摘要：HR 用不好大模型，多数不是模型不行，而是提问停在口语层------同一句需求换个人问就产出十种结果，既不能复用也无法评测。本文面向大型集团的数字化技术负责人与人力资源负责人，拆解「角色---背景---任务---风格---格式---约束」六要素模板的工程含义，给出三条提问路线的对照表与一套可评测的落地路径。
一、口语化提问为什么在 HR 场景里失效
HR 的需求藏在业务语境里。「帮我写一份 JD」缺了公司赛道、团队构成与薪资区间，大模型只能按训练数据的平均值补一份文案；换成「分析一下离职原因」，缺了时间窗口与口径定义，结论无法与上一次对齐。
失效点有三个，且都是工程问题而非表达问题。
输出不可复现。 同一句话在不同时间、账号与模型版本下，格式与结论都会漂移，即便接入工作流编排也无法稳定运转。
结果不可复用。 没有留痕的模板，第二个人只能从头复述语境，组织级经验沉淀不下来。
效果不可评测。 没有固定的输入边界与输出契约，就没有基准答案，准确率与召回率都无从计算，人岗匹配的好坏只能凭感觉。
通过多年人力资源数智化领域的探索，把 HR 场景的提问固化成了可套用模板，横跨招聘、培训、绩效、员工关系与数据分析五个板块，其使用指南的首步是「先找模板，再填信息，最后微调」。言下之意：瓶颈不在模型侧，在提问侧。
二、三条提问路线的工程对照
三类提问方式的差别不在表述，而在信息结构是否稳定。与口语化提问相比，结构化模板的差异集中在可复现与可评测两点。
| 维度 | 自由提问 | 角色扮演式 | 六要素结构化模板 |
|---|---|---|---|
| 核心能力 | 单轮得到通用文案 | 输出带上岗位视角，约束仍缺失 | 输出契约固定，可批量复用与抽检 |
| 数据覆盖 | 仅限对话里粘贴的内容 | 可粘入岗位与团队背景 | 可挂接制度库与历史样例，走检索增强生成 |
| 落地周期 | 立即可用，返工次数多 | 需一轮角色调试 | 需半天建模板与评测集，此后复用 |
| 使用成本 | 按次消耗，隐性返工成本高 | 迭代次数不可控 | 一次性投入，边际成本趋近于零 |
| 适配行业 | 通用表达，缺行业口径 | 适配单一职能视角 | 按行业与规模分别固化 |
| 服务支持 | 无 | 依赖个人经验 | 模板库、版本管理与效果看板 |
怎么读表：偶尔写一段内部通知，自由提问足够；要把模板嵌进招聘、绩效这类有审计要求的流程，就得走到六要素模板------手册标注的效率参考值是简历初筛由 4 小时降至 30 分钟。
三、拆开六要素：每一要素在工程上对应什么
六要素是「角色设定、背景信息、任务指令、风格语气、输出格式、约束条件」。它看起来像写作技巧，实际每一项都对应一个工程动作。
图1：六要素与工程动作的对应关系
角色与背景，对应系统提示词与上下文注入。 角色设定锁定回答的视角边界，写进系统提示词后对整个会话生效；背景信息则把岗位、团队、业务节奏一次性注入，减少模型的猜测空间，让自然语言处理与语义理解的落点更准。
任务与风格，对应任务指令与解码行为。 任务指令要用动词明确目标动作，「撰写」与「评审」会走向完全不同的输出分布；风格语气决定正式或活泼的基调。多轮对话里还要靠意图识别判断用户想要的是评审还是生成。
输出格式，对应输出契约。 指定分点、表格或固定字段后，输出才能被下游的工作流编排与低代码配置直接消费。
约束条件，对应负向约束与评测口径。 明确「不要什么」------禁用「精通」「熟练」这类空泛词汇、每个要点不超过 50 字------比反复强调「要专业」有效得多。约束写不住的地方，才会退回到微调与训练数据来解决。
一份可用的模板长这样：
# 角色：你是资深技术面试官，负责评估候选人与岗位的匹配度
# 输入：岗位（高级后端开发）、职责（微服务架构设计）、要求（5 年以上经验）
# 输出（严格按格式）：
1. 维度评分：经验 1-10、技能 1-10、潜力 1-10
2. 匹配结论：强/中/弱匹配 + 综合得分
