| name | talent-model |
| description | 岗位胜任力建模工具 v2.0：融合女娲造人术 + 拉康式临床画像 + Agent Team 并行处理。核心创新：Phase 0 提供拉康式非结构化入口，在分析JD之前先捕捉候选人的言语模式、欲望结构与矛盾张力。基于多元信号（三方信息×候选人自述×市场校准）生成三层胜任力模型（核心维度→可观察行为→角色证据），输出仅为 HTML 报告（含4种可视化图表）。Pipeline+Agent Swarm 双模式执行，强制 Phase 1.5 调研Review checkpoint + Phase 2.5 提炼确认 checkpoint + Phase 4 质量验证 + Phase 5 双Agent精炼。Trigger: 「建模」「胜任力」「人才画像」「岗位胜任力」「能力模型」「 competency」「帮我做个XX的胜任力模型」。 |
| license | MIT |
| compatibility | {"web-access":"required","offline-render":true,"mcp-native":true} |
| allowed-tools | {"Read":"mandatory","Write":"mandatory","Bash":"optional","WebFetch":"mandatory","WebSearch":"optional","Task":"mandatory"} |
| workflow | {"type":"pipeline+agent-swarm","output":"html-only","validation":"mandatory"} |
| constraints | {"chart-types":["sunburst","treemap","scatter","tree"],"chart-forbidden":["radar","bar","line","pie"],"chart-no-quantitative":true,"structure":"three-level","sunburst-summarize":true,"tree-expand-full":true,"color-consistency":true} |
| metadata | {"version":"2.0.0","category":"hr","emoji":"🎯","author":"Liber1917","repository":"https://github.com/Liber1917/TalentModel-skill","raw-access":"https://raw.githubusercontent.com/Liber1917/TalentModel-skill/master/SKILL.md"} |
岗位胜任力建模 · v2.0
胜任力模型不是整理后的职位描述，而是对"组织真正想识别什么样的人"的结构化判断。
候选人的言语方式本身，就是胜任力的第一层证据。
核心原则
建模铁律
- 先画像人，再映射行为，最后验证证据
- 先采信号，再起草维度，禁止跳过中间验证
- 6-Agent 并行采集（Phase 1）→ Review checkpoint（Phase 1.5）→ 提炼确认（Phase 2.5）→ 构建 → 质量验证（Phase 4）→ 双Agent精炼（Phase 5）
维度层级约束（硬约束）
- ❌ 一级维度禁止是技能/工具/技术栈（如"系统抽象能力""硬件感知""编程语言"）
- ❌ 一级维度禁止是岗位职责的拆分（如"需求分析""项目管理"是一级 → 这是行为，不是维度）
- ✅ 一级维度必须是人的稳定特质（如：方向感、高驱动力、认知复杂度、韧性、协作意识、专业成长性）
- ✅ 行为（二级）才是技能和岗位任务的落脚点 — 行为描述中可以包含技能要求，但维度本身不能是技能
原因：大模型倾向从JD关键词提炼维度，容易把"Python/Go"或"系统设计"直接当成一级维度，导致胜任力模型退化为职位描述。
校招/实习边界约束（硬约束）
- ❌ 验证公司信息严禁使用社招JD
- ❌ 禁止用资深岗位描述反推校招/实习标准
- ✅ 只允许使用校招/实习入口
- ✅ 校招维度以"潜力"和"可塑性"为核心
技术词降级逻辑（硬约束）
| 技术词类型 | 示例 | 降级原因 | 正确落点 |
|---|
| 规模词 | 万卡集群、EB级存储 | 说明场景复杂度上限，不是人才特质 | 三级证据 |
| 芯片/硬件栈 | 昇腾、昆仑芯、Hunyuan | 业务边界，不是本质 | 三级证据 |
| 专业面词汇 | HPC、高性能计算、数据库 | 专业承载面 | 二级行为或三级证据 |
| 工具/语言 | Python、Go、CUDA、K8s | 执行工具，不是判断依据 | 三级证据 |
| 项目标签 | 顶尖人才项目、技术管培生 | 强化期望水位，不代替基本素质 | 证据层附加说明 |
执行总览
用户请求
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 0: 入口识别 │
│ · 意图分流（JD驱动 vs 拉康画像 vs 混合） │
│ · 模式A：拉康式画像 → Phase 0L │
│ · 模式B：传统JD驱动 → Step 0A │
