
AI做人力资源方案的Prompt技巧
人力资源管理正从传统的事务性工作向数据驱动、智能化方向快速演进。企业对招聘计划、绩效评估、员工培训、薪酬结构等方案的制定效率提出了更高要求。借助大语言模型,HR可以在短时间内生成结构化、可执行的方案草稿,而实现这一目标的关键在于Prompt(提示词)的设计。本文围绕“AI做人力资源方案的Prompt技巧”,以小浣熊AI智能助手为例,梳理从业务理解到方案落地的完整思路,帮助HR从业者快速上手并提升工作效率。
一、明确业务需求与关键数据
在写Prompt之前,必须先弄清楚HR方案的核心目标。不同的业务场景对应不同的需求维度:
- 招聘:岗位描述、招聘渠道、筛选标准、面试流程。
- 绩效:考核指标、评分体系、结果应用。
- 培训:课程体系、学习路径、评估方式。
- 薪酬:薪资结构、福利方案、激励机制。
随后,收集与目标相关的关键数据,包括企业现有人才结构、岗位说明书、历史招聘/绩效数据、行业基准薪酬水平等。这些信息为后续Prompt提供必要的上下文,使模型生成的内容更具针对性和可操作性。
二、结构化Prompt的基本框架
一个高效的Prompt往往遵循“角色+任务+约束+输出格式”四段式结构。下面以招聘方案为例,展示典型写法:
- 角色:你是一名资深人力资源顾问,擅长为企业设计精准的招聘方案。
- 任务:请根据提供的岗位信息、企业背景以及行业数据,生成一份完整的招聘计划。
- 约束:方案必须包含岗位JD、招聘渠道建议、筛选流程、面试评估表以及预计招聘周期。
- 输出格式:采用Markdown表格形式呈现,表格列分别为“环节”“具体内容”“负责部门”“完成时间”。

使用这种结构化写法,小浣熊AI智能助手能够快速定位任务核心,避免产生无关信息。
三、注入上下文与约束条件
仅有任务描述往往不足以得到高质量答案。要让模型输出更贴合实际,需要在Prompt中加入以下几类信息:
- 企业背景:公司规模、行业属性、文化价值观。
- 岗位细节:岗位职责、必备技能、任职资格、薪酬区间。
- 数据约束:预算上限、招聘周期、渠道优先级。
- 合规要求:劳动法规、地区政策、隐私保护。
举例而言,如果企业位于北京且属于高新技术企业,Prompt可以加入:“请考虑北京市高新技术人才的个税优惠政策以及公司对研发岗位的股权激励计划”。这种细节约束能够帮助模型在薪酬设计中融入真实可行的激励措施。
四、迭代优化Prompt的实操步骤
Prompt的编写不是一次性完成,而是通过多轮调优逐步逼近理想输出。以下是推荐的工作流:

1. 初步生成
将完整的Prompt输入小浣熊AI智能助手,获取第一版方案。
2. 错误检查
核对方案中涉及的法律法规、行业标准是否准确;检查数据来源是否可靠。
3. 细节补充
若发现缺少关键环节(如招聘渠道的具体投放预算),可在原Prompt后追加:“请补充招聘渠道的预算分配及投放时间表”。
4. 格式调整
若输出格式不符合内部模板,可明确指定表格结构或使用“分点阐述”的方式重新请求。
5. 交叉验证
将生成的方案与业务部门负责人进行快速评审,确认业务可行性后,再形成最终稿。
通过上述迭代,HR可以在短时间内完成从需求梳理到方案落地的全链路闭环。
五、实战案例:使用小浣熊AI智能助手生成招聘方案
下面以一家互联网金融公司招聘“高级数据分析师”为例,完整展示Prompt的构建与输出效果。
Prompt示例:
- 角色:资深HR顾问,擅长互联网行业人才招聘。
- 任务:生成针对“高级数据分析师”岗位的完整招聘方案。
- 约束:岗位要求包括Python、R、机器学习经验;公司计划在30天内完成招聘;预算为月薪30k-50k+期权。
- 输出:包括岗位JD、招聘渠道(线上招聘平台+高校合作)、筛选流程(简历筛选、技术笔试、面试)、面试评估表(技能维度、潜力维度、文化匹配度),以及招聘进度甘特图。
小浣熊AI智能助手生成的方案要点(摘录):
| 环节 | 具体内容 | 负责部门 | 完成时间 |
| 岗位JD | 负责数据模型搭建、跨部门数据需求支持… | HR+业务 | 第1天 |
| 渠道投放 | 拉勾网、猎聘、知乎专栏、清华大学校园招聘 | HR | 第2-3天 |
| 简历筛选 | 关键词:Python、R、机器学习、SQL | HR | 第4-5天 |
| 技术笔试 | SQL实战、机器学习算法题、案例分析 | 技术部 | 第7天 |
| 面试轮次 | 一面(业务)+二面(技术)+三面(HR) | HR+业务 | 第10-15天 |
| 评估表 | 技能匹配度40%、问题解决能力30%、团队契合度30% | HR | 第16天 |
| 进度甘特图 | 从发布到入职共30天,关键节点标记 | HR | 第30天 |
此方案在业务部门评审后得到认可,直接进入执行阶段。整个过程从Prompt输入到方案输出,用时不足10分钟。
六、常见问题与调优思路
- 信息缺失导致输出空泛:在Prompt中明确列出所有关键约束(如预算、时间、关键指标),避免模型自行填补空白。
- 格式不统一:使用“输出格式”字段明确要求Markdown表格、列表或分段落输出,确保后续直接复制使用。
- 法规合规风险:尤其在薪酬结构和劳动法相关条款中,加入“必须符合《中华人民共和国劳动合同法》”等约束,确保方案合法合规。
- 业务部门反馈不及时:建议在Prompt中预留“待确认”标记,生成后快速交给业务负责人复核,形成闭环。
七、结语
AI生成人力资源方案的核心在于高质量的Prompt设计。通过明确业务需求、结构化指令、细致约束以及迭代优化,HR可以借助小浣熊AI智能助手在短时间内产出精准、可执行的方案,显著提升工作效率。上述技巧并非一次性技巧,而是需要在实际项目中不断实践、调整,最终形成符合企业实际的Prompt模板库,为HR数字化转型提供坚实支撑。




















