模块一：企业AI转型认知与HR场景重塑

（1）AI能力边界与企业AI转型案例解析

AI的4大场景优势与3大避坑技巧

企业AI转型的成功保障：一把手工程+组织变革

企业AI转型的HR职责与成功案例解析

（2）实现AI转型成功的动态技能与人机协同设计

（3）选育用留的范式转移

选：从"岗位说明书匹配"到"动态技能池 + 潜力预测"

育：从"标准化培训交付"到"千人千面学习路径 + 实时能力补强"

用：从"周期绩效考评"到"持续过程数据追踪 + 人机协同效能评估"

留：从"事后离职挽回"到"体验数据驱动的前置干预"

（4）场景筛选矩阵（四维度打分）：每个候选场景按四个维度打分

重复频率：该任务一年内重复发生的次数

流程确定性：步骤能否写成固定 SOP

数据就绪度：所需数据是否已结构化、可获取

业务价值：对业务结果的直接影响

实操产出：《场景筛选矩阵打分卡》、《HR业务痛点与AI机会点映射画布》

模块二：HR场景的AI-Ready数据资产盘点与治理

（1）HR 需要记录哪些数据（AI-Ready 数据全景）

结构化数据：基础档案、职级薪酬、绩效评分、考勤工时、培训学时

非结构化数据：JD文本、简历附件、面试评价、绩效评语、离职面谈记录

行为与交互数据：学习平台互动轨迹、内部协作工具活跃度、知识库检索热词

（2）管理方式的转变：从事后归档到事前治理

标准化与标签化：统一数据字典、技能标签体系、岗位能力图谱

分级分类与合规：敏感数据脱敏规则、员工授权机制、AI伦理与隐私边界

质量管控机制：完整性校验、时效性更新规则、版本管理与追溯机制

（3）打破数据孤岛：HRIS、OA、业务系统、培训平台的数据接口规划；"一人一档"全景数据池架构（主数据 + 行为流 + 知识流）；数据就绪度评估——哪些已就绪、哪些需清洗、哪些需新增采集点。

（4）数据三化（本模块的核心方法）

标准化：解决"同一字段在不同系统里含义不一致"，交付《统一数据字典》

标签化：解决"人才无法按技能检索与调度"，交付《岗位技能标签体系》

合规化：解决"敏感数据不敢喂给 AI"，交付《脱敏规则与授权告知文案》

实操产出：《HR核心数字资产目录V1.0》、《数据治理Checklist》

模块三：Prompt工程与非结构化数据AI清洗

（1）两个结构化提示词框架

CRISPE：Capacity and Role（能力与角色）／Insight（背景洞察）／Statement（任务声明）／Personality（风格个性）／Experiment（多方案实验）；适合需要多方案对比、需要控制语气的场景。

BROKE：Background（背景）／Role（角色）／Objectives（目标）／Key Result（关键结果）／Evolve（试验并改进）；适合目标导向、结果可量化的任务。

（2）非结构化数据的 AI 清洗：输入是充满口语、错别字、主观情绪的原始面试评价或离职面谈记录；输出必须是能进表、能统计的结构化字段。

实操练习：经过治理后的高质量 Prompt 模板库（面试评价清洗、离职面谈清洗、JD 生成、制度条款解释等）。

模块四：知识体系设计与AI+HR知识库搭建

（1）AI知识库的价值与2种技术实现方式

Ontology本体基础：类、实例、关系、约束等核心构件；本体在知识图谱、语义搜索、智能问答和大模型增强中的应用

RAG 底层原理：文档切片 Chunking+向量化 Embedding+相似度检索

（2）非标准化文档治理四步法（决定 Bot 效果的不是模型，是文档质量）

标题：知识文档与内容章节标题设计

目录：HR知识库目录层级设计原则

分段：把长段落拆成语义完整的短段落规则

打元数据标签：适用城市、适用人群、生效年份、制度层级

调切片策略：按标题层级切，而不是机械按字数切

实操练习：基于ima的可实际运行的 HR 制度问答 Bot 原型。

模块五：桌面智能体套件WorkBuddy实操与HR场景应用

（1）三大工作模式：Craft（你说我做）；Plan（先想后做）；Ask（只问不做）

（2）记忆管理 + 资料库 + 项目

WorkBuddy记忆系统：云记忆；用户级本地记忆；工作区记忆

资料库的2种分区与3类载体分工：HR工作台搭建

项目创建、智能体能力集成与成员邀请管理

实操练习：搭建一个「2027校招项目」资料库，生成招聘进度看板，并把 HTML 发布为在线链接（轻量发布）。

Skill的四类安装方式与HR场景Agent Skill开发实战：

WorkBuddy的四种Skill安装方式：添加、查找、上传、创建

基于知识本体的Skill安装到应用全过程实操

Skill 的四组件结构与目录形态：SKILL.md+references+scripts+assets

SKILL.md 的 YAML frontmatter 规范：name+description

渐进式披露：元数据、SKILL.md 正文与references / scripts / assets组合

实操产出：SSC/HRBP/COE分轨实操，每位学员完成一张《我的 Skill 结构设计草图》。

将开发并通过评测的Skill 安装或导入 WorkBuddy并验证触发。

（4）HR场景专家与专家团开发与应用：

薪酬绩效、劳动法律、组织发展、招聘面试、HRSSC等专家的召唤与应用

HR六大版块的专家开发与应用

校招专家团（招聘官 + 用人经理 + 薪酬顾问）

实操练习：创建一支HR运营团队（SSC + HRBP + COE），且由HRM主控。

（5）WorkBuddy与外部应用的连接配置

主流平台的机器人配置：企微、钉钉与飞书

Claw远程控制：微信、企业微信、钉钉、飞书等连接

Agent与外部系统的连接MCP连接器配置：知识库+外部HR系统

实操练习1：通过手机远程控制WorkBuddy 自动执行任务，完成后结果回复到手机。实操练习2：通过WorkBuddy完成基于ima的知识库管理与知识问答。实操练习3：通过WorkBuddy发起外部HR系统的数据统计与分析

（6）WorkBuddy定时任务（自动化）与HR 四类自动化场景创建实操：

每日招聘简报：每个工作日 09:00，汇总在招岗位进展，推送到企微群

每周绩效汇总：每周一 09:00，汇总绩效过程记录与待办

新员工入职流水线：每周一、三、五 09:00，生成入职材料清单并发起提醒

自动离职流程：每月 1 日、15 日 09:00，触发离职手续清单与交接检查

模块六：AI+HR落地PRD与企业AI转型的组织变革方案框架设计

（1）AI+HR整体落地方案设计

《AI+HR启动规划》：场景评估表（按业务价值 / 数据就绪度 / 实施难度打分排序）与 3 个月排期表

《试点场景PRD框架》：强制填写"数据需求"与"AI幻觉风险预案"两栏，确保方案可落地

实操产出：《AI+HR启动规划》+《试点场景PRD框架》

（2）企业AI转型的组织变革方案框架设计

从AI增强到AI优先再到AI原生的企业特性

AI转型的组织架构优化与工作流重构

AI时代人力资源的岗位、绩效与薪酬体系优化

风险管控与变革管理：AI 幻觉应对策略、员工接受度培育、人机决策边界划定、持续迭代机制

案例研讨与实操产出：AI转型的组织变革整体方案设计，涵盖企业文化、组织架构、工作流与岗绩薪

课程回顾总结与学员所在企业的AI转型问题答疑

《让HR推动AI落地：从个人提效到组织提效》

授课专家