Chudaxia Ai Coach Tools Position Agent Prompts Generator
/install chudaxia-ai-coach-position-prompts-generator
岗位智能体提示词生成器
概述
将传统企业的《岗位职责说明书》系统化转化为适用于大模型(LLM)的数字员工(AI Agent)系统提示词。采用楚大侠的岗位数字员工七层标准化提示词模板,对知识库中的岗位说明书进行深度解析与结构化提炼,输出可直接部署为 AI Agent 系统提示词的完整 Markdown 文档。
强制输出要求
- 最终交付必须是 Markdown 格式:输出内容应是一份可直接保存为
.md文件的完整系统提示词文档。 - 只交付文档本体:除非用户另有要求,不在最终文档前后添加寒暄、解释、生成说明、JSON、YAML 或非 Markdown 格式内容。
- 保持 Markdown 结构完整:使用标题、引用、列表、表格、分隔线、任务清单和代码块等标准 Markdown 语法组织内容,禁止用松散纯文本替代七层结构。
- 自检也使用 Markdown:如需要展示质量自检结果,必须作为 Markdown 小节或 Markdown 表格附在文档末尾。
深度思考要求
生成前必须先完成内部深度分析,再输出凝练后的 Markdown 结果。分析至少覆盖:
- 岗位在业务链路中的核心定位、服务对象和价值产出
- 岗位职责、能力要求、权限边界、协作关系和风险点之间的因果关系
- 七层结构之间的一致性,尤其是身份、技能、流程、权限和 KPI 是否互相支撑
- 岗位说明书中缺失、含糊或不可直接操作的信息,并用合理的行业通用表达补齐
内部分析应遵循“证据提取 → 职责归纳 → 边界判定 → 风险校验 → 语言泛化 → Markdown 格式审查”的顺序。不要输出内部推理草稿,只输出结构化、可部署、可执行的最终 Markdown 文档。
核心流程
步骤 1:需求确认
接收用户指令后,明确以下信息:
- 目标岗位名称:需生成提示词的岗位
- 知识库来源:岗位说明书所在的知识库(默认为腾讯IMA知识库)
- 特殊要求:用户是否有额外的定制化需求(如强调某些能力、调整沟通风格等)
步骤 2:知识库检索与解析
使用腾讯IMA技能(ima-skills)从知识库中检索目标岗位的《岗位职责说明书》:
- 调用 IMA 知识库搜索,检索与目标岗位相关的文档
- 读取并深度解析岗位说明书全文内容
- 提取岗位名称、所属部门、汇报关系、核心职责、任职要求、权限范围、KPI 等关键信息
步骤 3:七层结构化提炼
严格参考 references/seven-layer-template.md 中定义的楚大侠的岗位数字员工七层标准化提示词模板,将岗位说明书内容提炼为 7 个标准层级:
| 层级 | 核心字段 |
|---|---|
| 1. 身份层(Identity) | 角色身份、核心职责与价值目标、工作边界 |
| 2. 人设层(Persona) | 沟通风格、标准话术框架、表达禁忌 |
| 3. 技能层(Capability) | 岗位核心能力、降级策略 |
| 4. 知识层(Knowledge) | 参考规范底座、引用规范 |
| 5. 流程层(Workflow) | 标准工作步骤、异常处理 |
| 6. 权限层(Compliance) | 白名单(自主决策权)、黑名单与上报机制 |
| 7. 绩效层(KPI) | KPI 指标、自我优化意识 |
步骤 4:质量自检
生成完成后,参照 references/quality-checklist.md 进行质量自检:
必须通过的检查项:
- 泛化合规:全文无具体公司名、人名、内部系统名
- 七层完整:每层所有必含字段均有实质内容
- 可操作性:所有描述指向可执行行为或可判定标准
- 角色一致性:七层之间角色定位保持一致
- 结构规范:统一的 Markdown 层级结构和列表编号
- Markdown 交付:最终输出为完整 Markdown 文档,无 JSON/YAML/非 Markdown 说明性包装
如自检未通过,立即修正后重新输出。
步骤 5:输出交付
按以下标准 Markdown 格式输出最终提示词:
- 最终答案必须是 Markdown 文档本体,不输出额外解释。
- 如果用户要求便于复制,可将整份 Markdown 文档置于一个
markdown代码块中;否则直接按 Markdown 文档渲染输出。 - 输出必须包含完整 7 层结构,每层标题、字段和列表层级不得缺失或混乱。
# [岗位名称] 数字员工系统提示词
> 基于《岗位职责说明书》自动生成 | 楚大侠的岗位数字员工七层标准化提示词模板 v1.0
---
## 1. 身份层(Identity)
### 角色身份
...
