OpenClaw HR 实操手册：全场景指令 + 提示词

本文覆盖 HR 招聘、绩效、员工关系等 9 大核心场景，每个场景都提供详细操作步骤、提示词模板和风险规避指南，让 OpenClaw 真正成为 HR 的"得力助手"。

01. 简历筛选与匹配

场景描述

每天收到上百份简历，人工筛选耗时耗力，还容易漏掉优秀人才。

OpenClaw 能做什么

• 从简历库收集候选人信息
• 根据岗位 JD 分析简历匹配度
• 生成候选人对比表格
• 标记高匹配度候选人

操作步骤

第一步：准备岗位 JD

把岗位描述整理成文档，包含：

• 岗位职责（5-8 条）
• 任职要求（5-8 条）
• 加分项（2-3 条）
• 薪资范围

第二步：人事助手筛选简历

在飞书私聊中输入：

帮我筛选简历库中的候选人，岗位 JD 在这个文档里。
要求：

1. 根据岗位 JD 分析匹配度（0-100 分）
2. 输出匹配度评分 + 匹配理由 + 风险提示
3. 按匹配度从高到低排序
4. 标记前 20% 的高匹配度候选人

第三步：查看筛选结果

人事助手会输出：

【简历筛选结果】

共筛选 50 份简历，高匹配度候选人 10 人：

姓名	匹配度	核心优势	风险点	建议
张三	95 分	5 年经验、同行业、带过团队	期望薪资偏高	面试
李四	92 分	技术匹配、项目经验丰富	跳槽频繁	面试

...

提示词模板

你是一名资深 HR，擅长简历筛选和人才评估。

请根据以下岗位 JD，分析简历库中每份简历的匹配度：

【岗位职责】

1. XXX
2. XXX
3. XXX

【任职要求】

1. XXX（必须）
2. XXX（必须）
3. XXX（优先）

【评分标准】

• 90-100 分：完全匹配，所有必须条件满足，多项优先条件满足
• 70-89 分：基本匹配，所有必须条件满足，部分优先条件满足
• 50-69 分：部分匹配，大部分必须条件满足
• 50 分以下：不匹配，关键必须条件缺失

请为每份简历输出：

1. 匹配度评分（0-100）
2. 核心优势（3 条）
3. 风险点（2-3 条）
4. 建议（面试/待定/淘汰）
5. 面试建议问题（3 个，针对风险点）

风险规避

⚠️ 隐私保护：简历数据不要上传到公共平台，用本地部署的 OpenClaw
⚠️ 人工复核：AI 筛选结果必须人工复核，避免误判优秀人才
⚠️ 合规审查：确保筛选标准不涉及就业歧视（性别、年龄、地域等）

02. 面试问题生成

场景描述

不同面试官问的问题不一样，评估标准不统一，面试质量参差不齐。

OpenClaw 能做什么

• 根据岗位 JD 生成结构化面试题库
• 为不同面试官生成定制化问题
• 提供评分标准和参考答案
• 生成面试评估报告模板

操作步骤

第一步：输入岗位信息

帮我生成一份 Java 高级开发工程师的面试题库，要求：

1. 包含技术面、行为面、文化匹配三个部分
2. 每个部分 5-8 个问题
3. 每个问题附带评分标准和参考答案
4. 总面试时长控制在 60 分钟

第二步：生成面试题库

OpenClaw 会输出：

【技术面问题】（30 分钟）

问题 1：请介绍一下你最近负责的一个高并发项目，遇到了什么挑战？如何解决的？
考察点：系统设计能力、问题解决能力
评分标准：

• 优秀（9-10 分）：清晰描述项目背景、挑战、解决方案，有量化结果
• 良好（7-8 分）：能描述项目和挑战，解决方案合理
• 一般（5-6 分）：描述模糊，缺乏细节
• 较差（5 分以下）：无法清晰描述项目

【行为面问题】（20 分钟）

问题 1：请描述一次你和同事发生技术分歧的经历，你是如何处理的？
考察点：沟通能力、团队协作
...

【文化匹配问题】（10 分钟）

问题 1：你理想中的工作氛围是什么样的？
考察点：价值观匹配、团队适配度
...

