TalentModel-skill

🎯 岗位胜任力建模工具 — 通过交互式配置向导，基于候选人画像而非技能清单，生成三层结构（核心维度→可观察行为→角色证据）的胜任力模型报告。

📄 English version: README_en.md

---

🤖 Agent 推荐工作流

🤖 Agent 执行 Skill 时的推荐工作路径，从读 SKILL.md → 生成并迭代 HTML 报告

在线预览（可导出 SVG/PNG）： assets/agent-workflow.html

---

⚡ For Agents & LLMs

Don't read this README. Load SKILL.md instead.

SKILL.md is the authoritative entry point. This file is human-facing documentation.

How to use this skill

Entry point: SKILL.md

Minimal invocation (chat):

Use the TalentModel-skill. Target role: [岗位名称], Level: [校招/实习/资深/管理], Scenario: [招聘/面试/晋升], Companies: [公司A, 公司B, ...]

Required config:

Parameter	Values	Notes
ROLE_NAME	any string	e.g. "AI Infra工程师"
TALENT_LEVEL	校招 / 实习 / 资深专家 / 管理者
USE_CASE	招聘筛选 / 面试设计 / 晋升评估
VALIDATION_COMPANIES	3–8 company names	Mix of types (big tech + vertical + traditional). See test_cases/ENTERPRISE_REFERENCE.md for valid options.

Optional config:

Parameter	Default	Notes
OUTPUT_FORMAT	html	HTML报告（含4种图表），唯一输出格式
SELF_CHECK_MATRIX	false	3-tier self-assessment table
CHART_RENDER	cdn	echarts via CDN with auto-fallback (jsdelivr → unpkg)

Key constraints you must follow:

• No radar/bar/line/pie charts. Only sunburst, treemap, scatter, tree.
• No quantitative values in charts. No value: numbers, no axis min/max, no percentages — competence models have no measurement data.
• Mandatory intermediate artifact verification. Signal table (≥15 rows with judgment + demotion reason columns) and URL validation (WebFetch confirmed) must pass before drafting dimensions.
• 3-level structure is mandatory. Dimension → Observable Behavior → Evidence. Never skip levels or collapse them.
• Verify before reporting. Check the post-generation checklist in SKILL.md before returning the report.

MCP integration (optional): If your agent harness supports MCP, add this to your mcp.json:

{
  "mcpServers": {
    "talent-model": {
      "command": "npx",
      "args": ["-y", "@codebuddy/talent-model-mcp"]
    }
  }
}

Agents can then invoke the skill as a native MCP tool without reading SKILL.md directly.

File layout:

TalentModel-skill/
├── SKILL.md                        # ← Load this (entry point)
├── assets/
│   ├── echarts.min.js               # ECharts 图表库（离线渲染）
│   ├── config_template.txt          # 配置模板
│   ├── agent-workflow.html          # Agent 推荐工作流（可导出 SVG/PNG）
│   └── examples/                    # 示例文件
│       ├── ai_infra_campus.txt      # 示例对话输出
│       └── sunburst-comparison*.html # 图表方案对比示例
└── references/                      # 参考文档（按需加载）
    ├── html_template.md              # HTML 报告模板（含 CSS/JS）
    ├── enterprise_reference.md       # 按类型分类的验证公司参考列表
    └── test_cases.md                # 验证测试用例

Raw content URLs (fetch directly):

• SKILL.md: https://raw.githubusercontent.com/Liber1917/TalentModel-skill/master/SKILL.md
• TEST_CASES: https://raw.githubusercontent.com/Liber1917/TalentModel-skill/master/references/TEST_CASES.md
• ENTERPRISE_REFERENCE: https://raw.githubusercontent.com/Liber1917/TalentModel-skill/master/references/ENTERPRISE_REFERENCE.md

