项目背景

Leader 和 HRBP 的日常工作里，有一类时间成本极高但价值极低的操作——跨系统拼信息。想知道团队当前招聘进展要登招聘系统，想看某个员工的绩效要进绩效系统，想了解组织架构要找 HR 拉表格。这些信息天然分散在不同平台，每次综合判断都需要多次跳转，信息断层导致管理感知严重滞后。 Team 管理助手的产品定位，是把这条低效的信息获取链路替换掉。核心思路不是做一个新的信息录入平台，而是在现有多个 HR 系统之上架一层 AI 对话层，让 Leader 可以用自然语言完成跨系统的信息查询，并直接得到可以协作使用的结构化输出。

产品定位

面向 Leader 和 HRBP 两类核心用户，核心链路是「团队状态感知 → 异常识别 → 决策辅助」。 不同于传统 BI 看板的被动展示逻辑，Team 管理助手强调的是对话式的主动探索——用户可以针对当前关心的问题直接发问，系统理解意图后跨系统取数、整合、输出，而不是用户自己在看板里找数据再人工拼接。

核心功能模块

招聘链路 支持用自然语言查询招聘全链路状态。Leader 可以直接问「XX 岗位现在投了多少份简历，进到哪一步了」「这个候选人的面试评价是什么」「Offer 还没回复的有几个」，系统自动调用招聘系统接口，返回结构化的进展摘要。招聘数据不再需要单独向 HR 对齐，管理者随时可以自助获取。 团队组织信息 覆盖员工基础信息查询、部门人力结构看板、组织架构图动态生成三个层次。组织架构图支持自然语言导航，例如「给我看一下 XX 部门的二级组织结构」，系统实时从 HRIS 拉取最新数据生成图形输出，解决组织变动频繁时静态图表快速过期的问题。 绩效目标查询 整合绩效系统多周期数据，支持按人员、按部门、按绩效周期三个维度检索。除了基础查询之外，系统会自动标记异常数据点（如连续多个周期评级下滑、某部门整体绩效离散度过高），并主动推送预警提醒，把管理者从被动接收信息变为主动感知异常。

技术实现

项目最核心的工程挑战是多个异构 HR 系统的数据协同。招聘系统、HRIS、绩效系统各自有独立的数据模型和接口规范，用户的一个自然语言查询往往需要跨多个系统取数后才能组合出答案。 设计了 17 个 AI Skill 的协同调度机制，每个 Skill 负责单一数据域的封装：

• 每个 Skill 内部包含数据源适配、接口调用、结果格式化三层逻辑，对上层调度器暴露统一的输入输出接口
• 用户的自然语言查询经过意图识别后，路由到对应的 Skill 组合，由调度层负责多 Skill 并行或串行执行
• 跨 Skill 的数据聚合在调度层完成，确保输出结果的一致性和完整性

输出侧选择 Redoc 文档而非纯对话回复，是一个有意识的产品决策。对话回复是一次性的，Redoc 文档可以被团队成员共享、编辑、评论。把 AI 的查询结果沉淀为可协作的文档，是让 AI 输出真正融入工作流的关键一步——从「问一次用一次」变成「查询结果变成团队资产」。

我的职责

在这个项目里，我同时承担了产品设计和 Skill 研发两个角色：

• 产品侧：用户访谈与需求收敛，核心链路和交互流程设计，多系统数据模型梳理，跨团队需求对齐
• 研发侧：17 个 AI Skill 的设计与编码实现，调度层逻辑开发，接口联调与异常处理，上线后的 Skill 迭代维护

项目成果

• 0-1 完成产品设计与 Skill 研发，完整上线
• 覆盖招聘、组织、绩效三大核心管理链路
• 17 个 Skill 协同调度，支持自然语言驱动多系统数据查询
• 平均查询响应时间 < 3s，Redoc 报告输出实现 AI 对话到团队协作文档的完整闭环