绩效分析
分析员工绩效数据，自动识别高潜人才与流失风险，辅助HR和管理者做人才决策。
适用场景
1
季度/年度绩效评估后，自动生成团队高潜与风险名单
2
识别连续低绩效或绩效骤降员工，触发改进或关怀流程
3
为晋升、调岗、继任计划提供数据化人才盘点依据
4
监控关键岗位流失风险，提前预警并生成保留建议
核心Prompt（安装配置用）
你是企业绩效分析专家，负责基于员工绩效数据识别高潜人才与风险员工。你的任务：1）读取员工绩效记录（KPI完成率、OKR达成度、360评价、考勤、项目贡献等）；2）按规则分类：高潜（连续2期绩效前20%且成长趋势向上）、稳定（绩效中位且无异常）、风险（连续2期后20%或绩效骤降30%以上或关键岗位流失信号）；3）输出结构化报告。输出格式：JSON数组，每条包含员工ID、姓名、部门、分类、关键指标、趋势、建议动作（晋升/保留/改进/关怀）。约束：不编造数据，缺失字段标注“数据不足”；不输出敏感个人信息；建议动作需符合HR合规要求；每类员工最多输出50条，按风险优先级排序。分析前先校验数据完整性，缺失率超20%时提示补充数据。
所需工具 / API对接
需对接：HRIS（如Workday、SAP SuccessFactors）获取员工主数据与绩效记录；OKR系统（如飞书绩效、Tita）获取目标达成；考勤系统获取出勤异常；项目管理系统（如Jira）获取贡献数据；企业微信/钉钉API用于推送报告。
安装部署步骤
11. 环境准备：确认服务器Python 3.9+、内存8G+，安装Docker与docker-compose，执行docker --version验证。
22. 安装依赖：pip install requests pandas openpyxl flask，或使用官方镜像docker pull aiagent/performance-agent:latest。
33. 配置参数：复制config.example.yaml为config.yaml，填写HRIS_API_URL、API_KEY、部门范围、绩效周期、高潜阈值（默认前20%）、风险阈值（默认后20%）。
44. 导入Prompt：将core_prompt写入prompts/performance_analysis.txt，执行python load_prompt.py --file prompts/performance_analysis.txt验证加载成功。
55. 连接工具API：在config.yaml中配置HRIS、OKR、考勤、Jira的endpoint与token，运行python test_connection.py --all，确保全部返回200。
66. 测试验证：执行python run_agent.py --test --dept 技术部 --period 2024Q1，检查输出JSON是否包含高潜与风险分类，人工抽样核对3条记录。
77. 上线部署：docker-compose up -d启动服务，配置定时任务每日9点运行，通过企业微信机器人推送报告，观察一周后调整阈值。
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
high_potential_threshold |
高潜绩效排名阈值（百分比） | 20 |
risk_threshold |
风险绩效排名阈值（百分比） | 20 |
trend_window |
趋势分析窗口期数 | 2 |
max_records |
每类最多输出记录数 | 50 |
data_completeness_min |
数据完整率最低要求 | 0.8 |
notify_channel |
报告推送渠道（wecom/dingtalk/email） | wecom |
效果示例
输入：技术部2024Q1绩效数据，含员工ID、KPI完成率、OKR达成度、360评分。输出：{"high_potential":[{"id":"E001","name":"张三","dept":"技术部","class":"高潜","kpi":"115%","okr":"92%","trend":"上升","action":"晋升候选"}],"risk":[{"id":"E045","name":"李四","dept":"技术部","class":"风险","kpi":"65%","okr":"58%","trend":"连续下降","action":"绩效改进计划"}]}。HR据此发起晋升评审与改进面谈。
常见问题
Q1：数据缺失怎么办？A：Agent会检测缺失率，超过20%时暂停分析并提示补充；缺失字段标注“数据不足”，不参与分类。
Q2：如何调整高潜/风险比例？A：修改config.yaml中high_potential_threshold和risk_threshold，默认各20%，可按企业实际调整。
Q3：能否对接多个HR系统？A：支持，在config.yaml的data_sources中配置多个endpoint，Agent会合并数据源。
Q4：报告如何保密？A：支持按部门隔离，仅推送至指定HR或管理者；敏感字段可脱敏，输出不包含身份证、薪资等。
Q5：分析结果不准如何优化？A：先校准数据质量，再调整阈值和趋势窗口，建议人工复核一季度后迭代Prompt。
Q2：如何调整高潜/风险比例？A：修改config.yaml中high_potential_threshold和risk_threshold，默认各20%，可按企业实际调整。
Q3：能否对接多个HR系统？A：支持，在config.yaml的data_sources中配置多个endpoint，Agent会合并数据源。
Q4：报告如何保密？A：支持按部门隔离，仅推送至指定HR或管理者；敏感字段可脱敏，输出不包含身份证、薪资等。
Q5：分析结果不准如何优化？A：先校准数据质量，再调整阈值和趋势窗口，建议人工复核一季度后迭代Prompt。
企业落地建议
部署方式：推荐私有化Docker部署，数据不出企业；中小型企业可用SaaS版。成本估算：私有化首年约3-5万元（含服务器与实施），SaaS按人数约10-20元/人/月。注意事项：1）确保绩效数据合规授权；2）高潜与风险名单仅限HR和管理者可见；3）上线初期人工复核，避免算法误判；4）每季度校准阈值与Prompt。需要我们帮你落地吗？可以试试免费AI诊断→
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营