---

快速开始

下载

# 克隆仓库
git clone https://github.com/Liber1917/TalentModel-skill.git

# 或下载 ZIP
# https://github.com/Liber1917/TalentModel-skill/archive/refs/heads/main.zip

安装

将 TalentModel-skill 目录添加到你的 agent skills 路径：

# 方法1: 链接到工作目录
ln -s /path/to/TalentModel-skill <your-agent>/skills/talent-model

# 方法2: 直接复制
cp -r TalentModel-skill <your-agent>/skills/talent-model

使用

在 agent 对话中输入：

@talent-model

或直接描述需求：

"帮我做一个 AI Infra 的胜任力模型"

---

功能特性

核心功能

功能	说明
🎯 交互式配置向导	10步引导式配置，带智能提示和意图识别
📐 MECE 结构建模	6维胜任力框架，避免技能树陷阱
✅ 官网验证	基于真实招聘页面交叉验证胜任力模型（URL 强制 WebFetch 验证）
📊 4种可视化图表	旭日图、矩形树图、散点图、能力树
🧭 人才分型象限	识别潜力型/达标型/突出型/平台型人才
📝 行为锚点表格	可观察行为的具体判定标准
🔒 强制中间产物验证	Step 3.5 信号归纳表 + Step 4 维度黑名单扫描 + Step 9 报告自检，三阶段门控
🛡️ 防幻觉约束	维度黑名单扫描、URL 验证硬约束、跳过验证阻断

可选功能

功能	说明	启用方式
📈 自测矩阵	三水位对照（🌱起步/⚡达标/🔥突出）	配置阶段选择
🖼️ 图表导出	PNG / SVG / JPEG 多格式下载	悬停即可导出
📦 离线渲染	内嵌 echarts.min.js，无需网络	配置阶段选择

---

配置参数

必需参数

参数	说明	示例
ROLE_NAME	目标岗位名称	AI Infra工程师
TALENT_LEVEL	人才级别	校招 / 实习 / 资深专家 / 管理者
USE_CASE	使用场景	招聘筛选 / 面试设计 / 晋升评估
VALIDATION_COMPANIES	验证公司列表	OpenAI, NVIDIA, ByteDance...

可选参数

参数	说明	默认值
OUTPUT_FORMAT	输出格式	html（已锁定，不可更改）
SELF_CHECK_MATRIX	自测矩阵	false
CHART_RENDER	图表渲染方式	offline

配置示例

创建 config.txt 或在对话中提供：

ROLE_NAME = AI Infra工程师
TALENT_LEVEL = 校招
USE_CASE = 招聘筛选
VALIDATION_COMPANIES = OpenAI, NVIDIA, ByteDance, 阿里云
OUTPUT_FORMAT = html
SELF_CHECK_MATRIX = true
CHART_RENDER = cdn  # 推荐：CDN自动降级(jsdelivr→unpkg)，可选offline(内嵌本地)

---

HTML 报告使用

文件说明

当选择 HTML报告 输出格式时，会生成：

文件	说明	必需
{岗位名称}_胜任力模型.html	主报告文件	✅
echarts.min.js	ECharts 图表库（离线模式）	仅离线模式

使用步骤

1. 确保文件在同一目录

   工作目录/
   ├── AI_Infra工程师_胜任力模型.html
   └── echarts.min.js          ← 离线模式必需
   

2. 用浏览器打开 HTML 文件

   • 双击或拖入浏览器
   • 支持 Chrome、Edge、Firefox、Safari

3. 导出图表

   • 鼠标悬停在图表区域
   • 右上角出现导出按钮
   • 支持 PNG / SVG / JPEG 格式

4. 离线使用（离线模式）

   • 报告完全离线可用
   • 所有图表通过本地 echarts.min.js 渲染

注意事项

• CDN 模式需要网络连接，但图表更清晰
• 离线模式文件更大，但完全自包含
• 如需分享报告，离线模式请同时分享两个文件

---

更新日志

v1.3.1 (2026.04)

兼容性修复专项

问题修复：

• 🔗 AI 访问支持 — 在 metadata 中添加 raw-access 字段，明确提供 raw.githubusercontent.com 访问路径，解决 GitHub API 受限场景下的内容获取问题
• 🌐 CDN 自动降级 — HTML 模板内置 CDN 自动降级逻辑（jsdelivr → unpkg → 本地文件），确保在不同网络环境下图表均能正常加载
• 🖼️ 导出格式完善 — 为所有图表区域添加 JPEG 导出按钮，增强导出功能的错误处理和日志

