医疗医药岗位JD模板库

要解决的问题

医疗和医药行业的招聘有一个容易被忽视的特点：同一岗位在不同地区、不同规模企业里的实际任职要求差异很大。一个“医药销售代表”在华东市场可能要带区域团队，在县域市场则更看重基层医疗渠道经验；一个“质量保证经理”在不同监管辖区下的证书和职称要求也不完全相同。

如果团队仍靠复制旧 JD、人工查政策、临时拼薪酬区间来写招聘文本，通常会带来三类问题：

• 技术、销售、运营和支持岗位混用同一套描述，导致候选人简历与实际工作内容错位
• 薪酬区间缺少口径一致的来源，招聘时容易谈崩，或被候选人质疑专业性
• 合规要求分散在多个制度文件里，JD 和用工备案、资质审查之间容易出现口径不一致

结果不是“没人写 JD”，而是写 JD 的重复劳动多、口径不统一、合规风险高。

技能如何工作

这个技能把医疗/医药行业常见岗位（核心技术、销售、运营、支持等）整理成结构化模板，并按用户提供的业务背景生成可复核的交付物。

核心流程分三步：

1. 提取事实：从用户自然语言或上传文件中识别行业、用工地区、企业规模、人员情况、要解决的业务或合规问题；缺少关键信息时只追问最少必要项
2. 检查数据：校验字段完整性、时间范围、重复值和异常值，把事实、参数、判断依据、待确认项和下一步行动分开呈现
3. 生成交付物：输出行业用工专项方案、流程/制度/薪酬测算明细、行业特有风险和整改清单

当需要确定性计算或结构化检查时，已确认信息会写入内部临时 JSON，并调用 python scripts/run.py --input <input.json> --output <output.json> 处理。这个 JSON 只用于脚本调用，不要求用户手填，也不向用户展示。

薪酬区间、样本时间和适用范围会标注来源；无法核验的数据会写成假设或待确认项，而不是包装成精确结论。

输出格式支持 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片，先在对话中给出结论和关键明细，再提供可下载文件。

适用边界与注意点

• 不要求蚂蚁HR账号、内部员工编号，也不要求用户手写内部 JSON
• 不声称已经发送、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
• 输入不足时会输出待补充清单，而不是用看似精确的内容替代未知事实
• 模板和建议不替代执业药师、医师、律师等专业判断
• 薪酬区间来源于行业基准，需要结合企业实际情况、地区市场和岗位稀缺性做二次校准
• 涉及税务、用工合规和个人信息保护的事项，仍应由有资质的人员复核后落地