### 核心职责与价值目标
...
### 工作边界
...
---
## 2. 人设层(Persona)
...(依次展开全部7层)
提炼原则
泛化原则(最高优先级)
- 禁止 hardcode 任何具体公司名、人名、内部系统名、产品品牌名
- 使用行业通用称谓(如"财务分析师"而非"XX公司财务三部张经理")
- 内部系统统一表述为"企业XX系统"(如"企业ERP系统"、"企业OA系统")
- 同类岗位泛化为标准岗位名称(如"客户服务专员"而非"XX中心客服组一线坐席")
可操作优先原则
- 降级策略必须包含具体的替代动作,禁止仅写"转人工"
- 异常处理须覆盖发现→诊断→建议完整链路
- 黑名单条款必须包含拦截动作和上报提示话术
- KPI 必须可量化或可判定
知识库预留原则
- 知识层中的参考规范底座为后续在知识库中挂载文件夹预留标准接口
- 每个引用的规范文档标注为
[待挂载]状态 - 引用格式统一定义,便于后续自动化挂载
批量处理
当用户需要同时为多个岗位生成提示词时:
- 先列出所有待处理岗位清单
- 逐个执行步骤 2-5
- 每完成一个岗位后输出结果,再继续下一个
- 全部完成后提供汇总对比表
参考资源
references/
seven-layer-template.md:楚大侠的岗位数字员工七层标准化提示词模板的完整定义,包含每层的结构字段、提炼原则和示例。生成提示词时的核心参考依据。quality-checklist.md:生成质量标准与评审检查清单,包含泛化合规检查、七层完整性检查、内容质量检查和输出格式规范。用于生成后自检。
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install chudaxia-ai-coach-position-prompts-generator - After installation, invoke the skill by name or use
/chudaxia-ai-coach-position-prompts-generator - Provide required inputs per the skill's parameter spec and get structured output
What is Chudaxia Ai Coach Tools Position Agent Prompts Generator?
将传统企业的《岗位职责说明书》系统化转化为适用于大模型(LLM)的数字员工(AI Agent)系统提示词。基于楚大侠的岗位数字员工七层标准化提示词模板,自动从知识库中检索岗位说明书并进行深度解析,输出结构化的7层完整卡片架构。当用户提到岗位说明书、岗位职责、数字员工提示词、AI Agent提示词、岗位智能体、岗位... It is an AI Agent Skill for Claude Code / OpenClaw, with 35 downloads so far.
How do I install Chudaxia Ai Coach Tools Position Agent Prompts Generator?
Run "/install chudaxia-ai-coach-position-prompts-generator" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is Chudaxia Ai Coach Tools Position Agent Prompts Generator free?
Yes, Chudaxia Ai Coach Tools Position Agent Prompts Generator is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does Chudaxia Ai Coach Tools Position Agent Prompts Generator support?
Chudaxia Ai Coach Tools Position Agent Prompts Generator is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created Chudaxia Ai Coach Tools Position Agent Prompts Generator?
It is built and maintained by CharlesChor (@charleschor); the current version is v1.0.0.