│ · 模式C：两者混合 → Step 0A + Phase 0L │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 0.5: 工作目录创建 │
│ 创建 talent-model-workspace/ │
│ references/ │
│ research/ → 01-06.md（6-Agent 调研产物） │
│ lacanian/ → intake.md（拉康画像记录） │
│ signal-table.md（信号归纳表） │
│ output/ → 最终HTML报告 │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 1: 6-Agent 并行信息采集（Agent Swarm） │
│ Agent1 著作与系统思考 → 01-writings.md │
│ Agent2 访谈与自述模式 → 02-interviews.md │
│ Agent3 市场信号与JD → 03-market-jd.md │
│ Agent4 外部评价与争议 → 04-external-views.md │
│ Agent5 决策与行为记录 → 05-decisions.md │
│ Agent6 时间线与动态 → 06-timeline.md │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 1.5: 调研 Review 检查点 ⭐ │
│ · 展示来源统计表 │
│ · 用户确认调研质量 → 进入Phase 2 │
│ · 用户要求补充 → 补充调研后再继续 │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 2: 框架提炼（Synthesis） │
│ · 心智模型三重验证（跨域复现/生成力/排他性） │
│ · 矛盾保留（时间性/领域性/本质性张力） │
│ · 维度起草 → MECE压力测试 │
│ · 信号归纳表生成 │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 2.5: 提炼确认检查点 ⭐ │
│ · 展示提炼摘要（心智模型/决策启发式/矛盾张力/诚实边界） │
│ · 用户确认 → 进入Phase 3 │
│ · 用户修改 → 回到Phase 2调整 │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 3: 胜任力模型构建 │
│ · 起草6个MECE维度（核心原则约束） │
│ · 构建三层结构（维度→行为→证据） │
│ · 生成HTML报告（含4种图表） │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 4: 质量验证 │
│ · 已知测试（Sanity Check） │
│ · 边缘测试（Edge Case） │
│ · 风格测试（Voice Check） │
│ · 自检清单逐项验证 │
└─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ Phase 5: 双Agent精炼（标准后置工序） │
│ Agent A（优化视角）→ 最弱2维度改进建议 │
│ Agent B（创建视角）→ 激活条件+角色规则审查 │
│ 综合报告 → 展示变更摘要 → 用户确认 │
└─────────────────────────────────────────────────────────┘
│
▼
HTML报告交付
Phase 0: 入口识别
Step 0A: 意图分流
收到用户请求后，先判断属于哪条路径：
| 用户输入 | 路径 | 说明 |
|---|
| 明确岗位名称 | JD驱动路径 → Step 0A1 | 「帮我做个Java后端工程师的胜任力模型」 |
| 提到"候选人画像"或描述具体人 | 拉康画像路径 → Phase 0L | 「帮我分析一下这个候选人的胜任力」 |
| 两者结合 | 混合路径 → Step 0A1 + Phase 0L | 「这个候选人应聘XX岗位，帮我建个模型」 |
Step 0A1: 配置向导（JD驱动路径）
必须按顺序逐字段询问，每字段提供填写提示和示例。
Q1: 目标岗位名称
提示：具体岗位名称
示例：产品经理 / 客户成功经理 / 算法工程师 / 运营专员
Q2: 人才级别 ⚠️【关键区分点】
选项：
A. 校招/实习 — 侧重潜力、基础素质、学习敏捷
B. 应届生 — 侧重成长空间、主动性、工程基础
C. 1-3年经验 — 侧重执行力、专业深度
D. 资深专家 — 侧重判断力、系统思维、影响力
E. 管理者 — 侧重组织判断、人才杠杆、战略对齐
⚠️ 警告：不要用资深社招标准去要求校招生！
Q3: 使用场景
选项：
- 招聘筛选 — 用于简历筛选和初面评估
- 面试设计 — 用于设计面试问题和评分表
- 能力发展 — 用于制定培养计划
- 晋升评估 — 用于晋升答辩和校准
- 人才盘点 — 用于团队能力盘点
Q4: 角色范围/业务边界
提示：界定岗位的职责边界
示例：企业级SaaS产品销售 / 用户增长运营 / 后端服务开发
Q5: 行业背景
提示：行业特性会影响胜任力侧重点
示例：金融科技 / 电商/零售 / 企业服务 / 医疗健康
Q6: 目标地区
提示：影响验证公司的选择
示例：中国 / 全球 / 北美 / 亚太
Q7: 验证公司列表（Step 0 前置探索后）
先执行 Step 0 企业分布探索，再填此字段
