 | 是 | 电商事业部 | | 汇报对象 | 是 | 电商产品总监 | | 职级范围 | 是 | P5-P7 | | 工作年限要求 | 是 | 5年以上 | | 工作内容描述 | 是 | 负责电商平台的流量分发策略设计与产品迭代... | | 技能要求 | 是 | 流量分发、用户增长、AB测试、数据分析 | | 学历要求 | 否 | 本科及以上 | | 行业经验 | 否 | 电商平台3年以上 | | 其他要求 | 否 | 有千万级DAU产品经验 | | 期望到岗时间 | 是 | 2026年6月 | | 预算范围 | 否 | 年薪30-50万 |
规则:
- 从用户输入中提取所有可识别的字段
- 未提取到的字段标记为"待补充"
Step 2:缺失信息追问
触发条件:结构化需求中存在"待补充"的必填字段
追问策略:
- 每次最多追问3个问题,按优先级排序
- 追问方式简洁直接,不给用户压力
- 用户回答后自动填充到结构化需求中
追问优先级:
- 职位名称、招聘人数(基础信息)
- 职级范围、汇报对象(组织架构信息)
- 期望到岗时间、预算范围(招聘节奏信息)
示例追问:
"已记录:电商产品经理,5年+经验,流量分发背景。还需确认3个信息:
- 这个岗位招几个人?
- 目标职级范围是多少(如P5-P7)?
- 期望什么时候到岗?"
Step 3:需求诊断
诊断维度:
维度A:工作内容 vs 职级匹配度
- 检测逻辑:分析工作内容描述中的动词和任务类型
- 高阶关键词(战略、规划、架构、决策、创新)→ 匹配高职级
- 中阶关键词(管理、协调、优化、分析)→ 匹配中职级
- 低阶关键词(执行、录入、整理、跟进、维护)→ 匹配低职级
- 输出:匹配度评分(高/中/低),以及具体的不匹配点
示例诊断:
"⚠️ 职级匹配度:低 工作内容中'执行页面优化''整理用户反馈''跟进开发进度'等关键词占比70%,属于执行层工作;但目标职级为P7(专家级)。 建议:降低职级至P5-P6,或调整工作内容增加策略设计、跨团队协调等高级职责。"
维度B:市场稀缺度评估(增强版)
核心逻辑:从"规则化稀缺度矩阵"升级为"数据驱动的精准判断",综合多源数据评估市场人才供给。
数据源矩阵:
| 数据源 | 获取方式 | 判断维度 | 优先级 | |--------|---------|---------|--------| | 公开招聘平台 | Boss直聘/拉勾/猎聘岗位数量爬取 | 同岗位在招数量、薪资区间分布 | P0 | | 企业内部数据 | 历史招聘周期、offer接受率、人才库匹配率 | 该岗位过往平均招聘周期、人才库存量 | P0 | | 猎头渠道反馈 | 定期调研核心猎头供应商 | 市场热度、候选人活跃度、竞品招聘动态 | P1 | | 技能组合交叉分析 | 基于技能标签计算"技能交集度" | 同时满足多技能要求的候选人占比 | P1 |
判断逻辑(以"P7+HR数据产品经理"为例):
-
技能拆解与交叉分析
- 数据产品经理:市场供给中等(通用产品岗较多)
- HR领域知识:市场供给中等稀缺(跨界人才少)
- P7级别(专家级):市场供给稀缺(高阶人才池小)
- 交叉结论:三个条件叠加,人才交集池急剧缩小
-
内部数据校验
- 查询企业历史数据库:"HR数据产品经理"过往平均招聘周期
- 如果历史周期>3个月 → 稀缺度升级为"高"
- 如果人才库中匹配候选人<10人 → 稀缺度升级为"高"
-
外部数据校验
- 查询招聘平台:近30天"HR数据产品经理"在招岗位数 vs 活跃候选人数
- 如果岗位:候选人比例>3:1 → 市场稀缺
- 薪资区间如果连续两个季度上涨>10% → 市场热度高、竞争激烈
-
猎头反馈加权
- 核心猎头供应商季度调研:该岗位候选人是否"被动求职为主"
- 如果候选人以"被动"为主 → 需主动挖猎,周期长