提示词模板

你是一名资深面试官，擅长结构化面试设计。

请根据以下岗位要求，生成一份完整的面试题库：

【岗位名称】XXX
【核心职责】XXX
【关键能力】XXX（按重要性排序）

【要求】

1. 面试题库包含三个部分：

   • 技术面（占比 50%）：考察专业能力和项目经验
   • 行为面（占比 30%）：考察软技能和过往行为
   • 文化匹配（占比 20%）：考察价值观和团队适配度

2. 每个问题包含：

   • 问题描述
   • 考察点（1-2 个核心能力）
   • 评分标准（优秀/良好/一般/较差，4 档）
   • 参考答案要点（3-5 个关键点）
   • 建议追问（2-3 个，用于深入了解）
3. 总面试时长控制在 XX 分钟，每个问题标注建议时长
4. 输出格式：Markdown 表格，方便面试官打印使用

风险规避

⚠️ 避免歧视性问题：不要问婚姻、生育、年龄等敏感问题
⚠️ 统一评分标准：所有面试官使用同一套评分标准
⚠️ 记录面试过程：面试记录要完整，便于后续复盘和合规审查

03. 绩效考核辅助

场景描述

绩效考核时，要分析各部门绩效数据，进行横向纵向对比，工作量大。

OpenClaw 能做什么

• 辅助分析员工绩效数据
• 进行横向对比（同部门/同岗位）
• 进行纵向对比（与上季度/上年度）
• 识别绩效异常（过高/过低/波动大）
• 生成绩效分析报告

操作步骤

第一步：准备绩效数据

把绩效数据整理成 Excel 或飞书多维表格，包含：

• 员工姓名/工号
• 部门
• 岗位
• 绩效等级（S/A/B/C/D）
• 绩效分数
• 考核周期

第二步：绩效分析

帮我分析本季度绩效数据，输出：

1. 各部门绩效分布（S/A/B/C/D 各占比）
2. 横向对比：同部门/同岗位的绩效分布
3. 纵向对比：与上季度/上年同期的绩效变化
4. 绩效异常人员（与上季度相比波动>2 个等级）
5. 绩效改进建议（针对 C/D 等级员工）

提示词模板

你是一名绩效管理专家，擅长绩效数据分析和绩效报告撰写。

请根据以下绩效数据，完成分析任务：

【绩效方案】

• 考核周期：XXX
• 绩效等级及标准：S（90+）/A（80-89）/B（70-79）/C（60-69）/D（60 以下）

【数据字段】

• 员工信息：姓名、工号、部门、岗位、上级
• 绩效数据：绩效等级、绩效分数、考核周期

【分析任务】

1. 绩效分布分析

   • 各部门绩效等级分布（S/A/B/C/D 各占比）
   • 与上季度对比（各等级占比变化）
   • 与公司平均水平对比

2. 横向对比

   • 同部门内绩效对比
   • 同岗位序列绩效对比
   • 识别绩效优异和落后的团队

3. 纵向对比

   • 与上季度绩效对比（个人/部门）
   • 与上年同期绩效对比（个人/部门）
   • 识别绩效持续提升和下降的员工

4. 绩效异常识别

   • 识别绩效等级与上季度相比波动>2 个等级的员工
   • 识别绩效分数与同岗位平均水平差异>30% 的员工
   • 识别连续 2 个季度绩效为 C/D 的员工

5. 绩效改进建议

   • 针对 C/D 等级员工，给出改进建议（3-5 条）
   • 针对绩效波动大的员工，给出关注建议（2-3 条）

【输出格式】

• 用 Markdown 表格展示核心数据
• 用文字描述关键发现（5-8 条）
• 给出管理建议（3-5 条）

风险规避

⚠️ 数据准确性：绩效数据直接影响员工利益，必须人工校验
⚠️ 保密性：绩效结果只能向授权人员开放
⚠️ 申诉机制：员工对绩效结果有异议时，要有申诉渠道

04. 员工入职办理

场景描述

新员工入职要办理很多手续：签合同、办工牌、开通账号、安排培训等，容易遗漏。

OpenClaw 能做什么

• 生成入职手续清单
• 自动发送入职指引邮件
• 跟踪入职手续办理进度
• 提醒待办事项

操作步骤

第一步：配置入职流程

帮我配置一个入职办理助手，入职流程如下：

1. 入职前 3 天：发送入职指引邮件（含时间、地点、联系人、需携带材料）
2. 入职当天：签订劳动合同、办理工牌、开通账号
3. 入职第 1 周：安排入职培训、分配导师
4. 入职第 1 月：安排转正考核

