应届生导师制方案设计

它解决什么问题

应届生导师制听起来简单，落地时却经常遇到几个具体问题：

• 导师分配靠拍脑袋：新员工入职后随机分配导师，没人考虑岗位能力模型、导师带教负荷和地域差异。
• 职责界定模糊：导师不知道自己要做什么，"带一带"变成"放羊式管理"。
• 考核与激励脱节：带教质量无法衡量，导师觉得是额外负担，效果自然打折扣。
• 方案无法复核：文档写得很完整，但匹配规则、考核口径没有留痕，后续复盘时无法追溯。

这个技能面向 business-ops（企业运营）场景，目标是从应届生入职后的导师匹配规则、导师职责、考核机制和激励方案四个维度，生成一套可复核、可落地的制度设计，而不是一份空泛的制度模板。

它如何工作

核心输入门槛很低：只需要三样最少必要信息——

• 目标岗位或招聘场景
• 现有招聘要求或数据
• 适用地区和时间

可选提供已有模板、历史数据、官方政策原文和期望输出格式。

执行流程：

1. 信息提取：从用户的自然语言或上传文件中提取已确认事实，只追问完成任务所缺的最少信息。
2. 质量检查：先检查字段完整性、统计口径、时间范围和异常值，再生成明细与结论。
3. 确定性计算：需要计算或结构化检查时，将已确认信息写入内部临时 JSON，运行 python scripts/run.py --input <file> --output <file>。内部 JSON 仅用于脚本调用，不向用户展示，也不要求用户手填。
4. 交付分层：对话中先给结论和关键明细，再按需生成可下载的 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

交付物包含：

• 可直接使用的方案文档
• 结构化评估或流程明细
• 偏差、风险和下一步行动清单

原则：涉及外部数据或行业基准时标明来源、样本时间和适用范围；无法核验时写明假设和待确认项，事实、参数、判断依据、待确认项和下一步行动分开呈现。

适用边界

• 不要求蚂蚁HR账号、内部员工编号或用户手写 JSON，输入不足时输出待补充清单，不以看似精确的内容替代未知事实。
• 不索要无关的身份证号、账号密码或完整病历，只处理任务所需的最少个人信息。
• 不依据性别、年龄、婚育、籍贯、民族、健康等敏感属性做出人员决策。
• 不声称已发送、申报、审批、提醒或写入业务系统，除非宿主工具实际执行并回读结果。