提示：基于企业分布探索结论，从不同类型企业中各选 1-2 家
【强制多元化规则】
✅ 必须覆盖：至少 2 种企业类型（从以下5类中选）
- 互联网大厂（Google/ByteDance/Tencent 等）
- 中型/成长期公司（独角兽、上市中型）
- 垂直行业龙头（金融/医疗/制造/教育行业头部）
- 传统行业企业（国企/外资/传统制造等）
- 专业服务公司（咨询/SaaS/企业服务等）
❌ 禁止：验证公司全部来自互联网大厂（除非用户明确指定）
Q8: 输出格式【已锁定为HTML】
输出格式：HTML报告 — 带4种可视化图表的完整胜任力报告
说明：不提供Markdown、面试评分表等替代格式
Q9: 图表渲染方式
选项：
- CDN 加载（推荐）— 使用 jsdelivr CDN + unpkg 备用
- 内嵌本地 — 直接把 echarts.min.js 内容内联
Q10: 语言
选项：中文 / English
Q11: 特殊要求（可选）
示例：
- 必须包含：高目标、自驱力、韧性
- 必须避免：技能清单、量化权重
配置确认与校验
汇总用户填写内容，展示完整配置，并做智能校验：
【配置确认】
岗位：{岗位名}
级别：{级别} ⚠️
场景：{场景}
范围：{范围}
行业：{行业}
地区：{地区}
验证公司：{公司列表}
输出：HTML报告（含4种图表）✓
【智能校验】
✓ 校招级别已选择，将侧重潜力与基础素质
✓ 验证公司包含多家校招入口，适合交叉检验
⚠ 提醒：输出将避免技能清单陷阱，聚焦人才画像
请确认或修改：
[确认] [修改配置]
Step 0: 企业分布探索【前置，建模前必做】
在进入Phase 0.5之前，先用 WebFetch 搜索该岗位在市场上的企业分布情况。
目的： 建立对"哪些类型的企业招这个岗位"的基本认知，避免默认大厂偏差。
搜索关键词：
- "{岗位名} 招聘 行业分布"
- "{岗位名} 哪些公司招聘"
目标：了解以下4类企业是否招聘该岗位：
1. 互联网大厂（字节、阿里、腾讯等）
2. 中型/成长期公司（独角兽、上市中型企业）
3. 垂直行业龙头（金融、医疗、制造等行业头部）
4. 传统行业/非互联网企业（国企、外资、传统制造等）
⚠️ 强制约束： 如果用户提供的 Q5 行业背景不是"互联网"，验证公司列表中互联网大厂占比不得超过 50%。
Phase 0L: 拉康式临床画像入口
「你注意到自己是怎么说话的吗？」
主流测评工具让候选人表演一个"更好的自己"。拉康式画像试图绕开这种表演——通过非结构化的言语互动，捕捉候选人的欲望结构、象征秩序位置和内在矛盾。
核心假设：一个人如何谈论自己，比他声称自己是什么样的人更能说明问题。
为什么要在这里做拉康式画像？
传统JD分析是从"岗位需要什么"出发，但胜任力的真正目的是识别"这个人是什么样的人"。候选人在面试/自述中会下意识地表演，但言语方式本身（他强调什么、省略什么、回避什么、在哪里突然换话题）包含了他无法主动控制的信号。
拉康式画像不替代JD分析，而是在JD分析之前增加一层临床观察，用于：
- 识别候选人的自我叙事模式（这是后续维度提炼的临床依据）
- 补充JD无法捕捉的"底层欲望结构"
- 识别候选人自述与市场期望之间的张力（Gap识别）
Phase 0L 的两种使用场景
| 场景 | 触发条件 | 处理方式 |
|---|
| 独立画像 | 用户只提供了候选人描述/简历 | 直接进入 Phase 0L，生成画像后交 Phase 1（JD采集） |
| JD+画像混合 | 用户提供了候选人+岗位名称 | 先完成 Step 0A 配置向导，再进入 Phase 0L，画像结果注入信号归纳表 |
| 仅JD建模 | 用户只需岗位胜任力模型，不需要候选人画像 | 可跳过 Phase 0L，直接进入 Phase 0.5 |
Phase 0L 执行流程
Step 0L.1: 素材判断
检查可用的候选人素材：
可用素材类型：
A. 完整面试录音/录像 → 转写后分析言语模式
B. 面试文字记录/逐字稿 → 直接分析
C. 候选人自述文档（自我介绍、求职信）→ 分析书写模式
D. 简历 + 零散信息 → 依赖结构化提问
E. 无素材 → 通过对话式提问引导候选人自述
Step 0L.2: 拉康式提问（非结构化，不做测评题）
设计原则：
- 不问"你的优点是什么"（这是测评表演的入口）
- 问"你是怎么注意到这件事的""你停在哪里不说了""当你试图解释自己时，你注意到什么"
- 目的是让候选人的言语方式自然暴露，而不是让他组织一个"更好的答案"
三类核心问题（每次只问1-2个，观察后再追问）：
类型A — 叙事缺口观察（捕捉欲望结构）
问题不直接指向能力，而是指向候选人的叙事选择本身
-
「你为什么选择做这个，而不是别的？」
→ 观察：他的理由指向外部激励（机会主义）还是内部驱动力（主动性）？他在哪里开始绕开问题本身？
-
「你刚才说到……，后来呢？」
→ 观察：他继续延伸，还是跳到另一个话题？叙事在哪里断了？
-
「你觉得我为什么会问这个问题？」
→ 观察：他是否意识到这是一个被设计的问题？他如何在"真诚"和"表演"之间滑动？
类型B — 对话张力捕捉（捕捉内在矛盾）
不要求回答"正确"，而是观察候选人在张力中的反应
-
「你觉得自己最矛盾的地方是什么？」
→ 真正自信的人会直接说出矛盾；表演型候选人会说"我追求完美"这种虚假矛盾。
-
「如果你的一个朋友说你最大的特点是……你觉得他会说什么？」
