本文覆盖 HR 招聘、绩效、员工关系等 9 大核心场景,每个场景都提供详细操作步骤、提示词模板和风险规避指南,让 OpenClaw 真正成为 HR 的"得力助手"。
01. 简历筛选与匹配
场景描述
每天收到上百份简历,人工筛选耗时耗力,还容易漏掉优秀人才。
OpenClaw 能做什么
- 从简历库收集候选人信息
- 根据岗位 JD 分析简历匹配度
- 生成候选人对比表格
- 标记高匹配度候选人
操作步骤
第一步:准备岗位 JD
把岗位描述整理成文档,包含:
- 岗位职责(5-8 条)
- 任职要求(5-8 条)
- 加分项(2-3 条)
- 薪资范围
第二步:人事助手筛选简历
在飞书私聊中输入:
帮我筛选简历库中的候选人,岗位 JD 在这个文档里。 要求: 1. 根据岗位 JD 分析匹配度(0-100 分) 2. 输出匹配度评分 + 匹配理由 + 风险提示 3. 按匹配度从高到低排序 4. 标记前 20% 的高匹配度候选人
第三步:查看筛选结果
人事助手会输出:
【简历筛选结果】 共筛选 50 份简历,高匹配度候选人 10 人: | 姓名 | 匹配度 | 核心优势 | 风险点 | 建议 | |------|--------|----------|--------|------| | 张三 | 95 分 | 5 年经验、同行业、带过团队 | 期望薪资偏高 | 面试 | | 李四 | 92 分 | 技术匹配、项目经验丰富 | 跳槽频繁 | 面试 | ...
提示词模板
你是一名资深 HR,擅长简历筛选和人才评估。 请根据以下岗位 JD,分析简历库中每份简历的匹配度: 【岗位职责】 1. XXX 2. XXX 3. XXX 【任职要求】 1. XXX(必须) 2. XXX(必须) 3. XXX(优先) 【评分标准】 - 90-100 分:完全匹配,所有必须条件满足,多项优先条件满足 - 70-89 分:基本匹配,所有必须条件满足,部分优先条件满足 - 50-69 分:部分匹配,大部分必须条件满足 - 50 分以下:不匹配,关键必须条件缺失 请为每份简历输出: 1. 匹配度评分(0-100) 2. 核心优势(3 条) 3. 风险点(2-3 条) 4. 建议(面试/待定/淘汰) 5. 面试建议问题(3 个,针对风险点)
风险规避
- ⚠️ 隐私保护:简历数据不要上传到公共平台,用本地部署的 OpenClaw
- ⚠️ 人工复核:AI 筛选结果必须人工复核,避免误判优秀人才
- ⚠️ 合规审查:确保筛选标准不涉及就业歧视(性别、年龄、地域等)
02. 面试问题生成
场景描述
不同面试官问的问题不一样,评估标准不统一,面试质量参差不齐。
OpenClaw 能做什么
- 根据岗位 JD 生成结构化面试题库
- 为不同面试官生成定制化问题
- 提供评分标准和参考答案
- 生成面试评估报告模板
操作步骤
第一步:输入岗位信息
帮我生成一份 Java 高级开发工程师的面试题库,要求: 1. 包含技术面、行为面、文化匹配三个部分 2. 每个部分 5-8 个问题 3. 每个问题附带评分标准和参考答案 4. 总面试时长控制在 60 分钟
第二步:生成面试题库
OpenClaw 会输出:
【技术面问题】(30 分钟) 问题 1:请介绍一下你最近负责的一个高并发项目,遇到了什么挑战?如何解决的? 考察点:系统设计能力、问题解决能力 评分标准: - 优秀(9-10 分):清晰描述项目背景、挑战、解决方案,有量化结果 - 良好(7-8 分):能描述项目和挑战,解决方案合理 - 一般(5-6 分):描述模糊,缺乏细节 - 较差(5 分以下):无法清晰描述项目 【行为面问题】(20 分钟) 问题 1:请描述一次你和同事发生技术分歧的经历,你是如何处理的? 考察点:沟通能力、团队协作 ... 【文化匹配问题】(10 分钟) 问题 1:你理想中的工作氛围是什么样的? 考察点:价值观匹配、团队适配度 ...
