Menu
招聘数据分析与优化建议技能。用于定时生成招聘进展日报、周报、月报，分析招聘效果，提供优化建议和下一步招聘策略。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
| name | byted-recruitment-analytics |
| description | 招聘数据分析与优化建议技能。用于定时生成招聘进展日报、周报、月报，分析招聘效果，提供优化建议和下一步招聘策略。 |
| metadata | {"openclaw":{"emoji":"📊","requires":{"config":[]}}} |
本技能用于招聘数据的定期分析、进展汇报和优化建议，支持每日、每周、每月定时任务。
触发时间：每个工作日上午 10:00 前
执行内容：
## 📋 招聘进展日报 - [日期]
### 一、各JD进展概览
| JD名称 | 状态 | 已查看候选人 | 高匹配度(4-5星) | 已打招呼 | 面试安排 | 下一步 |
|--------|------|-------------|-----------------|---------|---------|--------|
| [JD1] | 🟡 进行中 | X位 | X位 | X位 | X位 | [说明] |
| [JD2] | 🟢 待开始 | 0位 | 0位 | 0位 | 0位 | 等待确认 |
### 二、昨日数据统计
| 指标 | 数值 | 说明 |
|------|------|------|
| 新增候选人 | X位 | 昨日新增查看 |
| 高匹配度占比 | XX% | 4-5星候选人占比 |
| 打招呼发送 | X位 | 昨日发送数量 |
| 打招呼响应 | X位 | 收到回复数量 |
| 响应率 | XX% | 响应/发送 |
| 面试安排 | X位 | 昨日安排 |
### 三、各JD详细数据
#### [JD1名称]
- **当前状态**：[状态]
- **候选人分布**：
- 5星：X位
- 4星：X位
- 3星：X位
- 2星：X位
- 1星：X位
- **关键发现**：
- [发现1]
- [发现2]
- **下一步计划**：
- [计划1]
- [计划2]
### 四、发现的问题
1. **[问题1标题]**
- 描述：[问题描述]
- 影响：[影响范围]
- 建议：[初步建议]
2. **[问题2标题]**
- 描述：[问题描述]
- 影响：[影响范围]
- 建议：[初步建议]
### 五、优化建议
#### 1. JD优化建议
- **[JD1]**：[具体建议]
- **[JD2]**：[具体建议]
#### 2. 搜索策略优化
- [建议1]
- [建议2]
#### 3. 沟通话术优化
- [建议1]
- [建议2]
### 六、需要您确认
- [ ] 确认事项1：[内容]
- [ ] 确认事项2：[内容]
- [ ] 确认事项3：[内容]
---
**汇报时间**：[时间]
**下次汇报**：[明日/下周一]
触发时间：每周一上午 10:00
执行内容：
## 📊 招聘周报 - [开始日期] ~ [结束日期]
### 一、本周整体数据概览
| 指标 | 数值 | 较上周 |
|------|------|--------|
| 活跃JD数 | X个 | +X/-X |
| 查看候选人 | X位 | +X/-X |
| 高匹配度(4-5星) | X位 | +X/-X |
| 发送打招呼 | X位 | +X/-X |
| 收到响应 | X位 | +X/-X |
| 安排面试 | X位 | +X/-X |
| 完成录用 | X位 | +X/-X |
### 二、各JD详情
#### [JD1名称]
- **状态**：[状态]
- **本周数据**：
- 新增查看：X位
- 高匹配度：X位
- 打招呼：X位
- 面试：X位
- **候选人评分分布**：
- 5星：X位 (XX%)
- 4星：X位 (XX%)
- 3星：X位 (XX%)
- 2星：X位 (XX%)
- 1星：X位 (XX%)
- **亮点与问题**：
- 亮点：[描述]
- 问题：[描述]
### 三、渠道效果分析
| 招聘平台 | 查看人数 | 高匹配度 | 响应率 | 面试率 | 录用率 | ROI评分 |
|---------|---------|---------|--------|--------|--------|---------|
| BOSS直聘 | X位 | X位 | XX% | XX% | XX% | ⭐⭐⭐ |
| LinkedIn | X位 | X位 | XX% | XX% | XX% | ⭐⭐⭐⭐ |
| 猎聘 | X位 | X位 | XX% | XX% | XX% | ⭐⭐ |
**渠道优化建议**：
- [建议1]
- [建议2]
