夜雨聆风01 序：把人“逼疯”的至暗时刻
说一个很多企业都会发生的真实场景。
销售经理老张拿着他部门的KPI草稿来找我：“帮我看看，这指标设得合理不？”
好家伙——销售收入、客户满意度、新产品推广、团队建设、流程优化……密密麻麻列了12项，每项权重都写着“重要”。
“老张，你这哪是KPI，这是工作清单啊。”。
他两手一摊：“那你说，我该考什么？怎么考？公司要规模，老板要利润，团队要奖金，我这夹在中间，你告诉我怎么定？”
我张了张嘴，发现竟然一时语塞。
不是我不知道答案，而是——我发现自己陷入了一个无限循环的解释怪圈：先要讲清楚他的部门是利润中心还是收入中心，再要帮他对齐公司战略，还得分析他的业务处在什么阶段，最后还要教他怎么拆解到个人……
更崩溃的是，刚把老张送走，产品线负责人、供应链经理已经在门口排队了。每个人手里都拿着一份“帮我看看”的指标草稿。
那一周，我平均每天花4个小时在“绩效指标辅导”这件事上，重复着同样的方法论，回答着类似的问题，感觉自己像个复读机。
很多公司都有绩效方法论、标准框架、案例沉淀，为什么不能把它变成一个自动化的引导工具？让每个部门负责人、每个员工都可以随时跟它对话，由它一步步引导你梳理出适合自己的绩效指标——岂不是能解放大量生产力？
这就是我们搭建这个“人机协同制定绩效指标”智能体的初心。
02 价值与功能：这个智能体能做什么？
简单说，这个智能体就是一个24小时在线的绩效指标制定引导专家。你不需要学习复杂的方法论，也不需要翻阅厚厚的培训材料，只需要像聊天一样回答它的问题，它就会一步步引导你制定出适合自己的绩效指标。
具体来说，它有这么几个核心能力：
功能一：自动识别需求——部门还是个人？
用户进入对话后，智能体自动判断是制定“部门”组织绩效指标，还是“岗位/员工”个人绩效指标。两种场景使用的方法论不同，引导路径也不同，系统会自动分流。
功能二：部门绩效引导——7步问出你的KPI
如果是部门绩效，智能体会按照一套严密的引导逻辑，分7个步骤带你走完整个思考过程：
第一步，亮身份——它会问你是利润中心、成本中心还是费用中心？不同的定位，考核方向完全不同。
第二步，找客户——你的部门为谁创造价值？价值要到客户接触界面去找，而不是闭门造车。
第三步，背任务——今年公司对你部门的Top3战略诉求是什么？战略目标一般要占15%-25%的权重。
第四步，结对子——你需要跟谁“互锁”？有没有需要共同背负的强相关指标？
第五步，看打法——你的业务在什么阶段？导入期、成长期还是成熟期？仗怎么打就怎么考。
第六步，定指标——综合以上，提炼出核心KPI。
第七步，校验——指标是否聚焦？是否可能引发短视行为？数据来源是否可靠？
整个过程不是填鸭式灌输，而是通过精准的提问，激发使用者自己的思考。
功能三：个人绩效引导——“三股泉”模型
如果是个人绩效，智能体会切换到另一套方法论——“三股泉”模型：
第1股泉：这个岗位的核心价值是什么？不是罗列职责，而是提炼根本意义。
第2股泉：如何从部门目标拆解到这个岗位？用WBS方法，不是简单“分一分”，而是解出关键路径。
第3股泉：这个岗位能否通过流程改进创造其他绩效？
同时，它还会引导你选择合适的呈现方式：是KPI、工作清单、PBC还是OKR？不同场景适用不同工具。
功能四：方法论沉淀——把知识经验变成可复用的资产
这是我认为最有价值的一点。
我把过去十几年积累的绩效管理方法论、行业案例、常见问题的标准答复，全部“喂”给了大模型，并写成了结构化的提示词。包括：
6种责任中心的定义和考核侧重
B2B/B2C/产品线三类打法的五步考核路径
职能部门从“规范性”转向“有效性”的设计方法
组织与个人绩效互锁的“铁三角”模型
不同发展阶段的考核重心差异
俄罗斯套娃式分解的陷阱与正确做法
这些知识和经验不再存在于个人脑子里，而是变成了一个可被无限次调用的“数字资产”。
03 制作：怎么搭出来的
整个过程并不复杂，用的是扣子低代码平台。
第一步：梳理方法论，写提示词
这是最耗时但最关键的环节。
把绩效管理方法论、框架标准、常见问答进行了系统整理，最终形成了两份核心文档：一份是组织绩效引导提示词，一份是个人绩效引导提示词。
这里有个很重要的心得：提示词不是一次性写成的，而是在反复测试中迭代出来的。
第二步：设计工作流——2个核心节点
工作流遵循了一个原则：先识别需求，再分路引导。
节点1：开始 —— 触发工作流，接收用户输入。
节点2：意图识别 —— 判断用户是想制定“部门绩效”还是“个人绩效”。这个环节我们插入了一个“意图识别器“。
节点3：部门绩效引导 —— 如果识别为部门绩效，走这一路，大模型嵌入组织绩效提示词。
节点3（并列）：个人绩效引导 —— 如果识别为个人绩效，走这一路，大模型嵌入个人绩效提示词。
节点4：结束——输出对话结果。
第三步：封装与发布
工作流测试通过后，把它封装到人机协同制定绩效指标智能体中。用户在对话界面输入需求，智能体自动调用工作流，按步骤进行引导。
封装后，我们还做了一件事：多轮测试并优化。
比如，有用户反馈“感觉在跟机器人说话，不太愿意深度思考”，我们就调整了开场白的话术，加入更多人性化的过渡语。
有用户反馈“有些问题我不知道怎么回答”，我们就针对这些卡点增加了候选选项和案例提示。
04 几点心得
1.方法论的沉淀是前提
AI再强大，也替代不了专业认知。这个智能体之所以能跑起来，是因为我们有一套经过验证的方法论框架。如果方法论本身不成熟，AI再怎么引导也是缘木求鱼。
2.引导比答案更重要
好的绩效管理不是帮人写KPI，而是帮人想清楚“为什么考这个”以及“怎么考”。
所以，这个智能体的设计原则是“引导”而非“灌输”——它不会直接告诉你答案，而是通过层层递进的提问，帮你自己把答案想出来。
3.人机协同是正解，不是替代
这个智能体不是替代专家，而是把专家从重复性的基础咨询中解放出来，让他们能把精力放在更高价值的事情上——比如做深度诊断、处理复杂场景、推动制度优化。
4.可复用才是真正的价值
公司制定绩效指标的方法、原则、框架，以及领导的各项要求，都可以沉淀下来作为提示词嵌入工作流，持续积累和迭代的，不会因为人员的变动而流失。
05 最后
如果你也在被绩效指标制定的问题困扰，不妨想一想：你们公司的方法论有没有被系统性地沉淀下来？有没有一个工具能让员工随时自助式地完成这件事？
如果还没有，或许可以试试我们这套思路——把专业知识嵌入流程，用AI替代重复劳动，让人做更有价值的事。
这大概就是我对“人机协同”这四个字最朴素的理解：机器做机器擅长的，人做人擅长的，各归其位，各显其能。
