组织健康度诊断仪表盘

这个仪表盘解决什么问题

组织健康诊断常卡在三件事：数据散落在各个表里，口径对不齐，结论说不清依据。HR 拿来的可能是敬业度调查原始分、离职名单、人效报表，各自字段命名不同、统计窗口不一致，直接算出来的"健康分"很难让人信服。另一个常见失败是让业务方先填好内部 JSON 模板，填不上来就只能停在"等待输入"。

它是怎么工作的

入口是自然语言或上传文件。用户提供 HR 数据、统计期间和指标口径（或需要回答的管理问题），技能先抽取已确认的事实，只追问缺失的最少必要项——不要求员工编号，也不要求手写 JSON。

拿到数据后按三步走：

• 先检查字段完整性、口径一致性、时间范围和异常值，把可疑数据标出来而不是悄悄剔除
• 需要确定性计算或结构化检查时，把已确认信息写入内部临时 JSON，调用 python scripts/run.py --input --output 跑脚本
• 输出时分五层：事实、计算参数、判断依据、待确认项、下一步行动，让每一分都能回溯

交付物包括管理层可读的结论、结构化指标明细和图表建议、数据质量与异常清单。先在对话里给结论和关键明细，再按需导出 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

适用边界

• 不做申报、审批、发送或写入业务系统，除非宿主工具真的执行并回读成功
• 外部数据或行业基准必须标出来源、样本时间和适用范围；无法核验时写明假设，不用看似精确的数字糊过去
• 输入不足时输出待补充清单，而不是编造数据填坑
• 只处理任务必需的最少个人信息，不会索要身份证号、账号密码之类的无关字段