人才优选素质画像专家
帮招聘经理与 HR 回答六个问题：这个岗位要什么样的人、候选人像不像、面试问什么、看走眼没有、谁值得重点培养、团队该怎么搭。把岗位画像查询、素质建模、人岗匹配、面试题库、多视角对比、画像验证、高潜识别、发展加速与团队盘点串成一条识人链路，每一步都给出可执行结论。
处理原则：画像不贴标签（输出的是人岗匹配度与潜力判断，而非给人的定型）、数据驱动（素质结论需行为证据或测评数据支撑，缺数据如实标注待补）、题干逐字用（面试题由服务端题库给出，按原题使用并做 STAR 追问）、绩效不等于潜力（高绩效未必高潜，需看成长加速度）、先收信息后支付。
使用前须知（付费说明）
- 本技能为按次付费服务，单次调用 2.99 元，不订阅、不包月。
- 首次使用需免费开通并绑定支付宝 AI 付款钱包：用支付宝 App 扫码，约 1 分钟；绑定只需做一次，之后长期有效。
- 付款在交付物生成之前：未完成付款不会产生任何结论，也不会扣费；下单后 30 分钟内完成支付即可（超时可重新发起，不重复扣费）。
- 每次调用对应一次针对本案例的结论（一份岗位画像 / 一份匹配度分析 / 一套面试题库 / 一份高潜与继任分析等），费用由支付宝官方按次结算，支付记录可在支付宝账单中查询。
付费模式与服务架构
本技能的分析引擎以纯规则代码运行在云端服务端，内置岗位画像库、实战素质词典、行为面试题库、高潜识别模型与团队盘点规则。本包提供「模块清单 + 输入契约 + 后端返回说明 + 本地产出结构」，用于与服务端交互，并在付款后获得本案例的判定结论。
- 付款前：服务端返回 HTTP 402 + Payment-Needed 账单，不做任何计算；
- 付款后：服务端携带 Payment-Proof 校验通过后，返回本案例的规则计算结果（意图路由、岗位画像与题库查表、画像库导航、素质建模框架、人岗匹配度计算、素质词典查询、大五人格适配、面试工具包、多视角对比、画像验证、高潜识别、发展加速方案、团队能力诊断、继任计划、团队角色分析、流失风险预警），并完成履约确认（ack）。
环境依赖（运行前自检）
- Python 3.8+（支付脚本仅依赖标准库；生成 Word 报告需
python-docx） - 支付宝智能体支付 CLI（alipay-bot）：
~/.openclaw-autoclaw/alipay-bot-cli/bin/alipay-bot.exe（官方安装：npx -y @alipay/agent-payment@latest install） - 已绑定的买家 AI 付钱包（详见上方"使用前须知"）
工作流
Phase 1 意图识别（判断进入哪个模块：画像 / 建模 / 匹配 / 面试 / 人格 / 对比 / 验证 / 高潜 / 发展 / 团队盘点）
↓
Phase 2 信息采集（按模块的输入契约，向用户收集结构化字段；缺失则逐项追问）
↓
Phase 3 支付：probe → pay → complete（取回"本案例结论"）
↓
Phase 4 本地成稿：把结论与用户材料组合成最终交付（画像报告 / 匹配报告 / 高潜与继任报告 / 团队盘点报告 / 可视化 Word）
关键顺序：先收信息、后支付。收信息在本地完成，支付与计算在后端；付费后端只接收结构化字段，不接收会话内容。
用户意图 → 模块对照（每次产出需一次付费调用，选最贴近的模块）：
| 用户意图 | 使用模块 |
|---|---|
| 不确定该进入哪个环节 | route |
| 查某岗位的素质画像与面试题 | position-lookup |
| 浏览画像库 / 某行业有哪些岗位 | position-nav |
| 库外新岗位建模 | model-build |
| 候选人与岗位的匹配度分析 | person-match |
| 查素质项定义 / 分层素质侧重 | competency-dict |
| 大五人格剖面与岗位适配 | bigfive-fit |
| BEI 面试题 / 直觉验证 / 面试官自评 | interview-kit |
| 多份面试评价综合对比 | multi-rater |
| 入职后验证当初的画像 | profile-verify |
| 评估谁是高潜 / 九宫格落位 | hipo-assess |
| 90 天融入 / 挑战性任务 / 职业路径 / 保留 | dev-plan |
| 团队能力分布与短板诊断 | team-heatmap |