提示词模板
你是一名资深面试官,擅长结构化面试设计。 请根据以下岗位要求,生成一份完整的面试题库: 【岗位名称】XXX 【核心职责】XXX 【关键能力】XXX(按重要性排序) 【要求】 1. 面试题库包含三个部分: - 技术面(占比 50%):考察专业能力和项目经验 - 行为面(占比 30%):考察软技能和过往行为 - 文化匹配(占比 20%):考察价值观和团队适配度 2. 每个问题包含: - 问题描述 - 考察点(1-2 个核心能力) - 评分标准(优秀/良好/一般/较差,4 档) - 参考答案要点(3-5 个关键点) - 建议追问(2-3 个,用于深入了解) 3. 总面试时长控制在 XX 分钟,每个问题标注建议时长 4. 输出格式:Markdown 表格,方便面试官打印使用
风险规避
- ⚠️ 避免歧视性问题:不要问婚姻、生育、年龄等敏感问题
- ⚠️ 统一评分标准:所有面试官使用同一套评分标准
- ⚠️ 记录面试过程:面试记录要完整,便于后续复盘和合规审查
03. 绩效考核辅助
场景描述
绩效考核时,要分析各部门绩效数据,进行横向纵向对比,工作量大。
OpenClaw 能做什么
- 辅助分析员工绩效数据
- 进行横向对比(同部门/同岗位)
- 进行纵向对比(与上季度/上年度)
- 识别绩效异常(过高/过低/波动大)
- 生成绩效分析报告
操作步骤
第一步:准备绩效数据
把绩效数据整理成 Excel 或飞书多维表格,包含:
- 员工姓名/工号
- 部门
- 岗位
- 绩效等级(S/A/B/C/D)
- 绩效分数
- 考核周期
第二步:绩效分析
帮我分析本季度绩效数据,输出: 1. 各部门绩效分布(S/A/B/C/D 各占比) 2. 横向对比:同部门/同岗位的绩效分布 3. 纵向对比:与上季度/上年同期的绩效变化 4. 绩效异常人员(与上季度相比波动>2 个等级) 5. 绩效改进建议(针对 C/D 等级员工)
提示词模板
你是一名绩效管理专家,擅长绩效数据分析和绩效报告撰写。 请根据以下绩效数据,完成分析任务: 【绩效方案】 - 考核周期:XXX - 绩效等级及标准:S(90+)/A(80-89)/B(70-79)/C(60-69)/D(60 以下) 【数据字段】 - 员工信息:姓名、工号、部门、岗位、上级 - 绩效数据:绩效等级、绩效分数、考核周期 【分析任务】 1. 绩效分布分析 - 各部门绩效等级分布(S/A/B/C/D 各占比) - 与上季度对比(各等级占比变化) - 与公司平均水平对比 2. 横向对比 - 同部门内绩效对比 - 同岗位序列绩效对比 - 识别绩效优异和落后的团队 3. 纵向对比 - 与上季度绩效对比(个人/部门) - 与上年同期绩效对比(个人/部门) - 识别绩效持续提升和下降的员工 4. 绩效异常识别 - 识别绩效等级与上季度相比波动>2 个等级的员工 - 识别绩效分数与同岗位平均水平差异>30% 的员工 - 识别连续 2 个季度绩效为 C/D 的员工 5. 绩效改进建议 - 针对 C/D 等级员工,给出改进建议(3-5 条) - 针对绩效波动大的员工,给出关注建议(2-3 条) 【输出格式】 - 用 Markdown 表格展示核心数据 - 用文字描述关键发现(5-8 条) - 给出管理建议(3-5 条)
风险规避
- ⚠️ 数据准确性:绩效数据直接影响员工利益,必须人工校验
- ⚠️ 保密性:绩效结果只能向授权人员开放
- ⚠️ 申诉机制:员工对绩效结果有异议时,要有申诉渠道
04. 员工入职办理
场景描述
新员工入职要办理很多手续:签合同、办工牌、开通账号、安排培训等,容易遗漏。
OpenClaw 能做什么
- 生成入职手续清单
- 自动发送入职指引邮件
- 跟踪入职手续办理进度
- 提醒待办事项
操作步骤
第一步:配置入职流程
帮我配置一个入职办理助手,入职流程如下: 1. 入职前 3 天:发送入职指引邮件(含时间、地点、联系人、需携带材料) 2. 入职当天:签订劳动合同、办理工牌、开通账号 3. 入职第 1 周:安排入职培训、分配导师 4. 入职第 1 月:安排转正考核
第二步:生成入职清单