→ 投射性问题：他如何处理"他人眼中的自己"？是防御？整合？还是表演一个"他们不了解真正的我"？
-
「有没有你做了但不想承认的事？」
→ 直接触及自我叙事和真实行为之间的Gap。观察候选人是否诚实——这本身就是胜任力信号。
类型C — 语言模式观察（捕捉象征秩序位置）
观察候选人的语言风格——他用什么语言框架构建自我？
提问原则：
- 最多问 3-4 个问题，观察后决定是否追问
- 不解释"为什么问这个"（让候选人自然反应）
- 记录候选人的原话（不是归纳），因为言语方式本身是证据
Step 0L.3: 画像记录
将观察结果记录到 lacanian/intake.md：
## 候选人临床画像记录
### 叙事结构
- **主导叙事框架**：[他用什么语言框架描述自己？技术叙事？商业叙事？成长叙事？]
- **叙事起点**：[他从哪里开始讲？从他这个人还是从任务/技术/公司？]
- **叙事缺口**：[他省略了什么？什么话题被绕开了？]
### 欲望结构
- **欲望对象（objet a）**：[他反复提到什么，但说不清为什么？]
- **象征秩序位置**：[他如何定位自己？与权威/同行/下属的关系？]
- **驱力方向**：[他说话时能量往哪里流动？探索？证明？保护？]
### 矛盾张力
- **已承认的矛盾**：[他自己说出的矛盾——这类通常是真的]
- **未承认的矛盾**：[自我叙事与实际言语模式之间的Gap——这类是信号所在]
- **矛盾处理方式**：[防御？整合？回避？幽默化？]
### 语言风格特征
- **确定性信号**：[他用"显然/毫无疑问"还是"也许/不确定"？]
- **类比密度**：[他用多少类比？这是他的思考方式还是修辞手段？]
- **暂停与跳脱**：[他在哪里停下来/换话题？这可能意味着什么？]
### 胜任力临床信号
- **自我叙事 vs 言语模式Gap**：[他声称的 vs 他实际展示的]
- **情绪稳定性**：[面对张力问题时的反应模式]
- **真实度指标**：[他是否在说"我不知道"——这是真实度信号]
- **反思能力**：[他能否观察到自己的模式？]
### 临床观察注记
[其他值得记录的观察：语气变化、肢体语言描述（如果有）、特别突出的表达模式]
Step 0L.4: Gap 分析（画像与JD的对话）
如果同时有岗位信息（Step 0A 已完成），在此处做画像-JD Gap分析：
【画像-JD Gap分析】
候选人自我叙事中缺失/薄弱的维度：
→ JD 是否在这些维度有强要求？（高风险：候选人可能无法胜任）
候选人展示出但JD未涉及的特质：
→ 是否值得作为差异化维度加入模型？
候选人的内在矛盾：
→ JD场景下，这个矛盾会被放大还是缩小？
这个 Gap 分析的结果注入 Phase 2 的信号归纳表，在"市场信号"之外增加"自述信号"来源。
Phase 0.5: 工作目录创建
创建规范的工作目录结构：
talent-model-workspace/
├── SKILL.md # 本文件（流程规范）
├── references/
│ ├── html_template.md # HTML报告模板
│ ├── extraction-framework.md # 提炼方法论（来自女娲）
│ ├── lacanian-methodology.md # 拉康画像方法论
│ ├── enterprise_reference.md # 企业信息采集规范
│ ├── test_cases.md # 测试用例
│ └── research/ # 6-Agent 调研产物（Phase 1产出）
│ ├── 01-writings.md # 著作与系统思考
│ ├── 02-interviews.md # 访谈与自述模式（整合Phase 0L）
│ ├── 03-market-jd.md # 市场信号与JD
│ ├── 04-external-views.md # 外部评价与争议
│ ├── 05-decisions.md # 决策与行为记录
│ ├── 06-timeline.md # 时间线与动态
│ └── signal-table.md # 原始信号归纳表（Phase 2产出）
│ └── lacanian/
│ └── intake.md # 拉康画像记录（Phase 0L产出）
└── output/
└── {ROLE_NAME}_胜任力模型_v2.html # 最终报告（Phase 3产出）
关键规则：
- 所有中间产物必须存在 skill 目录内部
- 禁止存到外部目录——Skill 必须是自包含的
- 复制整个 skill 目录就能独立使用
Phase 1: 6-Agent 并行信息采集
模式判断
| 模式 | 触发条件 | 策略 |
|---|
| 纯网络采集 | 用户没有提供候选人素材 | 6个Agent全部走网络搜索 |
| 混合采集 | 有候选人自述/简历 | Agent2（访谈）+ Agent5（决策）优先分析候选人素材 |
| 拉康画像模式 | Phase 0L 产出 intake.md | intake.md 作为 Agent2 的核心输入，Agent2不再重复搜索 |
Agent Swarm 任务分配
启动 6 个并行 subagent（使用 Task 工具），每个负责不同信息维度：
| Agent | 任务 | 输出文件 | 核心关注点 |
|---|
| Agent 1 | 著作与系统思考 | 01-writings.md | 市场对该岗位的系统性要求（书籍/课程/标准框架） |
