《HR的AI提示词指南》HR提示词指南（SHRM）
SHRM 这份指南的结构有点意思：先用一个四步框架教你怎么写提示词，再把 25 个现成模板按 HR 的四个维度铺开，最后单列一段合规。与其说是提示词大全，不如说是一套"框架＋模板库＋法律边界"的组合。
四步框架，正好拼成 SHRM
框架用机构名做缩写：
| 字母 | 步骤 | 具体动作 |
| S | Specify | 明确要模型做什么、给出目标（如"给高管总结这份报告"）、补足背景与约束（语气、长度、格式） |
| H | Hypothesize | 预判模型会怎么理解你的话，先列出可能的好输出与坏输出 |
| R | Refine | 按实际输出迭代措辞，加指令（"用要点""避免行话"），补例子或少量示范 |
| M | Measure | 设定成功标准（准确、连贯、简洁），用样例输入测试并记录每次修改的效果 |
第二步「预判」是多数人跳过的。它的作用不在猜得准，而在逼你在写提示词之前先想清楚"什么算好、什么算坏"。如果连坏输出长什么样都说不出来，后面 Measure 那一步就没有标准可用。
指南给了一个完整例子：要帮 HRBP 向财务部门讲绩效管理流程。Specify 写成"写一段 100 词的概述，帮 HR 业务伙伴向财务解释绩效管理流程"；Hypothesize 判断"可能太技术化，行话过多"；Refine 加"用平实英文，提到高绩效团队"；Measure 写成"按 1 到 5 分评清晰度，迭代到 4 分以上"。四步走完，一条提示词才定型。
25 个模板按 HR-X 四个维度分
模板库用的是 HR-X 框架，四个维度各管一段职能：
| 维度 | 覆盖什么 | 模板举例 |
| Talent Optimization（人才优化） | 发展、学习、绩效、员工体验与留任 | 员工发展计划、长培训材料摘要、测验与微学习、绩效评语草稿、个性化学习推荐、新员工调查分析 |
| Market Discernment（市场辨识） | 劳动力市场趋势、招聘、总薪酬对齐 | 招聘广告优化、职位发布、面试问题、职位描述、面试结构与评估、面试排期、重复候选人检测、面试记录摘要 |
| Functional Acceleration（职能加速） | 流程效率、HR 技术与资源价值 | HR 政策创建、员工沟通、HR 数据策略、摘要类任务、缺失表单跟进、日常通知起草 |
| Organizational Impact（组织影响） | 变革、组织设计、领导议题、合规 | 变革沟通、变革反馈分析、HR 运营模式诊断、运营模式情景建模、继任计划分析 |
四个维度的划分对选模板很有用：你手上的活属于"把人管好""把人招对""把流程跑快"还是"把组织改对"，对应哪一栏一目了然。25 个模板不必全看，按维度找就行。
从这三个模板起步
如果只挑三个，我的建议是招聘广告优化、长培训材料摘要、绩效评语草稿。理由不在于它们最热门，而在于这三类活有共同特征：输入明确（一份 JD、一份教材、一份考核记录）、输出可验证（招来的人对不对、员工看懂没、评语是否站得住），出错能立刻发现，适合用来练框架。
反过来说，涉及候选人筛选、晋升判断、薪酬决定的活，不要从模板起步。那属于合规问题，改提示词解决不了，下面这段值得先读。
美国法规那一段值得先读
指南的合规章节说得很直接：美国平等就业机会委员会（EEOC）已明确，AI 用于招聘与雇佣决策必须符合联邦反歧视法，包括《民权法案》第七章与《美国残疾人法》；系统不得造成非预期偏见或对受保护群体产生不成比例的影响。此外科罗拉多与纽约市已通过防止算法偏见的法律，加州在 2024 年把州级数据隐私法延伸到 AI 工具中存储的数据。
这段话对中国读者也有用，不在于法规可套用，而在于它指出了风险类型：偏见、透明度、数据安全。这三类问题在任何法域都会出现，只是对应规则不同。指南还给了个具体建议：用 AI 写完面试问题后，逐条检查是否带偏见，问题应聚焦技能与能力而不是身份特征。
先把 Specify 与 Hypothesize 两步用在你下周真的要发的一份招聘广告上，其余模板等这一步顺了再看。
────────────────
回复本帖，可见指南原文入口、25 个模板按四个维度的完整清单与直达链接，以及四步框架的官方示例原文与合规章节的法规名称。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费，安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 请点击查看安装教程与福利 → 说明： AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
扫码加好友，拉您进群
全部版块
我的主页
收藏
