01你的绩效管理，现在卡在哪一步？
点一个症状，看这个场景怎么解。
目标写了「提升服务质量」，季末没法评
同一个表现换个主管差 0.7 分
给了低分问他凭什么，答不上来
去年同岗位定过什么，找不到
02看它怎么干活
下面是在 WorkBuddy 里跑一遍这个场景的完整过程。真实的问法，真实的口径，每条结论都挂出处。
🎬 实操录屏位 —— 把录制好的
demo.mp4 放到本目录即自动替换此占位
WorkBuddy · c39-performance-appraisal
演示数据
03HR 的话，AI 听得懂
不用学指令，怎么问都行。下面是四组真实问法。
「这个员工的季末目标帮我写一下」
TGT-0001（李海涛 · 生产部 · 设备综合效率提升 · 基线 73.0%）出了 3 套候选，其中 2 套可出稿、1 套被一票否决。推荐 TGTC-0001「基线达标版」：以 OEE 设备综合效率为核心衡量口径，由基线 73.0% 改善至 ≥83.2%，数据来源 MES 设备运行日报，完成时限 2026-10-26。
出处：目标 TGT-0001 · 候选 TGTC-0001 · 复用来源 HTG-0005（B 级，历史达成率 0.857）
出处：目标 TGT-0001 · 候选 TGTC-0001 · 复用来源 HTG-0005（B 级，历史达成率 0.857）
「第三套为什么不能交上去？」
TGTC-0003 目标值写成「显著提升」，没有数字也没有衡量尺度 → R2 目标值不可量化，一票否决、不进加权评分。还有两类更严重：TGTC-0012 目标文本里出现「末位淘汰」、TGTC-0015 出现「态度消极」——命中红线后系统不改写、不润色，把这句原样拦下来让 HR 重写。
出处：候选 TGTC-0003 / TGTC-0012 / TGTC-0015 · 规则 PMC-02 / PMC-05 / PMC-06
出处：候选 TGTC-0003 / TGTC-0012 / TGTC-0015 · 规则 PMC-02 / PMC-05 / PMC-06
「这个季度是不是大家都很松？」
SUP-01 王德海（生产部）5 人参与校准，均分 4.12，偏离部门基准 +0.38，判手松，建议向基准靠拢、建议区间 3.49~3.99（参考，非执行值）。同部门 SUP-02 刘振华 δ −0.38 判手紧——同一个部门两个主管差 0.76 分。而 SUP-05 只有 2 人参与，样本不足直接排除出比较集，不给任何宽严结论。
出处：主管校准参考 SUP-01 / SUP-02 / SUP-05 · 规则 PMC-14 / PMC-16
出处：主管校准参考 SUP-01 / SUP-02 / SUP-05 · 规则 PMC-14 / PMC-16
「能不能直接给员工定个等级？」
不能，这一条我们不越界。等级连带调薪、晋升、去留，必须走人的绩效流程。落到数据层的做法是干脆没有这个字段——绩效评估单与主管校准参考里都不存在员工绩效等级列。评分也一样：AI 只出参考，改不改、改多少一律主管手填。
出处：SKILL.md 红线 · manifest redlines · verify.py 红线断言（H31）
出处：SKILL.md 红线 · manifest redlines · verify.py 红线断言（H31）
04下载演示数据源
7 个标签页、572 行模拟数据，拿去自己跑一遍。
↓ 下载 c39_performance_appraisal.xlsx
同时提供
gen_data.py 生成脚本（固定随机种子 20260939，可复现）① 员工与目标需求60 行
② 历史目标库72 行
③ 目标候选生成结果180 行
④ 过程记录172 行
⑤ 绩效评估单60 行
⑥ 主管校准参考12 行
⑦ 规则与口径表16 行
⚠️ 全部为模拟演示数据，员工、主管与评分均为虚构，非任何真实企业与真实员工的绩效数据。