| Agent 2 | 访谈与自述模式 | 02-interviews.md | 整合 Phase 0L 的 lacanian/intake.md，分析候选人言语模式 |
| Agent 3 | 市场信号与JD | 03-market-jd.md | 各公司官方JD原始信号（来自Q7验证公司） |
| Agent 4 | 外部评价与争议 | 04-external-views.md | 职场社区/招聘平台/同行对该岗位的评价 |
| Agent 5 | 决策与行为记录 | 05-decisions.md | 候选人重大决策模式（若仅有简历→从经历推断行为模式） |
| Agent 6 | 时间线与动态 | 06-timeline.md | 岗位演变时间线/最近12个月市场动态 |
Agent Prompt 模板
每个 subagent 的 spawn prompt 结构（以 Agent 3 市场JD为例）：
你的任务：采集 {岗位名} 岗位在目标企业的招聘信息原始信号。
背景信息：
- 目标岗位：{Q1岗位名}
- 人才级别：{Q2级别}
- 行业背景：{Q5行业}
- 验证公司：{Q7公司列表}（从不同类型企业选取）
采集要求：
1. 访问每家公司的官方招聘页面（优先校招/实习入口）
2. 原始记录所有反复出现的词汇——不要归纳，直接列出
3. 区分三类词：
- 跨公司反复出现的词 → 核心维度候选
- 仅某类公司提到的词 → 行业/规模特定
- 单个公司独有的强场景词 → 降级为证据
4. 每条信息标注来源URL
**JD 访问优先级（按顺序尝试）：**
- 优先级1（校招场景必须）：官方校招页面 → 官方实习页面 → careers 主页
- 优先级2（社招场景）：社招岗位页（需标注"社招"）
- 优先级3（仅作上限参照）：具体 JD 页面（标注"⚠️上限参照"）
**URL 验证硬约束：**
- ❌ 禁止生成未经 WebFetch 验证的 URL——每个链接必须用 WebFetch 确认 HTTP 200
- ❌ 禁止使用推测/编造的 URL——不确定入口时标记"未找到公开入口"而非猜测
- ✅ 降级策略：若无公开入口，从 CAREERS 主页采集，不虚构岗位信息
- ✅ 验证卡片格式：每条信息必须包含 `[验证URL]` `[入口类型]` `[检验点说明]` 三个字段
输出：
- 写入 talent-model-workspace/references/research/03-market-jd.md
- 标注来源类型（一手JD / 二手分析 / 推测）
禁止：
- 不做维度提炼（只采集原始信号）
- 不跳过任何Q7配置的公司
- 不编造未验证的URL
Agent 2 特殊处理（整合拉康画像）
Agent 2 的输入包括 Phase 0L 的 lacanian/intake.md，其 prompt 调整为：
你的任务：基于候选人临床画像记录，分析其言语模式与胜任力信号。
输入：
- Phase 0L 画像记录：references/lacanian/intake.md
- 可选的候选人自述素材：references/lacanian/（用户提供的原始素材）
分析要求：
1. 从 intake.md 提取「胜任力临床信号」section
2. 识别候选人自我叙事中的真实度指标
3. 将临床信号转化为可操作的胜任力维度候选
4. 分析「画像-JD Gap」中哪些Gap具有建模价值
输出：
- 写入 references/research/02-interviews.md
- 标注「来自拉康画像」vs 「来自候选人自述素材」vs 「来自网络搜索」
信息源优先级
| 来源类型 | 权重 |
|---|
| 候选人自述（Phase 0L） | 最高 |
| 官方校招/实习JD（一手） | 最高 |
| 官方careers页面 | 高 |
| 行业分析报告 | 中 |
| 职场社区讨论 | 低 |
| 二手转述/知乎 | 禁止 |
Agent 超时与失败处理
- 单个Agent超时（搜索5分钟无有价值结果）：不等待，继续推进。在 Phase 1.5 标注「信息不足」。
- 信息源匮乏（<10条可用来源）：在 Phase 1.5 提醒用户，降低期望。
- Agent结果冲突：保留矛盾，用 Phase 2 的「内在张力」section 收录。
Phase 1.5: 调研 Review 检查点 ⭐
所有 Agent 完成后，暂停展示调研质量摘要：
┌──────────────────┬──────────┬──────────────────────────┐
│ Agent │ 来源数量 │ 关键发现 │
├──────────────────┼──────────┼──────────────────────────┤
│ 1 著作 │ N篇 │ 核心论点: ... │
│ 2 访谈 │ N份 │ 候选人言语模式: ... │
│ 3 市场JD │ N家 │ 共性信号: ... │
│ 4 外部评价 │ N篇 │ 争议点: ... │
│ 5 决策 │ N个 │ 行为模式: ... │
│ 6 时间线 │ 完整 │ 最新动态: ... │
├──────────────────┼──────────┼──────────────────────────┤
│ 拉康画像 │ 已完成/跳过 │ Gap分析: ... │
│ 矛盾点 │ N处 │ Agent3说X, Agent4说Y │
