培训需求分析
基于员工绩效数据与技能差距，智能推荐培训课程，解决培训资源错配与能力提升滞后问题。
适用场景
1
年度培训计划制定：HR汇总各部门绩效与技能评估结果，Agent批量生成个性化课程推荐清单。
2
新员工转正评估：结合试用期绩效与岗位技能模型，推荐转正后必修与选修课程。
3
技术团队能力升级：针对项目复盘暴露的技能短板，自动匹配内部/外部技术课程。
4
销售团队业绩改进：根据CRM中的成单率与产品知识考核，推送针对性销售技巧培训。
5
继任者培养：针对高潜人才与目标岗位的差距，生成阶梯式学习路径与课程组合。
核心Prompt（安装配置用）
你是一名企业培训需求分析专家，负责根据员工绩效数据和技能差距推荐培训课程。
任务：分析输入的员工信息（岗位、绩效等级、技能评估得分、岗位技能标准），识别关键差距，并从课程库中匹配最合适的课程。
输出格式（JSON）：
{
"员工ID": "",
"岗位": "",
"绩效等级": "",
"关键差距": ["技能A差距X分", "技能B差距Y分"],
"推荐课程": [{"课程名称": "", "匹配理由": "", "优先级": "高/中/低", "预计学时": ""}],
"学习路径建议": ""
}
约束条件：
1. 仅推荐课程库中存在的课程，不得编造。
2. 优先级依据差距大小和岗位重要性排序。
3. 每位员工推荐不超过5门课程。
4. 若绩效等级为“优秀”且无显著差距，推荐进阶或跨领域课程。
5. 输出必须为合法JSON，不得包含额外解释。
6. 若输入信息缺失，返回错误提示并列出缺失字段。
所需工具 / API对接
需对接：1) HRIS（如Workday/SAP SuccessFactors）获取员工岗位与绩效；2) 技能评估系统API获取技能得分；3) 课程管理系统（LMS）API获取课程库；4) 企业微信/钉钉消息推送。
安装部署步骤
11. 环境准备：部署服务器（Ubuntu 20.04+，4核8G），安装Docker与Python 3.9+，执行 `docker pull zhizhi/agent-base:latest`。
22. 安装依赖：`pip install requests pandas openpyxl flask`，并安装Agent SDK：`pip install zhizhi-agent-sdk`。
33. 配置参数：创建 `config.yaml`，填入HRIS、LMS的API地址与密钥，设置 `max_courses: 5`、`priority_weights: {gap:0.7, job_importance:0.3}`。
44. 导入Prompt：将core_prompt写入 `prompts/training_analysis.txt`，并在Agent配置中引用该文件路径。
55. 连接工具API：在 `tools.py` 中实现 `get_employee_data()`、`get_skill_scores()`、`get_courses()` 三个函数，使用requests调用对应API，并加入异常重试。
66. 测试验证：运行 `python test_agent.py --employee_id E1001`，检查输出JSON是否包含推荐课程且课程存在于LMS，验证响应时间<3秒。
77. 上线部署：使用 `docker-compose up -d` 启动服务，配置Nginx反向代理，开启HTTPS，并将Agent注册到企业微信机器人。
88. 监控优化：接入Prometheus监控API调用成功率与延迟，每周人工抽检10%推荐结果，根据反馈调整优先级权重。
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
max_courses |
每位员工最多推荐课程数 | 5 |
priority_weights |
优先级权重：技能差距与岗位重要性占比 | {gap:0.7, job_importance:0.3} |
min_gap_threshold |
触发推荐的最小技能差距分数 | 10 |
course_source |
课程库来源：internal/external/both | internal |
notify_channel |
结果推送渠道：wecom/dingtalk/email | wecom |
效果示例
输入：员工ID E1001，岗位“Java开发工程师”，绩效“B”，技能评估：Java 70分（岗位要求90），SQL 60分（要求80），沟通 85分（要求80）。输出：关键差距为Java差距20分、SQL差距20分；推荐课程：“Java高级编程”优先级高，“SQL性能优化”优先级高，“有效沟通”优先级低；学习路径建议：先完成Java与SQL课程，每门预计20学时。
常见问题
Q：Agent无法获取HRIS数据？
A：检查API密钥是否过期，确认网络白名单已添加Agent服务器IP。
Q：推荐课程不在LMS中？
A：检查课程库同步频率，可在config中设置 `course_sync_interval: 3600` 秒。
Q：输出JSON格式错误？
A：确保Prompt中强调“仅输出JSON”，并在Agent配置中启用 `json_mode: true`。
Q：如何调整推荐优先级？
A：修改 `priority_weights` 参数，增大gap权重则更关注差距大的技能。
Q：支持多语言吗？
A：当前Prompt为中文，若需英文可复制并翻译core_prompt，同时调整课程库字段映射。
A：检查API密钥是否过期，确认网络白名单已添加Agent服务器IP。
Q：推荐课程不在LMS中？
A：检查课程库同步频率，可在config中设置 `course_sync_interval: 3600` 秒。
Q：输出JSON格式错误？
A：确保Prompt中强调“仅输出JSON”，并在Agent配置中启用 `json_mode: true`。
Q：如何调整推荐优先级？
A：修改 `priority_weights` 参数，增大gap权重则更关注差距大的技能。
Q：支持多语言吗？
A：当前Prompt为中文，若需英文可复制并翻译core_prompt，同时调整课程库字段映射。
企业落地建议
建议采用私有化部署，确保员工绩效数据不出内网。初期可先在一个部门试点，成本约2万元（服务器+API授权+实施人力）。注意：需提前清洗绩效与技能数据，确保字段完整；课程库需结构化，包含技能标签；上线后每月校准一次推荐准确率，避免因数据偏差导致误推。
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