### 四、招聘漏斗分析
查看候选人 (X位) ↓ 高匹配度 (X位) - 转化率 XX% ↓ 发送打招呼 (X位) - 转化率 XX% ↓ 收到响应 (X位) - 转化率 XX% ↓ 安排面试 (X位) - 转化率 XX% ↓ 完成录用 (X位) - 转化率 XX%
**漏斗瓶颈分析**：
- 主要瓶颈：[环节]
- 优化建议：[建议]
### 五、市场洞察
#### 1. 薪资分布分析
- **[职位1]**：[薪资范围]
- **[职位2]**：[薪资范围]
- **市场趋势**：[趋势描述]
#### 2. 热门技能分析
- 本周热门技能1：[技能名称] - 出现频率 XX%
- 本周热门技能2：[技能名称] - 出现频率 XX%
- 本周热门技能3：[技能名称] - 出现频率 XX%
#### 3. 人才供需分析
- **供给情况**：[描述]
- **需求情况**：[描述]
- **建议**：[建议]
### 六、优化建议与策略调整
#### 1. JD优化建议
| JD名称 | 当前问题 | 优化建议 | 优先级 |
|--------|---------|---------|--------|
| [JD1] | [问题] | [建议] | 高 |
| [JD2] | [问题] | [建议] | 中 |
#### 2. 评分标准优化
- **当前权重**：经验30%、技能25%、学历15%、行业15%、薪资10%、其他5%
- **优化建议**：[具体调整建议]
- **理由**：[数据支撑理由]
#### 3. 搜索策略调整
- **当前策略**：[描述]
- **问题**：[描述]
- **调整建议**：[具体建议]
#### 4. 沟通话术优化
- **打招呼话术**：[当前话术] → [建议话术]
- **面试邀请话术**：[当前话术] → [建议话术]
### 七、下周工作计划
#### 1. 重点任务
- [ ] 任务1：[描述] - 负责人：[角色] - 截止时间：[时间]
- [ ] 任务2：[描述] - 负责人：[角色] - 截止时间：[时间]
- [ ] 任务3：[描述] - 负责人：[角色] - 截止时间：[时间]
#### 2. 重点JD
- **优先级1**：[JD名称] - [目标]
- **优先级2**：[JD名称] - [目标]
- **优先级3**：[JD名称] - [目标]
### 八、需要您决策
1. **[决策事项1]**
- 选项A：[描述]
- 选项B：[描述]
- 建议：[建议选项]
2. **[决策事项2]**
- 选项A：[描述]
- 选项B：[描述]
- 建议：[建议选项]
---
**报告生成时间**：[时间]
**上周周报**：[链接]
**下周预报**：下周一上午10点
触发时间：每月1日上午 10:00
执行内容：
## 📈 招聘月报 - [月份]
### 一、本月核心指标达成
| 指标 | 目标 | 实际 | 达成率 |
|------|------|------|--------|
| 招聘职位数 | X个 | X个 | XX% |
| 录用人数 | X人 | X人 | XX% |
| 平均招聘周期 | X天 | X天 | XX% |
| 平均招聘成本 | X元 | X元 | XX% |
| 新人留存率(3个月) | XX% | XX% | XX% |
### 二、招聘漏斗深度分析
#### 1. 整体漏斗
简历筛选 (X份) ↓ 通过率 XX% 面试邀约 (X人) ↓ 接受率 XX% 现场面试 (X人) ↓ 通过率 XX% offer发放 (X人) ↓ 接受率 XX% 正式入职 (X人)
#### 2. 各环节分析
| 环节 | 数量 | 转化率 | 较上月 | 优化建议 |
|------|------|--------|--------|---------|
| 简历筛选 | X | - | +X/-X | [建议] |
| 面试邀约 | X | XX% | +X/-X | [建议] |
| 现场面试 | X | XX% | +X/-X | [建议] |
| offer发放 | X | XX% | +X/-X | [建议] |
| 正式入职 | X | XX% | +X/-X | [建议] |
### 三、各职位招聘详情
#### [职位1]
- **招聘状态**：[进行中/已完成/已暂停]
- **招聘周期**：[开始日期] ~ [结束日期]，共X天
- **录用人数**：X人
- **招聘成本**：X元
- **数据详情**：
- 查看简历：X份
- 高匹配度：X份
- 打招呼：X人
- 面试：X人
- 录用：X人
- **经验总结**：
- 成功因素：[描述]
- 遇到问题：[描述]
- 改进建议：[描述]
### 四、渠道ROI分析
| 渠道 | 投入成本 | 录用人数 | 人均成本 | ROI评分 | 建议 |
