返回博客

人才畫像 × 智能體:一句話進去,一份文件出來

找人這件事,看起來像一個問題:「幫我查查這位教授的情況」。但真上手做過就知道,它從來不是一個問題,而是一串活兒——先圈定要查誰、查到什麼粒度,再拿著姓名、單位、履歷去公開資料裡逐項核對,對得上的整理成檔案,對不上的單獨標出來,收尾還得自查一遍有沒有漏步。人工做這套流程,最容易出現的問題不是某一步做錯,而是做著做著漏了一

人才畫像智能體任務執行

找人這件事,看起來像一個問題:「幫我查查這位教授的情況」。但真上手做過就知道,它從來不是一個問題,而是一串活兒——先圈定要查誰、查到甚麼粒度,再拿着姓名、單位、履歷去公開資料裏逐項核對,對得上的整理成檔案,對不上的單獨標出來,收尾還得自查一遍有沒有漏步。人工做這套流程,最容易出現的問題不是某一步做錯,而是做着做着漏了一步,事後又說不清當時是怎麼核對的。

MuchSci 的人才畫像功能掛在智能體助手之下,不是隨手放的:拉一份畫像是一串任務,智能體正好是負責把這串任務跑完、並把成果落成文件的那個角色。這篇拆的就是這條任務鏈。

01 一句話進去,背後是一串任務

先看這串任務由哪幾步組成。

▲ 圖 1|從圈定範圍到自查落盤,一份畫像背後是四步任務鏈

第一步確定檢索範圍:查誰、查到甚麼粒度,先圈清楚,避免漫無目的地抓一摞同名結果。第二步逐個核對:姓名、單位、履歷與公開資料逐項匹配,這是整個流程的硬門檻。第三步結構化輸出:過了門檻的紀錄拆進四類欄位——基本情況、受教育情況、任職履歷、主要科研成果,成一份檔案。第四步自查與落盤:核對結果自查一遍,然後把成果整理成文件交付。

智能體的價值不在某一步多聰明,而在把整串任務一口氣跑完、不漏步。人工最容易跳過的恰恰是自查和留痕這兩步——它們不產生新資訊,卻決定結果敢不敢用。

02 一次性問答,和一串任務

同樣的需求,交給一次性問答和交給一串任務,差別在哪?

▲ 圖 2|問答給一段話,任務跑完給一套能交代來源的文件

一次性問答的形態是「問一句、答一句」:答完即止,核沒核對過不知道;遇到歧義含糊帶過;要追溯時只能翻聊天紀錄。人物檔案這種活兒,問題往往不出在「答錯」,而出在「說不清是怎麼得出的」。

一串任務對這幾點各有交代:核對是顯式步驟,逐項匹配寫了出來;對不上的標「待核驗」,不硬給答案;交付的是文件,過程有留痕,事後可回查。同樣是「一句話進去」,出來的是一份可以往正式材料裏放的東西。

03 交付物是三樣,不止一份檔案

細看交付,成果不止檔案一份。

▲ 圖 3|成品給你用,依據給你查,留痕給你交代「這是怎麼來的」

第一樣是成品檔案,四類欄位的結構化檔案本體,拿來就能用。第二樣是核對依據:資料來源標註、各項匹配情況,以及對不上的待核驗清單——檔案裏每一條紀錄都能往回查到出處。第三樣是過程留痕:檢索範圍是甚麼、任務按甚麼步驟執行的、自查發現了甚麼。

三樣合在一起,檔案才敢往正式材料裏放。用得放心的從來不是檔案本身,而是後面兩樣:依據讓每條紀錄可核對,留痕讓整份檔案的來歷說得清。

這套分工裏還有一條容易被忽略的線:哪些環節交給機器、哪些留給人的問題。

▲ 圖 4|智能體跑確定性的執行環節,人守判斷性的環節,互不越界

MuchSci 的智能體接管的是執行側:按圈定範圍逐個查、逐個對,把核對過的紀錄拆進欄位,落成文件交付——這些事有明確的對錯標準,跑完不漏步就是合格。人守的是判斷側:查誰、查到甚麼粒度由人決定;待核驗的紀錄怎麼辦,由人拿主意;檔案怎麼用、結論怎麼下,判斷留給使用者。「一句話進去一份文件出來」說的是執行側——判斷側始終有一道人機分界。

04 功能介面:任務跑完,交付見文件

介面上的樣子,和這條任務鏈是對得上的。


▲ 圖 5|智能體頁籤:任務跑完列出交付文件,檢索範圍、執行步驟與報告結構直接寫在交付說明裏

交付區明確列出產出文件:哪份是主交付、甚麼格式、多少頁;往下是檢索依據的說明——用了哪些檢索式、命中多少條、是否全部完成引用閉環;再往下是執行過程的結構化陳述。「一句話進去、一份文件出來」在介面上是字面意義的:底部輸入區只佔一條,交付區的文件清單與說明鋪開在整頁。上面那道人機分界,在介面裏也能看到落點——執行過程被原樣寫出來給人看,而不是被打包成一個黑箱結論。

05 邊界

① 本篇講功能機制與執行方式,不構成效果承諾。檔案的完整程度取決於公開資料的可得性,任務能否跑全視資料情況而定。

② 結構化不等於評估。 檔案與交付物是公開資料的整理與呈現,不構成對任何人的能力評價、推薦或背書;涉及具體個人的判斷,須由使用者自行核實並承擔責任。

③ 只使用公開資料。 不涉及個人私隱資料;用於評審、合作、盡職調查等正式用途時,以相關單位現行規定與程序為準。

返回博客列表