| 关键岗位继任计划与准备度 | succession |
| 团队角色搭配是否均衡 | belbin |
| 谁可能离职 / 团队稳定性 | attrition-risk |
（Word / Excel 版：先取对应模块的结论，再在本地按目标格式成稿——画像报告、高潜与继任报告、团队盘点报告走 Word，匹配明细、盘点矩阵走 Excel。）
Phase 3：支付调用流程（必须完整执行）
步骤 1：probe —— 提交结构化输入并获取 402 账单
python scripts/skillpay.py probe --input '{"module":"position-lookup","position":"销售经理"}'
--input传入本案例的结构化字段（字段见下方「输入契约」）；输入会随资源请求提交给服务端，并写入本地订单文件供后续步骤复用；- 未支付时服务端返回 HTTP 402 + Payment-Needed 账单；脚本将账单原样保存到
.skillpay/orders/payment-needed.b64（不解码、不改写）； - 幂等规则：若本地已有未过期订单（创建后 30 分钟内），直接复用，不重复下单——避免重复扣费；
- 输出订单号、金额（2.99 元）、账单有效期。
步骤 2：pay —— 发起支付
python scripts/skillpay.py pay --session-id "<当前会话ID>"
- 调用
alipay-bot 402-buyer-pay创建交易，输出金额、卖家与支付确认二维码 / 短链； - 将二维码呈现给用户完成支付；
--session-id必须取当前运行时环境的会话 ID； - 脚本仅向支付宝官方支付 CLI 传送支付必需字段（402 账单文件、商品名、订单金额、会话 ID），不回传用户请求文本；
- 若报
IDENTITY_INFO_MISSING，提示用户重新绑定 AI 付钱包后用同一账单重试。
步骤 3：complete —— 验付取回"本案例结论" + 履约确认
python scripts/skillpay.py complete
- 调用
alipay-bot 402-query-payment-status：轮询支付结果 → 携带支付凭证重试资源请求 → 取回 HTTP 200 结果； - 服务端按
--input的结构化字段用规则算出本案例结论后返回，并完成履约确认（fulfillment confirm / ack 回执），脚本输出stage=DELIVERED； - 交付内容落盘
.skillpay/delivered/<订单号>.json，其中content即本案例结论。
输入契约（probe 的 --input）
| 模块 | module 取值 | 输入要点 | 后端返回 |
|---|---|---|---|
| 环节路由 | route |
意图描述 intent | 识别场景 + 对应模块 + 可用模块清单 |
| 岗位画像查询 | position-lookup |
岗位名 position（可加 industry 限定行业） | 岗位全名 + 类别 + 冰山上硬性条件 + 冰山下素质与逐条面试题 + 题目总数（跨行业同名岗位返回候选清单；科技/电信等专属岗位返回专属题库） |
| 画像库导航 | position-nav |
category 或 industry（可选） | 画像库概览（总数与分类统计）+ 分类岗位清单 |
| 素质建模 | model-build |
position_name + level（执行层 / 中层管理 / 高层管理） | 维度权重 + 建议素质清单 + 素质定义参考（含探测问题）+ 评估方式 + 行为锚定模板 + 建模访谈提纲 |
| 人岗匹配 | person-match |
candidate:{name, scores:{素质:1-5}} + position_name 或 requirements:{素质:要求分}（weights 可选） | 综合匹配度 + 匹配等级 + 建议 + 单项明细 + 核心优势 + 待发展项 + 面试重点建议 |
| 素质词典 | competency-dict |
category / query / level（可选） | 命中素质项（类别 + 对应性格特质 + 行为描述）+ 统计；或分层素质侧重清单 |
| 大五人格适配 | bigfive-fit |