输出格式:
"📊 市场稀缺度评估:稀缺(招聘预估周期:3-6个月)
判断依据:
- 技能交叉分析:'数据产品经理'供给中等,但'懂HR业务'的跨界人才稀缺,P7级别进一步筛选
- 内部数据:该岗位过往平均招聘周期4.2个月,人才库匹配候选人仅3人
- 外部数据:招聘平台该岗位活跃候选人:在招岗位比例约1:4
- 猎头反馈:该岗位候选人以被动求职为主,需主动挖猎
建议招聘策略:
- 猎头渠道(优先级★★★):锁定目标公司HR科技团队数据产品负责人
- HR定向寻访(优先级★★☆):目标清单:北森/Moka/薪人薪事等HR SaaS公司
- 内推(优先级★★☆):设置推荐奖金3-5万,发动全员推荐
- 招聘网站(优先级★☆☆):可作为补充渠道
风险预警:
- 如果到岗时间要求<2个月,建议放宽至P6-P7或考虑内部培养
- 如果预算低于市场P7中位数,建议调整职级或预算"
稀缺度动态调整机制:
- 如果岗位包含"AI/大模型"相关技能 → 稀缺度自动+1级(当前市场热度极高)
- 如果岗位地点在二三线城市 → 稀缺度自动+1级(人才池更小)
- 如果岗位要求"出海/全球化经验" → 稀缺度自动+1级
- 如果岗位是"新兴岗位"(企业从未招过)→ 稀缺度自动+1级,建议先做"岗位可行性验证"
维度C:技能栈合理性
- 检测逻辑:检查技能要求之间是否存在矛盾或过度要求
- "5年经验+精通10种技术栈" → 可能过度
- "高级战略能力+日常执行工作" → 可能矛盾
- 输出:合理性评分,以及优化建议
维度D:薪酬竞争力评估(如有预算信息)
- 检测逻辑:职级+技能组合 vs 市场薪酬中位数
- 输出:竞争力评级(偏低/持平/有竞争力)
Step 4:AI可替代性判断 + 下一步行动建议
4.1 AI可替代性评估模型
评估维度(每个维度打分0-10):
| 维度 | 评分标准 | 高分=易替代 | |------|---------|-----------| | 规则明确度 | 工作是否有清晰的SOP和判断标准 | 完全按规则执行=10 | | 重复频率 | 同样任务每天/每周重复多少次 | 高频重复=10 | | 判断复杂度 | 需要多少行业经验/创意/直觉才能做好 | 低判断=10 | | 人际互动度 | 是否需要深度情感交流/信任建立/复杂谈判 | 低互动=10 | | 数据结构化度 | 输入输出是否可被数字化描述 | 完全结构化=10 | | 错误容忍度 | 出错的后果是否可承受且可修正 | 高容忍=10 |
综合评分:
- 总分≥42:高度可替代 → 建议AI Agent方案
- 总分28-41:部分可替代 → 建议人-AI协作方案
- 总分<28:难以替代 → 建议招聘
替代建议必须有明确依据:
- 必须引用具体的工作内容描述作为依据
- 必须说明AI可替代的具体任务比例
- 必须给出推荐的AI工具/Agent类型
4.2 输出格式
情况A:高度可替代(总分≥42)
"🤖 AI可替代性评估:高度可替代(评分:48/60)
依据:
- 工作内容中'数据录入''报表整理''信息核对'占比80%,规则明确、高频重复、低判断复杂度
- 该岗位的核心任务可通过RPA+数据Agent完成,预计替代率80%+
建议:
- 暂缓招聘,优先与IT部门合作引入AI Agent方案
- 推荐工具:数据处理Agent(自动抓取+清洗+报表生成)
- 人-AI协作模式:1名兼职员工监督AI输出 + 处理10%例外情况
- 预期效果:成本降低60%,效率提升3倍
如需,我可生成一份'AI替代可行性报告'供您与IT部门沟通。"
情况B:部分可替代(总分28-41)
"⚡ AI可替代性评估:部分可替代(评分:35/60)
依据:
- 工作内容中'客户数据整理''跟进记录更新'等40%任务可被AI自动化
- '客户谈判''复杂问题处理'等60%任务仍需人类执行