│ 信息不足维度 │ N个 │ ... │
└──────────────────┴──────────┴──────────────────────────┘
用户确认调研质量OK → 进入 Phase 2。
用户觉得某维度不够 → 补充调研后再继续。
Phase 2: 框架提炼（Synthesis）
2.1 信号归纳表生成
基于 6-Agent 的调研产物，生成「原始信号归纳表」：
【原始信号归纳表】（强制表格格式，≥15行）
| # | 信号词 | 大厂A | 大厂B | 中型A | 垂直行业A | 传统行业A | 候选人自述 | 判断 | 降级原因（若降级） |
|---|--------|-------|-------|-------|-----------|-----------|-----------|------|-------------------|
| 1 | 例：认知复杂度 | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ | →核心维度 | — |
| 2 | 例：Python/Go | ✓ | ✓ | ✓ | ✓ | — | — | →证据层 | 工具/语言，降为三级证据 |
| 3 | 例：主动闭环 | ✓ | ✓ | — | — | ✓ | ✓ | →核心维度 | — |
|...| ... | ... | ... | ... | ... | ... | ... | ... | ... |
关键规则：
- 表格行数 ≥ 15行
- "判断"列仅允许填写：→核心维度 / →证据层 / →行业特定 / →行为层
- 降级原因必填（判断为 →证据层 或 →行业特定 时必填，→核心维度 时填"—"）
- 候选人自述列：来自 Phase 0L intake.md 的信号（独立于市场JD）
- 覆盖完整性：必须覆盖全部 Q7 配置的验证公司（不遗漏任何一家）
- 禁止跳过任何企业类型的信号采集
- 禁止跳过任何判断为→证据层 或 →行业特定的行而不填降级原因
信号表产物验证（起草维度前必须完成）：
验证点A：信号归纳表结构完整性
检查项：
□ 行数 ≥ 15
□ 每行有"判断"列且仅填写：→核心维度 / →证据层 / →行业特定 / →行为层
□ 判断为 →证据层 或 →行业特定 的行，降级原因非空
□ 覆盖全部 Q7 配置的验证公司（不遗漏任何一家）
若不满足 → 必须补充采集后再进入维度起草，禁止跳过。
验证点B：验证链接 URL 真实性
检查项：
□ 每个验证链接均已用 WebFetch 确认 HTTP 200
□ 校招/实习场景：所有链接均来自 campus/graduate/intern 入口
□ 无"未验证"/"推测"/"疑似"的 URL
若发现无法验证的 URL → 标记为"未找到公开入口"，禁止虚构链接。
2.2 心智模型三重验证（来自女娲 extraction-framework.md）
对信号归纳表中每个「→核心维度」候选执行三重验证：
| 验证 | 标准 | 通过 → 心智模型 | 仅1重 → 决策启发式 | 0重 → 丢弃 |
|---|
| 跨域复现 | 该词出现在≥2个不同类型企业的JD中 | ✓ | | |
| 生成力 | 能推断候选人在新场景下的可能表现 | ✓ | | |
| 排他性 | 不是所有候选人/所有公司都这样描述 | ✓ | | |
2.3 维度起草
- 数量强制为 6个，不多不少
- 维度命名使用抽象特质词
- 每个维度必须有信号归纳表中的跨类型来源
- 起草完成后，用以下 Few-shot 判断标准验证每个维度确实是"特质"而非"技能/行为/工具"
维度分类 Few-shot 示例：
判断"这是维度还是证据/行为"——关键特征：
❌ 以下是一级维度的错误形式：
"系统抽象能力" → 实质是技能，不是稳定特质
"Python/Go语言" → 工具，直接等于证据
"高并发系统设计" → 经验描述，不是特质
"项目管理能力" → 行为，不是维度
"AI框架理解" → 知识，不是特质
✅ 以下是一级维度的正确形式（抽象特质词，可跨情境适用）：
"认知复杂度" → 面对模糊性和多层约束时的处理能力
"内驱与目标感" → 不依赖外部推动，自我设定高标准
"韧性" → 在挫折/失败中持续推进的能力
"协作意识" → 自然地建立信任、推动跨团队协作
"学习敏捷" → 从新领域快速提取模式并迁移应用
⚠️ 中间地带（需要仔细判断）：
"技术判断力" → 如果指"基于经验对技术方案做取舍"→偏向证据/行为；
如果指"对复杂技术问题的本质洞察力"→可能是特质
"工程严谨性" → 如果指"编码习惯好"→行为层；
如果指"在不确定条件下追求正确性的人格特质"→可能是特质
判断标准：
1. 把这个词放到不同公司/行业，是否仍然有意义？（特质的跨情境性）
2. 这个词描述的是"人长期是什么样的"还是"人在这个岗位上做什么"？（特质 vs 行为）
3. 这个词能否用来区分不同类型的人，还是所有人差不多都有？（区分性）
2.4 矛盾处理
保留三种矛盾（不要和稀泥）：
- 时间性矛盾：候选人/行业早期的观点 vs 现在的观点
- 领域性矛盾：候选人在自述中表达的 vs JD中要求的
- 本质性张力：两个核心维度之间的内在冲突
2.5 诚实边界
必须明确写出的局限：
- 画像信号≠行为证明
- 市场JD≠真实工作表现
- 拉康画像捕捉的是言语模式，不是能力测试
- 信息截止到调研时间点
Phase 2.5: 提炼确认检查点 ⭐
提炼结果摘要：
