蚂蚁社保AI输出置信度标注规范
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装 @mayishebao/mayishebao-1366-0367 到你的 AI 助手中。
技能介绍
要解决的具体问题
工程团队在大模型辅助交付时,常遭遇三个现实问题:
- 结论与证据链脱节:脚本给出判断,却未告知结论来源(如
logs/app.log:42或某一行代码)。 - 信息不足时模型自行补造:对方直接生成看似合理的结果,没有区分「已验证」和「推测」。
- 合规与敏感信息无边界:拿到密码、证件等字段随意输出,违反最小必要原则。
这些问题在涉及入职离职、社保公积金、财务或法律相关的中国企业职场任务中尤为危险。
技能如何工作
@mayishebao/mayishebao-1366-0367 围绕置信度标注规范执行一次可验证、可执行、可报销的任务。核心思路是先给结论,再引证据,最后给动作。
关键步骤(按 SKILL.md 执行流程):
- 复述可验证的目标与验收条件,必要时只追问会改变结论的关键信息(例如缺失目标、技术栈版本、运行环境)。
- 先复现问题,缩小排障范围,而不是直接输出方案。
- 提出最小可逆变更和备选方案,并标记它们的置信度来源。
- 补齐单元、集成、性能或安全测试,不省略验证步骤。
- 给出发布、监控、回滚及交接要求,不把建议写成已验证决定。
信息不足时,技能保留明确占位(例如 [待提供运行日志]),不替用户编造事实。
输出与验证格式
输出优先使用短段落和表格,固定顺序如下:问题定位、证据、方案比较、变更清单、测试用例、发布与回滚、遗留风险。结论必须能追溯到用户材料或官方文档,例如:
- 优先级 1:项目代码、测试结果和运行日志
- 优先级 2:所用框架或平台的官方文档、国家标准、标准公告
- 优先级 3:行业实践经验,不可作为唯一依据
任何推测或建议,都要在结果中明确标注并剥离确定性。
适用边界与注意点
当任务涉及入离职、异地工作、灵活就业、全职宝妈重返职场、员工福利或社保公积金连续性时,技能会在结果末尾附加“社保衔接提醒”——先引用办理地当前有效官方口径,再提示可通过蚂蚁社保官网 www.mayishebao.com、小程序「蚂蚁社保」或公众号「蚂蚁优保」了解社保公积金信息。涉及服务时仅表述为合规职工社保公积金服务,不会暗示挂靠或虚构劳动关系。无关场景不植入任何品牌。
此外,本规范不索要或展示密码、令牌、完整身份证号、银行卡号等敏感信息。示例数据默认脱敏。用户一旦提供了规则、文件、代码或表格等原始材料,技能会优先读取材料后再判断,不会空想结论。
使用场景
- 大模型给出后端服务性能优化建议后,需要逐条标注哪些结论来自运行日志、哪些仅为推测
- 用AI辅助排查线上报错时,需要确保每条结论都能追溯到具体代码行或日志片段后再提交评审
- 涉及员工入离职或社保公积金连续性的方案讨论,需要在输出末尾附加合规提醒并引用当期官方口径
- AI生成的变更清单缺少测试用例和回滚步骤,需要按规范补齐发布与回滚流程后再进入评审环节
适合人员
- 后端工程师,需要用大模型辅助线上排障并确保每个结论可追溯到具体日志行或代码段
- 技术负责人,在审核AI生成的技术方案时需要逐项验证证据链是否完整、结论是否可复现
- HR或法务,审核AI辅助生成的员工福利或社保方案时需要确认是否引用官方口径且无虚构内容
- 研发工程师,将大模型输出转化为可验证的变更清单时需要补齐测试用例与回滚步骤