第二步：生成入职清单

新员工张三，下周一入职，岗位是销售经理。
帮我生成入职手续清单，并发送入职指引邮件。

提示词模板

你是一名 HR 运营专家，擅长员工入职流程管理。

请根据以下新员工信息，完成入职办理任务：

【新员工信息】

• 姓名：XXX
• 岗位：XXX
• 部门：XXX
• 入职日期：XXX
• 上级：XXX

【入职流程】

1. 入职前 3 天

   • 发送入职指引邮件（含时间、地点、联系人、需携带材料）
   • 准备办公用品（电脑、工牌、办公用品）
   • 开通系统账号（邮箱、OA、CRM 等）

2. 入职当天

   • 签订劳动合同
   • 办理入职登记
   • 领取办公用品
   • 部门报到

3. 入职第 1 周

   • 参加入职培训
   • 分配导师
   • 部门内部培训

4. 入职第 1 月

   • 安排转正考核
   • 收集入职反馈

【输出格式】

• 入职手续清单（Markdown 表格，含责任人、截止时间、状态）
• 入职指引邮件模板
• 待办事项提醒（按时间排序）

风险规避

⚠️ 合同合规：劳动合同必须经过法务审核
⚠️ 信息准确：员工信息要仔细核对，避免错误
⚠️ 隐私保护：员工个人信息要妥善保管

05. 员工离职办理

场景描述

员工离职要办理交接、收回资产、出具证明等，流程复杂。

OpenClaw 能做什么

• 生成离职手续清单
• 跟踪交接进度
• 生成离职证明
• 提醒待办事项

操作步骤

第一步：配置离职流程

帮我配置一个离职办理助手，离职流程如下：

1. 离职申请：员工提交离职申请，上级审批
2. 工作交接：交接工作内容、客户资源、文档资料
3. 资产归还：归还电脑、工牌、办公用品等
4. 离职证明：开具离职证明

第二步：生成离职清单

员工李四申请离职，最后工作日是本周五。
帮我生成离职手续清单，并跟踪交接进度。

提示词模板

你是一名 HR 运营专家，擅长员工离职流程管理。

请根据以下离职员工信息，完成离职办理任务：

【离职员工信息】

• 姓名：XXX
• 岗位：XXX
• 部门：XXX
• 入职日期：XXX
• 最后工作日：XXX
• 离职原因：XXX

【离职流程】

1. 工作交接

   • 交接工作内容（文档、项目、客户）
   • 交接人签字确认
   • 上级审核

2. 资产归还

   • 归还电脑、工牌、办公用品
   • IT 部门确认账号注销
   • 行政部门确认资产归还

3. 离职证明

   • 开具离职证明
   • 员工签字确认
   • 归档保存

【输出格式】

• 离职手续清单（Markdown 表格，含责任人、截止时间、状态）
• 离职证明模板
• 待办事项提醒（按时间排序）

风险规避

⚠️ 合规审查：离职补偿要符合劳动法规定
⚠️ 竞业限制：如有竞业限制协议，要确认执行情况
⚠️ 保密义务：提醒离职员工继续履行保密义务

06. 培训需求分析

场景描述

每年要根据员工发展方向整理培训需求，制定培训计划。

OpenClaw 能做什么

• 根据员工发展方向整理培训需求
• 分析培训优先级
• 制定培训计划
• 估算培训预算

操作步骤

第一步：收集员工发展方向

帮我整理各部门员工的培训需求，根据员工发展方向：

1. 按部门汇总员工发展方向
2. 按岗位序列汇总培训需求
3. 分析培训优先级（按人数/紧急程度）

第二步：制定培训计划

帮我制定年度培训计划，输出：

1. 季度培训计划（含培训主题、对象、时间）
2. 培训预算估算
3. 培训形式建议（内部培训/外部培训/在线课程）

提示词模板

你是一名培训发展专家，擅长培训需求分析和培训计划制定。

请根据以下员工发展方向数据，完成分析任务：

【数据字段】

• 员工信息：姓名、部门、岗位、职级
• 发展方向：期望提升的能力、职业发展目标
• 培训偏好：培训形式偏好、时间偏好

【分析任务】

1. 培训需求整理

   • 各部门培训需求汇总（按能力维度）
   • 各岗位序列培训需求汇总
   • 培训形式偏好分布
   • 培训时间偏好分布

2. 培训优先级排序

   • 按需求人数排序（需求人数越多，优先级越高）
   • 按紧急程度排序（与业务目标关联度越高，优先级越高）
   • 按能力差距排序（当前能力与目标差距越大，优先级越高）