|------|---------|---------|---------|---------|------|
| BOSS直聘 | X元 | X人 | X元 | ⭐⭐⭐⭐ | 保持投入 |
| LinkedIn | X元 | X人 | X元 | ⭐⭐⭐⭐⭐ | 增加投入 |
| 猎聘 | X元 | X人 | X元 | ⭐⭐ | 减少投入 |
| 内部推荐 | X元 | X人 | X元 | ⭐⭐⭐⭐⭐ | 加大激励 |
**下月渠道策略**：
- [策略1]
- [策略2]
### 五、人才库建设
#### 1. 人才库统计
- **总人数**：X人
- **各星级分布**：
- 5星：X人
- 4星：X人
- 3星：X人
- **本月新增**：X人
#### 2. 人才激活情况
- **本月激活**：X人
- **成功入职**：X人
- **激活转化率**：XX%
### 六、市场与竞品分析
#### 1. 薪资趋势
- **本公司**：[职位1] [薪资范围]
- **竞品A**：[职位1] [薪资范围]
- **竞品B**：[职位1] [薪资范围]
- **市场中位**：[薪资范围]
- **建议**：[建议]
#### 2. 招聘热度分析
- **热门职位1**：[职位名] - 竞争指数 ⭐⭐⭐⭐⭐
- **热门职位2**：[职位名] - 竞争指数 ⭐⭐⭐
- **热门职位3**：[职位名] - 竞争指数 ⭐⭐
### 七、问题与改进
#### 1. 本月遇到的主要问题
| 问题 | 影响范围 | 严重程度 | 已采取措施 |
|------|---------|---------|-----------|
| [问题1] | [描述] | 高/中/低 | [措施] |
| [问题2] | [描述] | 高/中/低 | [措施] |
#### 2. 下月改进计划
- [ ] 改进1：[描述] - 负责人 - 截止时间
- [ ] 改进2：[描述] - 负责人 - 截止时间
- [ ] 改进3：[描述] - 负责人 - 截止时间
### 八、下月招聘计划
#### 1. 招聘目标
| 职位 | 计划人数 | 目标完成日期 | 优先级 |
|------|---------|-------------|--------|
| [职位1] | X人 | [日期] | P0 |
| [职位2] | X人 | [日期] | P1 |
| [职位3] | X人 | [日期] | P1 |
#### 2. 关键里程碑
- [ ] 里程碑1：[描述] - [日期]
- [ ] 里程碑2：[描述] - [日期]
- [ ] 里程碑3：[描述] - [日期]
### 九、需要您审批
1. **[审批事项1]**
- 内容：[描述]
- 预算：X元
- 建议：批准
2. **[审批事项2]**
- 内容：[描述]
- 预算：X元
- 建议：批准
---
**报告生成时间**：[时间]
**上月报告**：[链接]
**下月预报**：下月1日上午10点
触发条件：每个工作日 10:00 前
执行步骤：
jd-process/ 目录下所有岗位的JD文件和招聘记录 [职位名]/* 文件data/hiring-reports/daily-[日期].md触发条件：每周一 10:00
执行步骤：
data/hiring-reports/weekly-[日期].md触发条件：每月1日 10:00
执行步骤：
data/hiring-reports/monthly-[月份].md需要读取的文件：
[职位名]-jd.md - 各职位的JD和隐性规则data/candidates-[日期].md - 候选人记录data/hiring-reports/ - 历史报告生成的报告保存到：
data/hiring-reports/daily-[日期].mddata/hiring-reports/weekly-[日期].mddata/hiring-reports/monthly-[月份].md使用 cron 或 skills 设置定时触发：
{
"daily": {
"task": "byted-recruitment-analytics",
"type": "daily",
"schedule": "0 10 * * 1-5"
},
"weekly": {
"task": "byted-recruitment-analytics",
"type": "weekly",
"schedule": "0 10 * * 1"
},
"monthly": {
"task": "byted-recruitment-analytics",
"type": "monthly",
"schedule": "0 10 1 * *"
}
}
记住： 数据驱动决策，建议支撑行动！ 📊
这个技能会随着数据积累不断进化。保持分析，持续优化！ 🚀
