阶段三 · 70分钟
03
实操上手
怎么在 WorkBuddy 上把流程变成可运行的 agent?
4
工作形态
6
工作流站点
1
亲手运行 Skill
前置
先别急着建 Agent
亲手运行一个会议助手 Skill
⏱ 10分钟 · 看见 Skill 如何带动一条工作流
按 → 或点击进入内容
前置
先选对工作形态,再决定要不要建 Agent
⏱ 10分钟 · 学员亲手运行
01|一次性

直接提问

临时探索、草稿、一次判断。

不必先做系统
02|单点复用

Skill

稳定的输入和输出,一招可反复调用。

今天运行:会议助手
03|多步交接

工作流

上一步输出交给下一步,并设复核、暂停与恢复。

Skill 内部的六站链路
04|长期专业工作

专用 Agent

多任务、知识密集、规则明确、需要持续校正。

后面构建:招聘专家

① 现在就运行

讲师发放已获授权、脱敏或模拟的会议样例。每人只输入明确触发语。

会议链接 + 处理不是“帮我看看这个会议”

② 观察这条工作流怎样交付

触发与认证链接 + 指令;认证失败从此恢复
解析会议纪要优先;为空时降级转写
AI 加工与文档议题、决策、待办与来源
人工审核暂停待办不清晰时不直接执行
同步与归档确认后才同步日历 / 保留文档
异常可恢复失败不重做上游,不丢已产出

③ 到审核点停下

看到待办清单后,决定下一步;这不是 AI 可以替你跳过的确认。

继续:按当前清单进入下一步
修改后继续:补责任人、截止或内容
取消:保留文档,不同步日历
课堂边界:仅使用讲师提供的授权、脱敏或模拟会议样例;日历同步必须由人工确认。Skill 解决“一招”,工作流保证“交接”,Agent 才承担长期的专业工作。
招聘专家样板
我是怎样把它做出来的
⏱ 4分钟 · 构建与运行
按 → 或点击进入内容
招聘专家怎样被做出来、怎样跑起来
⏱ 4分钟 · 构建与运行
① BUILD|把规则固化

从无到有,先把专家做出来

初始化目录init_expert.py
编写 Prompt人设 · 8能力 · 输出规范
注入知识库34份文档 × 6分类
配置规则引擎红线 · 门禁 · 边界
挂载技能skills: [ima-skills]
校验 + 注册validate → register
规则三件套:知识库铁律 + 能力边界 + 领域红线。上线前先让所有输入经过门禁。
② RUN|让请求安全进入工作

用户提问 → 门禁 → 知识 → 推理 → 可复核输出

按编号顺序运行:① → ② → ③ → ④ → ⑤ → ⑥

接收输入简历 · 需求 · 问题
领域门禁行业+岗位在范围?
KB检索匹配资料?
获取原文get_media_info
推理分析比对 · 标注
结构化输出报告 · 题库 · 草案
⛔ 范围外:透明拒绝并转人工,不作人员决定。
⚠️ 知识未命中:说明缺口,只给通用方法,不伪造事实。
它不是一个 Prompt
而是一套专家系统
⏱ 4分钟 · 能力与底座
按 → 或点击进入内容
做出来的 Agent 有什么能力,能力靠什么支撑
⏱ 4分钟 · 能力与底座

招聘专家 · 8大核心能力域

知识库驱动、方法论武装、规则明确;每项能力执行前必须先检索可用资料。

📋 招聘执行|5项

岗位画像构建 · 简历筛选评估 · 结构化面试设计 · 招聘沟通话术 · 招聘流程诊断

🎯 人才战略|2项

候选人横向对比(形成招聘负责人复核材料)· 人才库运营(Mapping + 被动触达 + 长期维护)