数据里刻意埋了各类边界样本：六道硬门槛各 8~9 条（缺衡量指标 8 / 不可量化 9 / 缺来源 9 / 缺时限 9 / 合规红线 9 / 负面措辞 8）、
高度重复提示 9 条、无可参考历史不出稿 6 条、置信度不足不出稿、
待补证据 5 单（含 3 单「有 3 条记录但全部不可核验」）、无可依据 2 单、
样本不足主管 1 位、手松 2 位 / 手紧 2 位 / 区分度过低 1 位、未决策主管 2 位——保证每一条规则都有能触发它的示例。
口径写在哪
定位转换（H27）+ 六道门槛 + 校准 →
6 个指标的分子分母 + 坑 →
HR 常识 / 话术 / 红线自查表 →
简道云字段映射 →
完整 PRD 与 HOLD 卡（H27~H31）→
rules.md6 个指标的分子分母 + 坑 →
metric-dictionary.mdHR 常识 / 话术 / 红线自查表 →
scenario-knowledge.md简道云字段映射 →
template-map.md完整 PRD 与 HOLD 卡（H27~H31）→
01-PRD/
05效果与验收口径
每个场景都写清楚结果和验收口径——不只看功能，看怎么验。
| 指标 | 演示实测 | 验收口径（怎么算） | 易错点 |
|---|---|---|---|
| 目标定稿一次通过率 | 88.37% | 未被退回重写目标数 ÷ 已审核目标数（38 ÷ 43） | 未提交 / 草稿状态不进分母，混进去会虚高 |
| 历史目标复用率 | 68.97% | 相似度 ≥0.88 且登记了来源评级的目标数 ÷ 已出稿目标数（40 ÷ 58） 相似度 = 指标 0.30 + 方向 0.25 + 部门 0.18 + 类型 0.12 + 幅度接近度 0.15 | 100% 是假繁荣——说明历史库铺满、提示不出低质稿的能力失去样本 |
| 校准提示采纳率 | 75.00% | 采纳提示主管数 ÷ 已决策且进比较集且收到手松/手紧提示的主管数（3 ÷ 4） | 「无需校准」与样本不足主管不在分母，否则被稀释 |
| 宽严偏差收敛率 | 39.65% | (校准前平均|δ| − 校准后平均|δ′|) ÷ 校准前平均|δ|（0.378 → 0.228） | 只算手松/手紧，区分度过低不是宽严问题；用平均绝对偏离度不用极差 |
| 过程留痕覆盖率 | 100% | 结论挂得上可核验证据的评估单数 ÷ 已出具校准参考的评估单数（51 ÷ 51） | 硬红线不平均化：50/51 要报「缺 1 单，不合格」，不报 98% |
| 口径拦截率 | 28.89% | 硬门槛否决候选数 ÷ 候选总数（52 ÷ 180） | 护栏指标不是越低越好，且六道门槛每道都要有样本 |
⚠️ 三件最容易翻车的事，我们主动写在明处：
① 高度重复不能用相似度阈值判——本场景同部门同方向的候选相似度天然 ≥0.97，用「≥0.92」会命中上百条把提示变噪音，
改成「四项分类与历史完全一致 且 提升幅度差 ≤0.005」的结构性判定后才降到 9 条；
② 有过程记录 ≠ 有证据——TGT-0023 有 3 条记录但全部不可核验，照样按留痕缺失拦截；
③ 区分度过低的校准不是整体平移——平移不改变标准差，调整后 σ 还是 0 等于没校准，必须「不动均分、按排名线性拉开」。
✅ 给 HRD 和老板看的数，我们不用大模型口算。相似度、四维得分与加权总分、置信度、
以及 n / 均分 / 标准差 / 高分率 / 偏离度全部走确定性规则引擎，可复算、可审计；质检脚本会从原始数据
独立重算一遍逐条对账，180 条候选五项对账零差异才放行（73 项断言全 PASS）。
先把你的问题理清楚，
再决定要不要花钱
联系马工，你会先拿到一份《场景清单》——厂里的管理窟窿按痛感排好序，先干哪 3 个写清楚。清单不满意，可以到此为止。
- 先量基线，再收钱——诊断阶段不收咨询费
- 渐进式接入——从最痛的一个场景开工，不伤现有业务
- 效果进账本——上线前后对比数据摆在面前
直接打电话问马工
扫码加马工微信
把问题发过来就行
把问题发过来就行