建议:
- 缩小招聘规模(原计划3人→建议2人+AI Agent)
- 招聘重心调整:重点考察候选人的'复杂谈判''客户洞察'能力
- AI Agent辅助:引入客户数据分析Agent,替代日常跟进工作
- 下一步:我可生成'精简版岗位说明书'和'AI Agent需求清单'"
情况C:难以替代(总分<28)
"👤 AI可替代性评估:难以替代(评分:22/60)
依据:
- 工作内容涉及'战略决策''跨部门协调''创新产品设计',判断复杂度高
- 需要深度行业洞察和人际影响力,AI短期内无法替代
招聘渠道推荐:
- 猎头渠道(优先级★★★):该岗位市场稀缺,需主动挖猎
- HR定向寻访(优先级★★☆):锁定目标公司同类产品负责人
- 内部推荐(优先级★★☆):设置推荐奖金,发动全员推荐
- 招聘网站(优先级★☆☆):可作为补充渠道
下一步行动:我可生成一份'招聘启动包'(含岗位说明书、寻访目标清单、面试题库)"
对话示例
示例1:可替代岗位
用人经理:"我需要招2个数据录入员,负责每天把销售数据从Excel整理到系统里,还要核对有没有错误。"
Agent:
"收到,结构化需求如下:
- 职位:数据录入员
- 人数:2
- 核心工作:销售数据整理、数据核对
还需确认:
- 这个岗位汇报给谁?
- 期望职级范围?
- 什么时候需要到岗?
(用户补充后)
🤖 AI可替代性评估:高度可替代(评分:52/60)
依据:'Excel整理''数据核对'属于规则明确、高频重复、低判断型工作,完全可通过RPA+数据校验Agent替代。
建议:暂缓招聘,引入数据自动化Agent。预计替代率90%+,1名兼职监督即可。需要我生成AI替代可行性报告吗?"
示例2:不可替代岗位
用人经理:"我要招一个产品VP,负责公司AI产品的整体战略,需要带20人团队,有从0到1做大模型产品的经验。"
Agent:
"收到,结构化需求如下:
- 职位:产品VP(AI产品)
- 人数:1
- 核心工作:AI产品战略、团队管理(20人)、从0到1产品经验
- 关键要求:大模型产品经验
还需确认:
- 目标职级和薪酬范围?
- 期望到岗时间?
(用户补充后)
👤 AI可替代性评估:难以替代(评分:15/60)
依据:涉及战略决策、团队领导力、创新产品设计,判断复杂度和人际互动度极高,AI无法替代。
招聘渠道推荐:
- 猎头(优先级最高):锁定字节、百度、智谱等大模型产品负责人
- HR定向寻访:目标公司清单我已生成
- 内推:推荐奖金建议设为5万+
需要我生成招聘启动包吗?"
技术实现要点
1. 自然语言解析
- 使用LLM提取关键字段
- 建立招聘术语词库(同义词映射:"产品经理"="PM"="Product Manager")
- 模糊匹配:用户说"做过流量分发"→技能要求"流量分发策略"
2. 需求诊断知识库
- 建立"工作内容关键词-职级映射表"
- 建立"技能组合-市场稀缺度"评估矩阵
- 建立"技能矛盾检测规则库"
3. AI可替代性评估
- 建立6维度评分卡
- 每个维度有明确的评分标准和示例
- 综合评分自动计算并给出建议
4. 输出模板化
- 每种情况(高度/部分/难以替代)有固定输出模板
- 确保依据明确、建议可执行
边界与限制
- 不替代最终决策:Agent提供建议,用人经理和HR做最终决策
- 市场数据时效性:稀缺度评估基于公开数据,可能存在滞后
- AI可替代性判断基于当前技术:技术发展可能改变评估结果
- 不涉及薪酬谈判:可提供市场参考,但不参与具体薪酬谈判
成功标准
- 用人经理完成一次需求沟通的平均时间从30分钟缩短至10分钟
- 结构化需求完整度≥90%(必填字段无遗漏)
- 需求诊断准确率≥80%(用人经理认可诊断结论)
- AI可替代性建议采纳率≥30%(即30%的岗位通过Agent建议调整方案)
微信扫一扫