3. 培训预算估算

   • 按培训类型估算预算（内部培训/外部培训/在线课程）
   • 按部门估算预算
   • 按季度估算预算

4. 培训计划建议

   • 季度培训计划（含培训主题、对象、时间、预算）
   • 年度培训计划（含培训主题、对象、时间、预算）

【输出格式】

• 用 Markdown 表格展示核心数据
• 用文字描述关键发现（5-8 条）
• 给出培训计划建议（3-5 条）

风险规避

⚠️ 需求真实性：培训需求要结合实际业务，避免为培训而培训
⚠️ 预算控制：培训计划要在预算范围内
⚠️ 效果评估：培训后要有评估，确保培训效果

07. 员工满意度调研

场景描述

每年要做员工满意度调研，分析调研结果，提出改进建议。

OpenClaw 能做什么

• 设计满意度调研问卷
• 分析调研数据
• 识别满意度低的维度
• 提出改进建议

操作步骤

第一步：设计调研问卷

帮我设计一份员工满意度调研问卷，包含：

1. 工作满意度（工作内容、工作负荷、工作成就感）
2. 薪酬满意度（薪酬水平、薪酬公平性、福利待遇）
3. 发展满意度（晋升机会、培训机会、职业发展）
4. 管理满意度（上级管理、团队氛围、沟通机制）
5. 环境满意度（办公环境、企业文化、员工关怀）
6. 整体满意度（推荐意愿、留任意愿）

第二步：分析调研结果

帮我分析这份员工满意度调研数据，输出：

1. 各维度满意度评分（平均分、分布）
2. 各部门满意度对比
3. 满意度低的维度识别（低于 3 分的）
4. 改进建议（针对低满意度维度）

提示词模板

你是一名组织发展专家，擅长员工满意度调研和改进建议。

请根据以下员工满意度调研数据，完成分析任务：

【数据字段】

• 员工信息：姓名、部门、岗位、职级、司龄
• 满意度评分：各维度评分（1-5 分，5 分最高）
• 开放式反馈：建议/意见

【分析任务】

1. 满意度整体分析

   • 各维度满意度评分（平均分、标准差、分布）
   • 整体满意度评分
   • 与去年对比（如有历史数据）

2. 满意度对比分析

   • 各部门满意度对比
   • 各岗位序列满意度对比
   • 各职级满意度对比
   • 各司龄段满意度对比

3. 低满意度识别

   • 识别满意度低于 3 分的维度
   • 识别满意度低于 3 分的部门
   • 识别满意度显著下降的维度（与去年对比）

4. 改进建议

   • 针对低满意度维度，给出改进建议（3-5 条）
   • 针对低满意度部门，给出改进建议（2-3 条）
   • 针对开放式反馈中的高频问题，给出改进建议（3-5 条）