- 核心维度：6个（列出名称）
- 决策启发式：N条
- 矛盾张力：N对
- 诚实边界：N条
- 拉康画像信号注入：Y/N
请确认：
[确认] [修改某个维度/矛盾处理]
Phase 3: 胜任力模型构建
3.1 构建三层结构
一级维度（D1-D6）：
禁止：技能词、工具名、岗位任务词
允许：抽象特质词（可跨情境适用）
二级行为（B1-B6）：
每个维度至少2个行为项
回答："如何在真实候选人身上识别这个维度？"
三级证据（E1-E6）：
每个行为至少1个证据
工具/平台/框架放在这一层
3.2 生成 HTML 报告
必须包含的8个部分：
- 一句话候选人画像 — "这个角色真正想找什么样的人？"
- 企业分布探索结论 — 说明验证公司的选取逻辑
- 原始信号归纳表 — 含判断列和降级原因列（≥15行）
- 六个 MECE 一级胜任力维度 — 每维度含定义、行为（二级）、证据（三级）
- 四类可视化结构图 — 旭日图、矩形树图、散点图、能力树
- 验证结论与降级说明 — 扬弃反思（含技术词降级清单）
- 官方验证链接卡片 — 含URL、入口类型、检验点说明
- 适用范围说明 — 适用场景 + 不宜外推的边界
图表硬约束
| 允许 | 禁止 |
|---|
| sunburst | radar |
| treemap | bar |
| scatter | line |
| tree | pie |
- ❌ 旭日图禁止展开三级证据（文字堆叠高发区）
- ✅ 能力树完整展开 D1-D2-D3 三层
- ❌ 图表中禁止使用量化数值（value=1占位）
- ❌ 禁止雷达图/柱状图/折线图/饼图
- ✅ 全局配色标准：D1=#7b8b78 D2=#a88244 D3=#89a89b D4=#8d6b61 D5=#64748b D6=#31526b
详见 references/html_template.md。
Phase 3.5: 边界精炼（扬弃反思）
在 Phase 4 质量验证之前，对已构建的胜任力模型进行批判性校验：
「扬」— 保留并强化的内容：
- 被多类型公司（而非仅大厂）共同强调的维度 → 确认为核心特质
- 结构清晰、三层分层合理的部分 → 保持框架稳定
- 贴合人才级别的期望水位 → 确保不偏高/偏低
- Phase 0L 画像与市场信号一致的信号 → 交叉确认
「弃」— 修正或降级的内容：
- 仅互联网大厂强调、其他类型企业不提的表述 → 降级为证据层或标注"大厂场景"
- 与目标行业企业差异较大的表述 → 修正措辞或边界
- 仅个别公司提到的要求 → 降级为证据层
- 混淆证据层与特质层的内容 → 重新归位
- 层级错配的期望 → 调整水位
- Phase 0L 画像中的单一来源信号（未在调研中交叉验证） → 降级为参考注记
调整优先级
wording → evidence → boundary → core dimensions
即：先检查措辞准确性，再确认证据层归属，然后调整边界范围，最后才触及核心维度。
Phase 4: 质量验证
4.1 已知测试（Sanity Check）
选3个该岗位/候选人公开讨论过的评价点，对比模型输出：
- 方向一致 → 模型有效
- 偏离 → 回溯调整维度权重
4.2 边缘测试（Edge Case）
选1个该岗位/候选人没公开讨论过但相关的问题，用模型推断：
- 期望：「基于维度X和Y的推断，可能...但不确定」
- 不应该斩钉截铁
4.3 风格测试（Voice Check）
用模型输出100字描述，判断：
- 有专业管理咨询报告的风格？
- 不是通用AI味鸡汤？
- 维度之间有辨识度？
4.4 自检清单
⚠️ 以下检查项必须在 HTML 文件写入前完成，发现违规立即修正。
内容完整性：
图表规范性（硬约束，逐个检查）：
| # | 检查项 | 通过标准 | 搜索/验证方式 |
|---|
| 1 | 旭日图存在 | 文件中出现 sunburst 图表 | 搜索 type: 'sunburst' 或 class="sunburst" 或 conic-gradient |
| 2 | 旭日图二级折叠 | 旭日图 data 中不存在第三层 children | 检查 D1 节点下的 D2 子节点无 D3 展开 |
| 3 | 旭日图标签无堆叠 | D1 维度名每个不超过 8 个字符 | 超长必须缩写（如"方向与标尺"→"方向感"） |
| 4 | 能力树完整展开 | D1-D2-D3 全部三级展开 | 每个行为节点下有三级证据节点 |
| 5 | 矩形树图存在 | 文件中出现 treemap 图表 | 搜索 type: 'treemap' 或 class="treemap" |
| 6 | 散点图存在 | 文件中出现 scatter 图表 | 搜索 type: 'scatter' |
| 7 | 禁止图表类型 | 无 radar/bar/line/pie | 全文不出现 type: 'radar'、'bar'、'line'、'pie' |
| 8 | 无量化数值 | 无精确数字 value/min/max | 搜索 value: 后跟数字（value: 1 除外）、min:、max:、% |
| 9 | ECharts CDN 存在 | CDN 脚本标签在文件中 | 搜索 cdn.jsdelivr.net/npm/echarts@5 |
| 10 | 配色一致性 | D1-D6 颜色全图表统一 | 检查四图表中同一维度编号颜色一致，无 ECharts 默认色 |