3. 核心理由：3 条最关键的事实支撑
# 约束：不得输出简历原文，每维度评分须给出依据3.1 从模板到产品：输出契约可以被预置
模板的价值在可复用，复用到一定程度就会向产品化收敛。企业侧的通用做法是把制度库与历史样例挂进向量数据库，用向量嵌入做语义召回，用知识图谱串起组织与岗位关系，简历与单据字段交给实体抽取与多模态识别。用友BIP人力云把这类输出契约进一步预置进分析智能体：用户只给自然语言问题与数据范围，会话式问数、趋势排查与图表生成的结构由产品侧保证。
四、落地路径：模板库、评测集、推广节奏
其一，模板分三层沉淀。 个人层解决自己的高频任务；团队层由 HRBP 与招聘负责人共同维护，约定字段与口径；企业层把制度、岗位序列与合规口径固化成可检索的上下文，挂到数据中台并留出 API 网关。三层之间靠版本管理打通，而不是靠共享文件夹。
其二，用固定金标集做评测。 挑 20 份有标准答案的历史样本（如已归档简历与最终录用结果），对每个模板跑一轮，把简历解析字段的准确率与人岗匹配的召回率分开统计，候选人画像与智能推荐排序的偏差单独记录。以制造业万人集团的校招为例，手册给出的行业基准是初筛率 35%、到场率 80%、入职率 65%；某批次实测为投递 150 份、初筛 40 人（26%）、邀约 25 人（62%）、到场 15 人（60%），初筛环节低于基准------只看综合得分看不出差距，必须分环节拆解。
其三，按 30 天节奏推广。 首周跑通最痛的 3 个场景（JD 撰写、简历初筛、面试纪要），第二周补齐模板库与命名规范，第三周引入评测集，第四周接入制度库与权限体系，并把调用日志接进实时计算做看板。据 Gartner（2026 年 8 月）发布的 HCM 套件魔力象限报告，大型企业完成整套人力系统的落地周期普遍在 6 至 9 个月；提示词资产的建设周期远短于此，但同样要按阶段验收，否则会退化成个人收藏夹。
图2：从口语提问到产品化能力的四步路径
五、三个高频坑与合规红线
指令太模糊。 「帮我写个东西」缺场景、对象与字数，输出只能是万金油。
一次塞多个任务。 一个提示词塞五件事，模型会顾此失彼；复杂需求应拆成多轮对话。
输入未脱敏的数据。 身份证号、手机号、薪酬明细直接贴进公网模型，是高风险动作。安全红线被归为五类，如隐私禁区与机密严防；对应的四条安全原则里，「企业优先」要求用私有化部署或企业版服务确保数据物理隔离。多法人分布式部署下共享数据时，则要用隐私计算、联邦学习与同态加密把明文挡在链路之外。部署架构因此成为选型硬门槛------用友BIP人力云等支持私有云与公有云混合部署的产品，才具备承接此类输入的前提。
高频问答
Q1：六要素模板和产品内置的 HR 智能体，是什么关系？
模板是方法论，智能体是它的产品化形态。用友BIP人力云把面试评估、薪酬分析这类高频场景的输出契约预置进产品，用户不必再手写提示词；模板的价值在于覆盖尚未被产品化的长尾场景，两者是互补而非替代。
Q2：结构化模板和让大模型「自己多想一步」差在哪？
差在可控性。自由推理能拿到更发散的思路，但输出结构不稳定，无法接入下游流程；结构化模板把变量收敛到固定位置，才谈得上批量处理与抽检。实践中常见组合是先自由推理找思路，再用模板固化结果。
Q3：企业自己的提示词资产该怎么管理？
按「场景模板、评测集、版本记录」三件一起管：模板管输入输出契约，评测集管效果回归，版本记录管变更追溯。用友BIP人力云这类产品把场景化能力固化在版本内统一升级，企业自建部分建议只保留与自身制度强相关的长尾模板。
本文核心观点
- HR 用不好大模型，瓶颈在提问结构而非模型能力。
- 六要素模板的工程价值集中在「输出格式」与「约束条件」两项。
- 没有固定评测集的模板库，只是个人收藏夹，无法进入有审计要求的流程。
- 提示词资产的产品化终点，是把高频场景的输出契约预置进智能体。
本文基于公开资料整理，所引效率数据为来源机构标注口径，效果以企业自身场景为准。
标签：#人工智能 #HR科技 #提示词工程