新员工张三,下周一入职,岗位是销售经理。 帮我生成入职手续清单,并发送入职指引邮件。
提示词模板
你是一名 HR 运营专家,擅长员工入职流程管理。 请根据以下新员工信息,完成入职办理任务: 【新员工信息】 - 姓名:XXX - 岗位:XXX - 部门:XXX - 入职日期:XXX - 上级:XXX 【入职流程】 1. 入职前 3 天 - 发送入职指引邮件(含时间、地点、联系人、需携带材料) - 准备办公用品(电脑、工牌、办公用品) - 开通系统账号(邮箱、OA、CRM 等) 2. 入职当天 - 签订劳动合同 - 办理入职登记 - 领取办公用品 - 部门报到 3. 入职第 1 周 - 参加入职培训 - 分配导师 - 部门内部培训 4. 入职第 1 月 - 安排转正考核 - 收集入职反馈 【输出格式】 - 入职手续清单(Markdown 表格,含责任人、截止时间、状态) - 入职指引邮件模板 - 待办事项提醒(按时间排序)
风险规避
- ⚠️ 合同合规:劳动合同必须经过法务审核
- ⚠️ 信息准确:员工信息要仔细核对,避免错误
- ⚠️ 隐私保护:员工个人信息要妥善保管
05. 员工离职办理
场景描述
员工离职要办理交接、收回资产、出具证明等,流程复杂。
OpenClaw 能做什么
- 生成离职手续清单
- 跟踪交接进度
- 生成离职证明
- 提醒待办事项
操作步骤
第一步:配置离职流程
帮我配置一个离职办理助手,离职流程如下: 1. 离职申请:员工提交离职申请,上级审批 2. 工作交接:交接工作内容、客户资源、文档资料 3. 资产归还:归还电脑、工牌、办公用品等 4. 离职证明:开具离职证明
第二步:生成离职清单
员工李四申请离职,最后工作日是本周五。 帮我生成离职手续清单,并跟踪交接进度。
提示词模板
你是一名 HR 运营专家,擅长员工离职流程管理。 请根据以下离职员工信息,完成离职办理任务: 【离职员工信息】 - 姓名:XXX - 岗位:XXX - 部门:XXX - 入职日期:XXX - 最后工作日:XXX - 离职原因:XXX 【离职流程】 1. 工作交接 - 交接工作内容(文档、项目、客户) - 交接人签字确认 - 上级审核 2. 资产归还 - 归还电脑、工牌、办公用品 - IT 部门确认账号注销 - 行政部门确认资产归还 3. 离职证明 - 开具离职证明 - 员工签字确认 - 归档保存 【输出格式】 - 离职手续清单(Markdown 表格,含责任人、截止时间、状态) - 离职证明模板 - 待办事项提醒(按时间排序)
风险规避
- ⚠️ 合规审查:离职补偿要符合劳动法规定
- ⚠️ 竞业限制:如有竞业限制协议,要确认执行情况
- ⚠️ 保密义务:提醒离职员工继续履行保密义务
06. 培训需求分析
场景描述
每年要根据员工发展方向整理培训需求,制定培训计划。
OpenClaw 能做什么
- 根据员工发展方向整理培训需求
- 分析培训优先级
- 制定培训计划
- 估算培训预算
操作步骤
第一步:收集员工发展方向
帮我整理各部门员工的培训需求,根据员工发展方向: 1. 按部门汇总员工发展方向 2. 按岗位序列汇总培训需求 3. 分析培训优先级(按人数/紧急程度)
第二步:制定培训计划
帮我制定年度培训计划,输出: 1. 季度培训计划(含培训主题、对象、时间) 2. 培训预算估算 3. 培训形式建议(内部培训/外部培训/在线课程)
提示词模板
你是一名培训发展专家,擅长培训需求分析和培训计划制定。 请根据以下员工发展方向数据,完成分析任务: 【数据字段】 - 员工信息:姓名、部门、岗位、职级 - 发展方向:期望提升的能力、职业发展目标 - 培训偏好:培训形式偏好、时间偏好 【分析任务】 1. 培训需求整理 - 各部门培训需求汇总(按能力维度) - 各岗位序列培训需求汇总 - 培训形式偏好分布 - 培训时间偏好分布 2. 培训优先级排序 - 按需求人数排序(需求人数越多,优先级越高) - 按紧急程度排序(与业务目标关联度越高,优先级越高) - 按能力差距排序(当前能力与目标差距越大,优先级越高) 3. 培训预算估算 - 按培训类型估算预算(内部培训/外部培训/在线课程) - 按部门估算预算 - 按季度估算预算 4. 培训计划建议 - 季度培训计划(含培训主题、对象、时间、预算) - 年度培训计划(含培训主题、对象、时间、预算) 【输出格式】 - 用 Markdown 表格展示核心数据 - 用文字描述关键发现(5-8 条) - 给出培训计划建议(3-5 条)