【输出格式】

• 用 Markdown 表格展示核心数据
• 用文字描述关键发现（5-8 条）
• 给出改进建议（5-8 条）

风险规避

⚠️ 匿名保护：确保调研匿名，员工敢说真话
⚠️ 及时反馈：调研结果要及时反馈给员工，避免调研后无下文
⚠️ 改进行动：针对低满意度维度，要有实际改进行动

08. 劳动风险合规

场景描述

劳动法规经常变化，要确保公司 HR 政策合规，避免劳动纠纷。

OpenClaw 能做什么

• 解读最新劳动法规
• 审查 HR 政策合规性
• 识别劳动风险
• 提供合规建议

操作步骤

第一步：审查 HR 政策

帮我审查这份员工手册，识别劳动风险，输出：

1. 合规条款（符合劳动法的）
2. 风险条款（可能违反劳动法的）
3. 修改建议（针对风险条款）
4. 缺失条款（劳动法要求但手册中没有的）

第二步：解读劳动法规

帮我解读最新的《劳动合同法》修订内容，输出：

1. 主要变化（与旧版对比）
2. 对 HR 工作的影响
3. 需要调整的 HR 政策
4. 合规建议

提示词模板

你是一名劳动法专家，擅长劳动风险识别和合规建议。

请根据以下 HR 政策文档，完成审查任务：

【审查范围】

• 员工手册
• 劳动合同模板
• 绩效考核制度
• 薪酬管理制度
• 考勤管理制度
• 离职管理制度

【审查标准】

• 《劳动法》
• 《劳动合同法》
• 《社会保险法》
• 《劳动争议调解仲裁法》
• 地方劳动法规

【审查任务】

1. 合规条款识别

   • 列出符合劳动法的条款
   • 标注对应法律依据

2. 风险条款识别

   • 列出可能违反劳动法的条款
   • 标注风险等级（高/中/低）
   • 标注对应法律依据

3. 修改建议

   • 针对风险条款，给出修改建议
   • 提供合规模板条款

4. 缺失条款识别

   • 列出劳动法要求但政策中没有的条款
   • 提供补充条款建议

【输出格式】

• 用 Markdown 表格展示审查结果
• 用文字描述关键风险（3-5 条）
• 给出合规建议（5-8 条）

风险规避

⚠️ 专业审查：AI 审查结果要经过法务/律师复核
⚠️ 及时更新：劳动法规变化时，及时更新 HR 政策
⚠️ 证据保存：劳动纠纷相关证据要妥善保存

09. HR 数据分析报告

场景描述

每月/每季度要做 HR 数据分析报告，包括人员结构、离职率、招聘效率等。

OpenClaw 能做什么

• 自动收集 HR 数据
• 生成数据分析报告
• 识别人力资源风险
• 提供管理建议

操作步骤

第一步：配置数据源

帮我配置一个 HR 数据分析助手，数据源包括：

1. 人员信息：从 HR 系统获取
2. 招聘数据：从招聘系统获取
3. 离职数据：从离职管理系统获取
4. 绩效数据：从绩效系统获取

第二步：生成分析报告

帮我生成本季度 HR 数据分析报告，输出：

1. 人员结构分析（部门/岗位/职级/司龄/学历）
2. 离职分析（离职率、离职原因、离职趋势）
3. 招聘分析（招聘效率、招聘质量、招聘成本）
4. 绩效分析（绩效分布、绩效趋势）
5. 风险识别（高离职风险、关键岗位空缺）
6. 管理建议

提示词模板

你是一名 HR 数据分析专家，擅长 HR 数据分析和报告撰写。

请根据以下 HR 数据，完成分析报告：

【数据字段】

• 人员信息：姓名、部门、岗位、职级、司龄、学历、年龄
• 招聘数据：招聘岗位、招聘人数、面试人数、录用人数、招聘周期、招聘成本
• 离职数据：离职人员、离职原因、离职日期、司龄
• 绩效数据：绩效等级、绩效分数

【分析任务】

1. 人员结构分析

   • 部门分布
   • 岗位序列分布
   • 职级分布
   • 司龄分布
   • 学历分布
   • 年龄分布

2. 离职分析

   • 离职率（月度/季度/年度）
   • 离职原因分布
   • 离职趋势（近 12 个月）
   • 关键岗位离职分析

3. 招聘分析

   • 招聘效率（招聘周期、面试通过率、录用率）
   • 招聘质量（试用期通过率、绩效表现）
   • 招聘成本（人均招聘成本、渠道成本）

4. 绩效分析

   • 绩效分布（S/A/B/C/D 各占比）
   • 绩效趋势（近 4 个季度）
   • 绩效与离职关联分析

5. 风险识别

   • 高离职风险部门/岗位
   • 关键岗位空缺
   • 人均效能下降

6. 管理建议

   • 针对识别的风险，给出管理建议（5-8 条）

【输出格式】

• 用 Markdown 表格展示核心数据
• 用文字描述关键发现（8-10 条）
• 给出管理建议（5-8 条）

风险规避

⚠️ 数据准确性：HR 数据要仔细核对，避免错误
⚠️ 数据保密：HR 数据高度敏感，确保数据安全
⚠️ 解读客观：数据分析要客观，避免主观臆断

结语：让 OpenClaw 成为 HR 的"得力助手"

以上 9 个场景，覆盖 HR 招聘、绩效、员工关系等全模块，每个场景都经过实战验证，操作步骤详细，小白也能快速上手。

关键提醒：

• 权限管控：HR 数据高度敏感，确保 OpenClaw 部署在安全环境，只有授权人员可以访问
• 测试校验：AI 输出结果要人工校验，避免数据错误
• 合规审核：涉及劳动法规的内容，要经过法务/律师复核
• 持续优化：根据实际使用情况，持续优化提示词和流程

做好以上四点，就能有效规避各类风险，让 OpenClaw 真正成为 HR 的"得力助手"。

关于迅易科技

广州迅易科技有限公司成立于 2007 年，18 年企业级交付经验，服务 1000+ 成功项目，我们专注于企业数智化革新，提供从方案设计、系统实施到效果评估的全流程服务。如需了解AI 落地解决方案，欢迎前往迅易科技官网联系我们。

让数据驱动决策，让智能创造价值。

本文参考资料：- OpenClaw 官方文档- 《OpenClaw 在 HR 落地的 10 大场景》- 《OpenClaw 提示词模板与使用案例大全》