火山引擎函数服务：当用户想把本地前端、Node.js、Python、静态站点或 API 服务部署上线，基于模板创建 serverless 应用，把已有项目接入 veFaaS，查看线上访问地址，配置生产环境变量、构建命令、启动命令或端口，发布、回滚、调用和调试线上函数，查看日志、实例状态或资源配置，拉取/推送云端函数代码，创建和管理沙箱实例，排查部署失败、鉴权失败、框架检测错误、网关缺失等问题，需要直接调用 veFaaS OpenAPI 完成高级操作，或初期上手 veFaaS、想了解 veFaaS 概念/能力/选型/计费、在终端查阅官方文档、接入 veFaaS SDK 或 OpenAPI 进行代码开发时使用。
Manage Volcengine's AI-native BaaS platform (Supabase edition / 火山引擎 AI 原生 BaaS 平台 Supabase 版) — a Volcengine-operated distribution that differs from official Supabase. Covers workspaces, branches, SQL queries, schema changes, Auth, Realtime, Edge Functions, Storage, frontend static-site hosting, and TypeScript type generation through the byted-supabase-cli command-line tool (installed via `npm i -g @byted-supabase/cli`; this is NOT the official `supabase` CLI). Run byted-supabase-cli subcommands to get real-time results. Use this skill when the user needs to create, inspect, or manage Volcengine Supabase resources (workspaces, databases, branches, Auth, Realtime, Edge Functions, Storage, frontend deployment, API keys, or type generation). Do NOT use it for general database discussions, non-Supabase services, or pure client-side coding unrelated to Supabase backend management.
Use this skill only for Volcengine Redis cloud resource operations, including querying, inspecting, creating, or managing Volcengine Redis instances and related cloud resources. Trigger it when the user mentions Volcengine Redis, Volcengine Redis instances, Volcengine Redis inventory/detail lookup, Volcengine Redis operational metadata, or Volcengine Redis MCP/OpenAPI access.
使用火山引擎 MongoDB Skill，帮助用户完成 MongoDB 相关的实例管理、备份恢复、参数等运维任务，可直接调用 uv run ./scripts/call_mongodb.py 脚本获取实时结果。当需要访问管理在火山引擎 MongoDB 实例详细信息时，此 Skill 可以提供方便的接口。
漫剧制作总导演。接受用户故事创意，依次完成剧本创作、角色设计、分镜图生成、分镜视频生成、视频合成全流程，产物保存到 COMIC_DRAMA_OUTPUT_DIR（默认 ./output），最终交付完整漫剧视频和 TOS 链接。
ByteHouse AI 查询技能，提供自然语言转 SQL（Text2SQL）、SQL 执行、库表结构查询、多模态向量化和向量检索等能力，覆盖 ByteHouse 云数仓的日常查询、SQL 生成与执行场景。当用户提到 "ByteHouse"、"查表"、"查数据"、"Text2SQL"、"自然语言查询"、"列出数据库"、"列出表"、"执行 SQL"、"生成 SQL"、"多模态检索" 等诉求，或者需要基于 ByteHouse 完成上述任务时，应使用本 Skill。