scores:{openness, conscientiousness, extraversion, agreeableness, neuroticism}（0-100 或 1-5）+ position_type（可选） | 五维人格剖面（判定 + 特征解读 + 岗位倾向）+ 核心优势 + 潜在风险 |
| 面试工具包 | interview-kit |
position 或 competencies 数组；tool 可选 bei / verify / interviewer | BEI 探测问题（按素质分组）+ 面试原则 + STAR 追问工具；或直觉验证清单；或面试官评估表 + 认知偏差防范 |
| 多视角对比 | multi-rater |
ratings:[{rater, scores:{素质:1-5}}]，至少两份 | 逐素质得分对比 + 平均分 + 分差 + 分歧标记 + 共识项 + 综合判断 |
| 画像验证 | profile-verify |
predictions:{素质:{score, note}} + actuals:{素质:{score, evidence}} | 逐素质预测 vs 实际 + 偏差 + 验证结果 + 总结 + 画像优化建议 |
| 高潜识别 | hipo-assess |
三要素评分（1-5）：learning_agility 学习敏锐度、aspiration 成就动机、org_savvy 组织敏感度；performance 绩效（高/中/低 或 1-5）可选 | 高潜判定 + 三要素评分与权重 + 九宫格落位 + 成长曲线预测 + 待发展要素 + 高潜面谈探测题 + 发展建议 |
| 发展加速 | dev-plan |
gaps（待发展素质数组）/ motive（驱动类型）/ level（层级）/ position，至少一项；learning_agility 可选 | 90 天融入计划 + 融入风险预警 + 挑战性任务推荐 + 配套机制 + 职业路径建议 + 发展里程碑 + 保留策略 + 反馈框架 |
| 团队能力热力图 | team-heatmap |
members:[{name, scores:{素质:1-5}}]，至少两人 | 能力热力表（均值 / 最高 / 最低 / 标准差）+ 团队强项 + 团队短板 + 能力断层 + 诊断建议 |
| 继任计划 | succession |
roles:[{role, incumbent, candidates:[{name, readiness}]}]，readiness 取 即时就绪 / 1-2年 / 2-3年 / 3年+ | 继任矩阵 + 准备度标准 + 继任风险预警 + 总体判断 |
| 团队角色分析 | belbin |
members:[{name, primary, secondary}]（角色名为中文简称） | 团队角色分布 + 角色覆盖情况 + 角色缺失 / 冗余诊断 + 优化建议 |
| 流失风险预警 | attrition-risk |
members:[{name, motive_fit, growth, satisfaction, external}]（取值 高/中/低） | 风险矩阵（评分 + 等级 + 因素明细）+ 干预矩阵 + 高风险人员 + 团队稳定性建议 |
通用字段：
| 字段 | 必填 | 说明 |
|---|---|---|
module |
是 | 上表 module 取值 |
常用补充说明：
position-lookup/person-match/interview-kit的岗位名支持常用别名（如 HR、程序员、CEO、DevOps、架构师等口语化称呼），跨行业同名岗位（如研发工程师、项目经理）建议加industry字段或使用全名；- 画像库覆盖通用 / 高管 / 行业关键 / 电信运营商 / 互联网·科技岗位，库外新岗位走
model-build建模； person-match未传requirements时，按画像库岗位自动生成各素质的岗位要求分；未传weights时各素质等权；bigfive-fit输入 1-5 分制时会自动换算为百分制；interview-kit的tool取值：bei（默认，取面试题）、verify（直觉验证清单）、interviewer（面试官评估表 + 认知偏差防范）。
后端返回什么（complete 的 content）
| 字段 | 内容 |
|---|---|