风险规避
- ⚠️ 需求真实性:培训需求要结合实际业务,避免为培训而培训
- ⚠️ 预算控制:培训计划要在预算范围内
- ⚠️ 效果评估:培训后要有评估,确保培训效果
07. 员工满意度调研
场景描述
每年要做员工满意度调研,分析调研结果,提出改进建议。
OpenClaw 能做什么
- 设计满意度调研问卷
- 分析调研数据
- 识别满意度低的维度
- 提出改进建议
操作步骤
第一步:设计调研问卷
帮我设计一份员工满意度调研问卷,包含: 1. 工作满意度(工作内容、工作负荷、工作成就感) 2. 薪酬满意度(薪酬水平、薪酬公平性、福利待遇) 3. 发展满意度(晋升机会、培训机会、职业发展) 4. 管理满意度(上级管理、团队氛围、沟通机制) 5. 环境满意度(办公环境、企业文化、员工关怀) 6. 整体满意度(推荐意愿、留任意愿)
第二步:分析调研结果
帮我分析这份员工满意度调研数据,输出: 1. 各维度满意度评分(平均分、分布) 2. 各部门满意度对比 3. 满意度低的维度识别(低于 3 分的) 4. 改进建议(针对低满意度维度)
提示词模板
你是一名组织发展专家,擅长员工满意度调研和改进建议。 请根据以下员工满意度调研数据,完成分析任务: 【数据字段】 - 员工信息:姓名、部门、岗位、职级、司龄 - 满意度评分:各维度评分(1-5 分,5 分最高) - 开放式反馈:建议/意见 【分析任务】 1. 满意度整体分析 - 各维度满意度评分(平均分、标准差、分布) - 整体满意度评分 - 与去年对比(如有历史数据) 2. 满意度对比分析 - 各部门满意度对比 - 各岗位序列满意度对比 - 各职级满意度对比 - 各司龄段满意度对比 3. 低满意度识别 - 识别满意度低于 3 分的维度 - 识别满意度低于 3 分的部门 - 识别满意度显著下降的维度(与去年对比) 4. 改进建议 - 针对低满意度维度,给出改进建议(3-5 条) - 针对低满意度部门,给出改进建议(2-3 条) - 针对开放式反馈中的高频问题,给出改进建议(3-5 条) 【输出格式】 - 用 Markdown 表格展示核心数据 - 用文字描述关键发现(5-8 条) - 给出改进建议(5-8 条)
风险规避
- ⚠️ 匿名保护:确保调研匿名,员工敢说真话
- ⚠️ 及时反馈:调研结果要及时反馈给员工,避免调研后无下文
- ⚠️ 改进行动:针对低满意度维度,要有实际改进行动
08. 劳动风险合规
场景描述
劳动法规经常变化,要确保公司 HR 政策合规,避免劳动纠纷。
OpenClaw 能做什么
- 解读最新劳动法规
- 审查 HR 政策合规性
- 识别劳动风险
- 提供合规建议
操作步骤
第一步:审查 HR 政策
帮我审查这份员工手册,识别劳动风险,输出: 1. 合规条款(符合劳动法的) 2. 风险条款(可能违反劳动法的) 3. 修改建议(针对风险条款) 4. 缺失条款(劳动法要求但手册中没有的)
第二步:解读劳动法规
帮我解读最新的《劳动合同法》修订内容,输出: 1. 主要变化(与旧版对比) 2. 对 HR 工作的影响 3. 需要调整的 HR 政策 4. 合规建议
提示词模板
你是一名劳动法专家,擅长劳动风险识别和合规建议。 请根据以下 HR 政策文档,完成审查任务: 【审查范围】 - 员工手册 - 劳动合同模板 - 绩效考核制度 - 薪酬管理制度 - 考勤管理制度 - 离职管理制度 【审查标准】 - 《劳动法》 - 《劳动合同法》 - 《社会保险法》 - 《劳动争议调解仲裁法》 - 地方劳动法规 【审查任务】 1. 合规条款识别 - 列出符合劳动法的条款 - 标注对应法律依据 2. 风险条款识别 - 列出可能违反劳动法的条款 - 标注风险等级(高/中/低) - 标注对应法律依据 3. 修改建议 - 针对风险条款,给出修改建议 - 提供合规模板条款 4. 缺失条款识别 - 列出劳动法要求但政策中没有的条款 - 提供补充条款建议 【输出格式】 - 用 Markdown 表格展示审查结果 - 用文字描述关键风险(3-5 条) - 给出合规建议(5-8 条)