🏗 组织赋能|1项

面试官赋能:常见误区 · 自检清单 · 分级成长路径

🔗 能力不是菜单,而是链路

岗位画像 → 筛选 → 面试设计 → 候选人对比材料;话术、流程诊断、Mapping、面试官赋能平行支撑。

能力底座:知识、方法、规则、工具

6类知识:岗位画像 · 面试评估 · 合规政策
沟通话术 · 渠道运营 · 补充能力
34份结构化文档 · 覆盖3行业×3岗位
每项能力先检索知识库再回答
方法:4阶段流程 · STAR · 结构化评分卡
5项输出规范:来源 · 可执行 · 术语统一
约束:3行业×3岗位门禁 · 9条触发规则
工具:ima-skills · KB搜索/读取 · Prompt · 注册

边界不变:不作录用决定,不给法律意见;制造业场景坚持技术栈真实、决策逻辑可复核。

讲师带做
一个请求如何进入专家系统
⏱ 16分钟 · 讲一句做一步
按 → 或点击进入内容
讲师带做 · 一个 JD 请求怎样被路由、处理和交付
⏱ 16分钟 · 讲一句做一步
📥 学员输入:明确岗位 + 行业 + 具体需求 + 输出格式 例:半导体电气工程师(中级、深圳)的 JD 和人才画像

📋 招聘执行链|递进依赖

M1 岗位画像JD · 人才画像 · 薪酬参考
M2 简历筛选画像比对 · 风险标注
M3 面试设计题库 · 评分卡
M4 招聘话术邀约/拒信草案
M5 流程诊断瓶颈 · 优化建议

🎯 人才战略链

M6 候选人对比复核材料
M7 人才 Mapping赛道 · 触达策略

🏗 组织赋能

M8 面试官赋能自检 · 成长路径
🔧 共享组件层⛔ 领域门禁:范围外透明拒绝🔍 ima 知识库:search → get_media📐 输出规范:来源标注 · 可执行🔄 反馈:不满意 → 精准重跑
学员独立构建
按六步把第一轮输入说清楚
⏱ 24分钟 · 用自己的场景
按 → 或点击进入内容
最佳提问策略 · 先把可交付的第一轮输入写出来
⏱ 24分钟 · 用自己的场景

① 定需求

先说清“谁,在什么任务上,需要什么结果”。不要只说“帮我招个人”。

② 给上下文

行业、职级、地点、业务限制决定检索方向和判断边界。

③ 分步走

画像 → 筛选 → 面试,不把复杂链路一次塞进同一个请求。

④ 定格式

表格、栏目、顺序、来源标注;让结果能进入下一环节。

⑤ 给参考

给已脱敏样本或反例约束,比说“专业一点”更有效。

⑥ 追迭代

补深度、调风格、加维度;指出具体不满意点,不要从头重问。

高效提问 = 明确岗位 + 指定行业 + 具体需求 + 输出格式偏好 | 定需求 → 给上下文 → 分步走 → 定格式 → 给参考 → 追迭代

现在照这个样板完成:创建你的 Agent → 写第一轮输入 → 用授权、脱敏或模拟资料测试 → 记录第一次结果。涉及人员判断时,输出只能作为复核材料。

邻座互测
作为真实使用者与 Agent 协作
⏱ 12分钟 · 互测与修正
按 → 或点击进入内容
人机协作流程 · 学员做决策,AI 做支撑
⏱ 12分钟 · 互测与修正

👤 邻座:作为使用者输入

JD 编写与优化
简历筛选复核材料
面试题设计 · 沟通话术
候选人对比材料 · 人才 Mapping

提供准确岗位信息、核心需求;测试时故意补充、删减或指出不满意点。

🤖 Agent:按规则处理

领域门禁 → 知识库检索
获取来源 → 推理分析
结构化输出 → 标注依据

AI 负责检索、整理、生成可追溯成果;不替代业务判断。

🔍 原作者:审核与回流

满意:采纳成果 · 归档
不满意:补信息 · 指出偏差
知识缺口:补文档并重新测试

每组记录:哪一类输入让结果变好,哪一类偏差需要回到规则或知识。

职责边界:人提供情境、审核结论并承担最终决策;AI 检索来源、生成结构化材料并响应反馈。最终录用决策始终由招聘负责人承担。
← 阶段二
1/13
← → 键盘翻页 · 空格下一页 · F 全屏