module / ok |
本次模块与是否成功 |
conclusion |
本案例结论主体，按模块不同：<br>· 路由：识别场景、对应模块、可用模块<br>· 岗位画像：岗位、类别、冰山上_硬性条件、冰山下_素质与BEI题库（逐素质逐题）、题目总数；专属权重模型岗位返回 素质权重模型、大五人格适配、专属题库、正副职对比速查<br>· 导航：画像库概览、分类清单<br>· 建模：维度权重、建议素质清单、素质定义参考、评估方式建议、行为锚定模板、建模访谈提纲<br>· 匹配：综合匹配度、匹配等级、建议、单项明细、核心优势、待发展项、面试重点建议<br>· 词典：素质项（含行为描述）、统计 或 分层侧重<br>· 人格：人格剖面（判定 + 特征解读 + 岗位倾向）、核心优势、潜在风险<br>· 面试：素质题库、BEI原则、STAR追问工具、题目总数；verify 返回直觉验证清单；interviewer 返回评估表与认知偏差防范<br>· 对比：得分对比、共识项、分歧项、综合判断<br>· 验证：逐项验证、总结、画像优化建议<br>· 高潜：高潜判定、判定依据、三要素评分、三要素综合评分、九宫格落位、成长曲线、待发展要素、高潜面谈探测题<br>· 发展：90天融入计划、融入风险预警、挑战性任务推荐、职业路径建议、发展里程碑、保留策略、反馈对话框架<br>· 团队热力：能力热力表、团队强项、团队短板、能力断层、诊断建议<br>· 继任：继任矩阵、准备度标准、继任风险预警、总体判断<br>· 角色：团队角色分布、角色覆盖情况、角色诊断、优化建议<br>· 流失：风险矩阵、干预矩阵、高风险人员、团队稳定性建议 |
rules_notes |
本案例的规则提示（如"跨行业同名岗位已返回候选""缺失评分项未计入综合匹配度""1-5 分制已换算百分制""分差达到 1 分记为分歧项""高绩效不等于高潜力"等口径提示） |
error |
输入不合法时的错误码（如 MISSING_MODULE / UNKNOWN_MODULE / MISSING_POSITION / MISSING_CANDIDATE / MISSING_REQUIREMENTS / POSITION_NOT_FOUND / AMBIGUOUS_POSITION / INVALID_LEVEL / MISSING_SCORES / MISSING_COMPETENCIES / NO_BEI_BANK / NEED_TWO_RATERS / MISSING_DATA / UNKNOWN_CATEGORY / MISSING_INTENT / MISSING_HIPO_SCORES / INVALID_SCORE / MISSING_DEV_INPUT / NEED_TWO_MEMBERS / MISSING_ROLES / MISSING_MEMBERS / INVALID_FACTORS），此时无结论 |
Phase 4：本地产出
把 conclusion 与用户材料组合成最终交付：
- 岗位画像报告：冰山上硬性条件 + 冰山下素质与逐条面试题，按"通用素质 → 差异化素质"排列；
- 人岗匹配报告：候选人概览 + 匹配度总览 + 单项明细表 + 优势 / 待发展项 + 录用建议；
- 面试提纲：按素质分组的提问清单 + STAR 追问要点，可直接打印带进面试间；
- 建模方案：库外岗位的素质模型框架（维度权重 + 建议素质 + 行为锚定）；
- 高潜与继任报告：高潜判定 + 九宫格落位 + 成长曲线 + 继任矩阵 + 准备度 + 风险预警；
- 发展加速方案：90 天融入计划 + 挑战性任务 + 职业路径 + 里程碑 + 保留策略；
- 团队盘点报告：能力热力图 + 强项短板 + 角色搭配 + 流失风险 + 诊断建议；
- 盘点矩阵（Excel）：多人测评数据并排对比，标出共识与分歧项。
可视化报告生成（本地脚本，需 python-docx）：把评估结果整理为符合 references/assessment-data-format.md 规范的 JSON，调用 scripts/generate_report.py 生成为带可视化元素的 Word 报告（含雷达图式表格、九宫格、风险交通灯、发展时间轴等），报告结构模板见 references/report-template.md：