全局配色标准： D1=#7b8b78 D2=#a88244 D3=#89a89b D4=#8d6b61 D5=#64748b D6=#31526b
能力树使用半透明版本 rgba(hex, 0.14) 背景 + rgba(hex, 0.26) 边框
格式规范：
若发现违规项 → 立即修正后再输出，不要忽略任何一项。
Phase 5: 双Agent精炼（标准后置工序）
Phase 4 验证通过后，自动启动双Agent精炼：
Agent A（优化视角）
- 对 SKILL.md 执行8维度结构评估
- 干跑3个典型测试prompt
- 输出：最弱2个维度的具体改进建议
Agent B（创建视角）
- 评审激活触发条件是否覆盖真实使用场景
- 评审角色规则的可操作性
- 输出：2-3处具体文本改动建议
主Agent综合两份报告，应用不冲突的改进，展示变更摘要。
失败模式防范
| 陷阱 | 防范措施 |
|---|
| 技能树陷阱 | 工具/框架放三级证据，不要作为一级维度 |
| 大厂偏差 | 验证公司不能全为互联网大厂 |
| 先验框架陷阱 | Step 3.5（信号采集）必须在起草维度之前 |
| 校招社招污染 | 校招/实习场景严禁使用社招JD |
| 图表惯性漂移 | 必须使用 sunburst/treemap/scatter/tree |
| 图表量化幻觉 | 禁止填写精确数值 |
| 旭日图文字堆叠 | 只显示维度名，二级折叠 |
| 降级说明缺失 | 必须包含显式「降级说明」节 |
| 验证链接幻觉 | 禁止生成未经WebFetch验证的URL |
| 跳过中间验证 | Phase 1.5 和 Phase 2.5 checkpoint 强制执行 |
| 拉康画像表演化 | Phase 0L 问题设计避免"优点/缺点"类表演题 |
示例对话
用户：帮我做一个Java后端工程师的胜任力模型（校招），候选人是一个计算机专业大三学生。
Skill：
我来帮你构建 Java 后端工程师（校招）岗位的胜任力模型。这个任务有两种入口模式：
模式A — 纯岗位建模：只基于市场JD构建，不含候选人画像
模式B — JD+候选人画像：岗位建模 + 拉康式临床画像（捕捉候选人的言语模式和欲望结构）
你有这位候选人的哪些素材？
- 面试录音/录像
- 面试文字记录
- 候选人自述文档（自我介绍/求职信）
- 仅简历/零散信息
- 无候选人素材（纯岗位建模）
有素材的话，可以进入 Phase 0L 拉康画像阶段，在分析 JD 之前先捕捉候选人的言语模式。
[用户选择：仅有简历]
Skill：
明白，无候选人素材。那我们走纯JD驱动路径，直接进入配置向导。
Q1: 目标岗位名称：Java后端工程师 ✓
Q2: 人才级别：校招/实习 ⚠️
Q3-Q6... [继续配置向导]
Step 0 企业分布探索中...
【企业分布探索结论】
"Java后端工程师（校招）"在以下类型企业分布：
- ✓ 互联网大厂 — 核心系统开发（ByteDance、Alibaba、Tencent）
- ✓ 金融科技 — 核心系统/交易系统（平安科技、招银网络）
- ✓ 企业服务 — SaaS后端（用友、金蝶）
- ✓ 传统金融IT — 银行IT部门（工商银行软件中心）
- ✓ 制造业龙头 — 工业互联网（华为、海尔智家）
→ Q7 验证公司将从以上5类中各选至少1家
[配置确认后]
Phase 1: 6-Agent 并行采集中...
Agent1 著作与系统思考 / Agent2 访谈与自述模式（无候选人素材，跳过）
Agent3 市场JD / Agent4 外部评价 / Agent5 决策与行为 / Agent6 时间线与动态
Phase 1.5: 调研 Review
┌──────────────────┬──────────┬──────────────────────────┐
│ Agent │ 来源数量 │ 关键发现 │
├──────────────────┼──────────┼──────────────────────────┤
│ 1 著作 │ 5篇 │ 核心框架：系统设计/中间件 │
│ 2 访谈 │ 跳过 │ 无候选人素材 │
│ 3 市场JD │ 6家 │ 共性信号：基础扎实/主动闭环│
│ 4 外部评价 │ 8篇 │ 争议：框架vs原理 │
│ 5 决策 │ 4个场景 │ 行为模式：从需求到交付 │
│ 6 时间线 │ 完整 │ 最新：云原生化趋势 │
├──────────────────┼──────────┼──────────────────────────┤
│ 拉康画像 │ 跳过 │ 无候选人素材 │
│ 信息不足维度 │ 无 │ │
└──────────────────┴──────────┴──────────────────────────┘
✅ 调研质量OK，进入 Phase 2。
Phase 2.5: 提炼确认
提炼结果：
- 核心维度：6个（认知复杂度/内驱与主动闭环/韧性/学习敏捷/工程基础/协作力）
- 矛盾张力：2对（学习敏捷 vs 工程基础扎实 / 主动闭环 vs 过度承担）
- 诚实边界：3条
[用户确认]
Phase 3-5 执行...
✅ 胜任力模型 HTML 报告已生成！
最终指导原则
胜任力模型不是整理后的职位描述。
它是对"组织真正想识别什么样的人"的结构化判断。
先建模人，再映射行为，最后验证证据。
先采信号，再起草维度，禁止跳过中间验证。
候选人的言语方式本身，就是胜任力的第一层证据。
