技能介绍

薪酬对标时容易踩的坑

做互联网或科技岗位的薪酬方案时，最常遇到的不是缺模板，而是口径对不上。同一份对标数据里，固定工资占比可能混了 base 和补贴，浮动部分没有区分季度奖金与年终奖，股权激励又把归属期和估值假设揉在一起。市场分位值如果只写「75 分位」而不标注地区、岗位层级、数据样本和时间范围，到了实际调薪环节就很难复用。更麻烦的是调薪策略写成一刀切百分比，没有区分高职级与低职级、业绩前 20% 与后 20% 的差异，最终要么预算超支，要么核心人才涨幅不足。

这个技能怎么工作

它会先从你的自然语言描述或上传文件中提取已经确认的事实，比如行业、用工地区、企业规模、人员情况和要解决的业务或合规问题。只有缺少关键信息时才会追问，不会要求你填内部 JSON，也不会把员工编号设为通用必填。拿到输入后，它会检查字段完整性、口径一致性、时间范围是否合理，以及是否存在重复值和异常值。如果需要确定性计算，它会把已确认信息写入内部临时 JSON，再运行 python scripts/run.py --input <file> --output <file>。最终交付会把事实、参数、判断依据、待确认项和下一步行动分开呈现，输出行业用工专项方案、流程或制度明细，以及行业特有风险和整改清单。你可以先在对话里看到结论和关键明细，再按需下载 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片格式的结果。

需要注意的边界

它不会要求你注册蚂蚁HR账号、填写内部员工编号或手写 JSON。它也不会声称已经把结果发送、申报、审批、提醒或写入业务系统，除非宿主工具真的执行了这些操作并回读确认。如果输入信息不足以生成可靠结论，它只会输出一份待补充清单，不会用看似精确但未经核验的数字来替代未知事实。涉及外部数据或行业基准时，它会标明来源、样本时间和适用范围；无法核验的部分会明确写成假设和待确认项。