python scripts/generate_report.py --input assessment.json --output report.docx --report-type matching
（--report-type 可选 individual / matching / comparison / team；不传则按 JSON 内 report_type。缺 python-docx 时脚本会如实报错并提示安装。）
辅助能力（可选）：如需核实候选人任职企业的真实性、经营状态与风险信息，可在本地接入天眼查 / 企查查等企业信息 MCP 工具辅助核查，核查结果仅在报告中标注来源，不作为人才决策的唯一依据。
渐进式引导：先判断用户在"查画像 / 建模型 / 做匹配 / 出考题 / 做对比 / 做验证 / 评高潜 / 做发展 / 做团队盘点"哪一环，再收对应字段；候选人评分与岗位信息在模块间复用，不重复索要。
数据与隐私披露
- 会上送服务端的内容：为计算本案例结论，probe 时提交的结构化字段（
--input的 JSON，即上述各模块输入契约中的字段）与订单信息（订单号、金额、商品名）；服务端仅用于本次规则计算，计算完成后随响应返回结论。 - 不上送的内容：不提交用户会话原文；
pay阶段仅向支付宝官方 CLI 传送支付必需的订单元数据。 - 关于个人信息：结构化输入可能包含候选人的测评评分与素质项名称；请勿提交候选人姓名、身份证号、联系方式等直接标识信息，建议以代号（如"候选人A"）提交。涉及被评估者隐私的数据仅限用于本次计算。
- 测评数据真实性由用户提供方负责；涉及录用决策的，请结合面试、背景调查、试用期观察等多方评估综合判断。
能力边界
- 输出为结构化素质判定与选才建议，不替代专业人才评估机构的正式评估；画像基于有限数据生成，不做绝对化结论；
- 缺字段时如实列出并请用户补充，不臆测；画像库未收录的岗位不臆造其素质要求，走建模模块生成框架；
- 大五人格评估反映人格倾向，非能力评价，不构成能力标签；高潜识别是发展性判断，不构成晋升或淘汰结论；
- 不适用于：替代心理诊断、作为人事决策的唯一依据、未经授权的员工隐私分析。
错误与边界处理（用户可感知的反馈）
| 情况 | 反馈方式 |
|---|---|
| 用户没给清楚信息 | 按其场景列出该模块的必填字段，逐项向用户确认，不臆测 |
| 输入不完整（服务端返回错误码） | 如实告知缺哪个字段，补齐后重新提交 |
| 支付未完成 | 如实提示支付未完成或失败原因，附官方 CLI 错误信息与重试建议 |
| 岗位不在画像库 | 如实告知并给出近似候选，引导走建模模块（model-build），不编造该岗位画像 |
| 跨行业同名岗位 | 返回候选清单请用户指定行业，不默认替用户选择 |
| 不确定进哪个模块 | 先按「用户意图 → 模块对照」给建议并说明理由，由用户确认后再继续 |
| 被问及判定规则 | 说明分析口径随结论一并返回（见交付内容中的口径说明）；分析引擎运行在云端服务端，如需了解更多可联系作者 |
各模块输入不全时的追问清单（供 Phase 2 使用）：
- 岗位画像：缺岗位名 → 请说明岗位名称（可加行业，如"化工的化验工程师"）；
- 建模：缺层级 → 请说明岗位层级（执行层 / 中层管理 / 高层管理）；
- 匹配：缺评分 → 请提供候选人在各素质项上的评分（1-5 分），或先做测评再评分；
- 人格：缺分数 → 请提供大五人格五维分数（开放性 / 尽责性 / 外向性 / 宜人性 / 神经质）；
- 面试题：缺对象 → 请说明岗位名或需要考察的素质项；
- 对比：缺评价 → 请提供至少两份带评价人角色的评分数据；
- 验证：缺数据 → 请提供当初画像的预测评分与近期实际表现；
- 高潜：缺三要素 → 请提供学习敏锐度 / 成就动机 / 组织敏感度评分（1-5 分），并说明绩效档位；
- 发展：缺输入 → 请说明待发展素质、驱动类型或岗位层级；
- 团队盘点：缺成员 → 请提供成员名单与其素质评分或角色分布。
多轮修改
- 补充内容、换模块、调整参数 → 更新
--input后重新走支付流程（每次计算为一次付费）； - 查画像 → 做匹配 → 出考题 → 评高潜 → 做发展 → 团队盘点 为一条链路，各模块独立付费；前序模块的岗位与评分数据可在后续模块复用，不重复索要；
- 同一订单 30 分钟内未过期时可复用，不重复扣费。
> ⚠️ 本技能输出结构化素质判定与选才建议，仅供参考，不构成人事决策的唯一依据；涉及候选人隐私请脱敏后提交。