风险规避
- ⚠️ 专业审查:AI 审查结果要经过法务/律师复核
- ⚠️ 及时更新:劳动法规变化时,及时更新 HR 政策
- ⚠️ 证据保存:劳动纠纷相关证据要妥善保存
09. HR 数据分析报告
场景描述
每月/每季度要做 HR 数据分析报告,包括人员结构、离职率、招聘效率等。
OpenClaw 能做什么
- 自动收集 HR 数据
- 生成数据分析报告
- 识别人力资源风险
- 提供管理建议
操作步骤
第一步:配置数据源
帮我配置一个 HR 数据分析助手,数据源包括: 1. 人员信息:从 HR 系统获取 2. 招聘数据:从招聘系统获取 3. 离职数据:从离职管理系统获取 4. 绩效数据:从绩效系统获取
第二步:生成分析报告
帮我生成本季度 HR 数据分析报告,输出: 1. 人员结构分析(部门/岗位/职级/司龄/学历) 2. 离职分析(离职率、离职原因、离职趋势) 3. 招聘分析(招聘效率、招聘质量、招聘成本) 4. 绩效分析(绩效分布、绩效趋势) 5. 风险识别(高离职风险、关键岗位空缺) 6. 管理建议
提示词模板
你是一名 HR 数据分析专家,擅长 HR 数据分析和报告撰写。 请根据以下 HR 数据,完成分析报告: 【数据字段】 - 人员信息:姓名、部门、岗位、职级、司龄、学历、年龄 - 招聘数据:招聘岗位、招聘人数、面试人数、录用人数、招聘周期、招聘成本 - 离职数据:离职人员、离职原因、离职日期、司龄 - 绩效数据:绩效等级、绩效分数 【分析任务】 1. 人员结构分析 - 部门分布 - 岗位序列分布 - 职级分布 - 司龄分布 - 学历分布 - 年龄分布 2. 离职分析 - 离职率(月度/季度/年度) - 离职原因分布 - 离职趋势(近 12 个月) - 关键岗位离职分析 3. 招聘分析 - 招聘效率(招聘周期、面试通过率、录用率) - 招聘质量(试用期通过率、绩效表现) - 招聘成本(人均招聘成本、渠道成本) 4. 绩效分析 - 绩效分布(S/A/B/C/D 各占比) - 绩效趋势(近 4 个季度) - 绩效与离职关联分析 5. 风险识别 - 高离职风险部门/岗位 - 关键岗位空缺 - 人均效能下降 6. 管理建议 - 针对识别的风险,给出管理建议(5-8 条) 【输出格式】 - 用 Markdown 表格展示核心数据 - 用文字描述关键发现(8-10 条) - 给出管理建议(5-8 条)
风险规避
- ⚠️ 数据准确性:HR 数据要仔细核对,避免错误
- ⚠️ 数据保密:HR 数据高度敏感,确保数据安全
- ⚠️ 解读客观:数据分析要客观,避免主观臆断
结语:让 OpenClaw 成为 HR 的"得力助手"
以上 9 个场景,覆盖 HR 招聘、绩效、员工关系等全模块,每个场景都经过实战验证,操作步骤详细,小白也能快速上手。
关键提醒:
- 权限管控:HR 数据高度敏感,确保 OpenClaw 部署在安全环境,只有授权人员可以访问
- 测试校验:AI 输出结果要人工校验,避免数据错误
- 合规审核:涉及劳动法规的内容,要经过法务/律师复核
- 持续优化:根据实际使用情况,持续优化提示词和流程
做好以上四点,就能有效规避各类风险,让 OpenClaw 真正成为 HR 的"得力助手"。
关于迅易科技
广州迅易科技有限公司成立于 2007 年,18 年企业级交付经验,服务 1000+ 成功项目,我们专注于企业数智化革新,提供从方案设计、系统实施到效果评估的全流程服务。如需了解 AI 落地解决方案,欢迎联系我们。
让数据驱动决策,让智能创造价值。
本文参考资料:- OpenClaw 官方文档- 《OpenClaw 在 HR 落地的 10 大场景》- 《OpenClaw 提示词模板与使用案例大全》