增强：

• SKILL.md metadata 新增 raw-access 字段
• html_template.md 新增 CDN 自动降级加载脚本
• 导出函数增强：添加错误处理、console 日志、日期时间戳命名

v1.3.0 (2026.04)

Agent 约束工程专项升级

P0 修复：

• 🔒 HTML-only 输出锁定 — 移除 Markdown 和面试评分表选项，所有输出强制为 HTML 报告（含4种图表）
• 🛡️ 消除隐性模板风险 — 移除 Step 4 中"参考结构"作为预设维度的暗示，改为强制基于信号归纳表起草
• 📋 信号归纳表结构化强制模板 — 必须输出 ≥15 行表格，含"判断"列和"降级原因"列，禁止仅用文字描述
• 🔗 验证链接 WebFetch 硬约束 — 禁止生成未验证的 URL，禁止推测/编造链接，规定标准降级策略

P1 增强：

• ✅ 中间产物验证机制 — Step 3.5 / Step 4 / Step 9 三阶段验证，维度黑名单关键词扫描
• 🌐 WebFetch 失败标准降级行为 — 定义无公开入口时的明确处理方式
• 🧭 维度分类 Few-shot 示例 — 提供特质 vs 技能/工具/行为的判断标准和示例
• 📝 失败模式防范扩展 — 新增"验证链接幻觉"和"跳过中间验证"两类防范条目

其他：

• workflow.type 改为 pipeline，validation 改为 mandatory
• Q8 输出格式描述更新，Q8.5 限定语移除
• 完整示例对话更新以反映新流程

v1.2.0 (2026.04)

• 🛡️ 6个硬约束失败模式（技能维度陷阱、校招/社招边界、图表类型禁止、图表量化幻觉等）
• 📋 报告生成后自检清单
• ⚡ For Agents & LLMs 区块，含 MCP 集成说明
• 🎨 HTML 模板嵌入 ECharts 配置示例
• 🔍 ENTERPRISE_REFERENCE.md — 四类企业参考库（互联网大厂/中型成长期/垂直龙头/传统行业）

v1.0.0 (2026.04)

• 🎉 初始版本发布
• 🎯 交互式配置向导
• 📐 MECE 六维胜任力框架
• ✅ 官网验证机制
• 📊 4种可视化图表（旭日图、矩形树图、散点图、能力树）
• 🧭 人才分型象限 + 行为锚点表格
• 📈 可选自测矩阵（三水位：🌱起步/⚡达标/🔥突出）
• 🖼️ 图表导出功能（PNG / SVG / JPEG）
• 📦 离线/CDN 双渲染模式

---

项目结构

TalentModel-skill/
├── SKILL.md                        # 技能入口点（Agent 必读）
├── README.md                       # 中文说明文档
├── assets/                         # 静态资源
│   ├── echarts.min.js               # ECharts 图表库（离线渲染）
│   ├── config_template.txt          # 配置模板
│   └── examples/                    # 示例文件
│       ├── ai_infra_campus.txt      # 示例对话输出
│       ├── sunburst-comparison*.html # 图表方案对比示例
│       └── dev-roadmap.html          # 版本演进路线图 × Agent 工作流
└── references/                     # 参考文档（按需加载）
    ├── html_template.md              # HTML 报告模板（含 CSS/JS）
    ├── enterprise_reference.md        # 按类型分类的验证公司参考列表
    └── test_cases.md                # 验证测试用例

---

核心原则

胜任力模型不是整理后的职位描述。

它是对"组织真正想识别什么样的人"的结构化判断。

先建模人，再映射行为，最后验证证据。

---

参考资料

• MECE 原则 — 相互独立，完全穷尽
• 行为事件访谈法 (BEI) — 揭示胜任特征的主要工具（MBA智库百科）

---

许可证

MIT