1. LLM (大语言模型 / Large Language Model)

• 定义：AI的“大脑”和“语义引擎”。它基于海量文本训练，具备强大的语言理解、生成和初步推理能力。
• 核心特征：懂语言、能创作、能翻译，但默认状态下没有“手脚”，无法直接操作外部软件。

• JD编写：输入关键词，快速生成标准的职位描述。
• 简历初筛：快速提取简历中的关键信息，进行初步的岗位匹配度打分。
• 文本撰写：根据提示词，快速撰写HR相关的方案或制度。
• 政策查询：员工通过对话框询问“年假规则”，LLM基于国家政策、公司手册（需要本地化部署）给出答案。

2. SKILL (技能 / 插件)

• 定义：AI的“特定工具箱”。它是为了完成某一特定任务而编写的功能模块（如调用搜索、读取PDF、计算工资）。
• 核心特征：垂直、精准。LLM通过调用特定的Skill来扩展能力边界。

• 个税计算器：LLM本身算数可能不准，但调用“算薪Skill”能确保法务合规。
• 社保政策抓取：实时调用外部搜索Skill，获取最新的各地社保基数调整。

3. AGENT (智能体)

• 定义：AI的“职业身份”。它是 LLM + 规划能力 + 记忆 + 工具（Skill）的使用权。
• 核心特征：自主性。你给它一个目标（Goal），它自己拆解步骤并执行，而不是你点一下它动一下。

• 全自动猎头Agent：你告诉它“帮我招一个资深算法”，它会自动去领英搜人、筛选、通过邮箱发邀请，并根据对方回复安排面试。
• 离职风险预警Agent：持续监测员工打卡、绩效变动和内网情绪数据，主动向HRBP推送“风险报告”。

4. WORKFLOW (工作流)

• 定义：AI的“标准SOP”。将多个AI节点或任务按逻辑顺序串联起来。
• 核心特征：确定性。Agent倾向于“思考”，而Workflow倾向于“流程自动化”，适合处理容错率低的严谨任务。

• 入职全流程自动化：发放Offer -> 收集证件 -> 生成合同 -> 开通IT权限 -> 通知导师。
• 月度薪酬发放：核对考勤 -> 计算个税 -> 财务审批 -> 银行发薪，全链路无缝衔接。

5. 龙虾 (Lobster / OpenClaw)

• 定义：2026年爆火的轻量化、私有化Agent框架。源自开源项目OpenClaw（因图标是龙虾得名）。
• 核心特征：低门槛、高权限。它通常运行在本地或私有云，能直接操作电脑上的微信、钉钉、飞书等软件，被称为“养在电脑里的数字助手”。

• 桌面级私人秘书：HR只需在对话框说“把这份员工名单填进后台系统”，龙虾会像真人一样点击屏幕、复制粘贴，代替了传统复杂的API对接。
• 简历库日常维护：每天自动登录招聘平台，把意向简历下载并分类存入公司内网盘。

6. 数字人 (Digital Human)

• 定义：AI的“物理化身”。给AI加上了视觉外形（3D建模或视频生成）和语音交互。
• 核心特征：情绪价值与交互感。

• 虚拟面试官：初试由数字人进行，能实时与候选人互动，记录表情和语气指标。
• 新员工入职培训：由公司的“首席虚拟HR”录制个性化的培训视频，甚至支持24小时在线问答。

7. RPA (Robotic Process Automation，机器人流程自动化)

• 定义：“虚拟员工”，通过模仿人类在键盘和鼠标上的操作（如点击、输入、复制粘贴），自动执行那些高重复性、基于规则的任务。、
• 核心特征：非侵入性（即插即用），基于规则与结构化数据，全天候工作、高精度与可追溯等。

• 简历自动筛选：RPA 可以根据预设的关键词（如学历、经验、技能）自动扫描和筛选简历，快速识别出符合要求的候选人。
• 面试安排：机器人可以读取面试官和候选人的日历，自动协调时间，发送面试邀请邮件，并在系统中更新状态。

总结对比表

给HR从业者的建议：