夜雨聆风
核心结论：
会用通用Skill是起点，会制作自己的Skill才能把AI真正带进业务流程。
第一课我们认识了WorkBuddy的基础功能和工具。但很多HR朋友在实践中会有一个困惑——为什么市面上的通用Skill看起来什么都能做，用起来却总觉得差一口气？
答案很简单：通用Skill是标准尺码的衣服，而你的企业有自己的统计口径、表格字段、汇报模板和审批要求。
这节课不教功能，教一套适配自己和企业的AI工作流设计方法。
立即扫码，领取课程视频回放
带着你的Excel来，带走一支AI数据团队
一、通用Skill不是万金油：
什么时候用现成的，什么时候自己做？
关键判断：通用Skill解决“大家都会遇到的问题”，自制Skill解决“我们反复遇到的问题”。
通用Skill：高频、标准、跨场景，通用规则，解决标准化问题
自制Skill：个人或企业特定场景，写入自己的统计口径，适配固定表格字段和汇报模板，解决“我们反复遇到的问题”
不是从零造轮子，而是把业务规则装进AI可复用的结构里。
为什么HR数据分析不能只靠一个通用Skill？不同企业的字段命名、组织层级、统计周期和指标口径都不同。数据分析不是从数字直接跳到结论，中间必须有清洗、口径、解释和审查。
那怎么判断什么事值得拆成Skill？5个问题帮你决策：
是否反复出现？
是否有稳定输入输出？
是否有企业自己的规则？
是否可以单独检查？
出错是否影响后续判断？
能反复用、能说清楚、能单独检查的动作，才值得做成Skill。
二、Skill像标准菜谱：
把业务规则装进可复用的结构
关键判断：Skill不是普通提示词，而是一个标准化技能单元。
一个好Skill要说清楚四个核心要素：
什么时候用：触发场景与适用条件
怎么做：执行步骤与操作流程
输出什么：期望输出与质量标准
不能做什么：边界约束与禁止事项
以HR数据分析为例，建议先拆3个核心Skill：
Skill 1：数据体检与清洗——检查字段缺失、格式异常，输出质量报告，不解释业务原因
Skill 2：指标口径与计算——按统一口径计算离职率、人效等，不自行发明公式
Skill 3：分析报告生成——转成管理层能看懂的报告，不替代人工判断
制作Skill不需要从空白文档硬写，用WorkBuddy内置的skill-creator，用自然语言把上面四个要素说清楚，AI就能帮你搭建出来。先把最稳定、最重复、最容易验收的一步做成Skill。
三、从专家到专家团：
让AI从“一个人干活”变成“一支团队协作”
关键判断：单专家解决“把事做完”，专家团解决“把复杂交付做稳、做准、做可检查”。
专家是组织Skill的角色，能调用多个技能完成一个完整任务，适合中等复杂度的工作。
但正式交付需要分工、复核和风险控制。专家团就是把职责拆清楚——谁取数、谁算数、谁解释、谁写报告、谁把关、谁分发，出错后能快速定位是数据问题、口径问题还是表达问题。
你只需要对团长（主交付人）描述任务，后台多个AI角色会自动拆解、执行、校验、整合，最后给你一个可直接使用的交付物。
四、利唐i人事 × WorkBuddy：
从个人提效到组织级AI能力沉淀
核心价值：个人用AI，是把一个人的经验放大；企业用AI，是把组织的方法沉淀为可复用、可管理、可安全交付的能力。
利唐i人事与WorkBuddy深度融合，让HR系统与AI能力双向打通：
个人版：探索、提效、技能沉淀
企业版：把优秀员工的方法沉淀为组织Skill/专家/专家团；统一管理模板、知识库和交付标准；通过权限、审计和数据边界控制风险
五、课程安排
课程 | 状态 |
已完结 | |
第2课：AI 工作流：Skill、专家与专家团 | 已完结 |
第3课：HR场景实战——数据整合、洞察与汇报 | 即将开课，敬请期待 |
后续课程持续更新，敬请期待！
立即扫码，领取课程视频回放
带着你的Excel来，带走一支AI数据团队
利唐i人事HR赋能系列 · AI×HR WORKFLOW
让AI不只是“能问”，而是真正参与HR工作交付
戳“阅读原文”体验i人事AiHR系统