people-analytics – 人力资源数据分析 Skill

3周前更新 7 0 0 0

people-analytics 是面向人力资源与人员数据场景的分析型 Skill,帮助 AI Agent 梳理员工数据、计算人员流动与留存等指标并生成解读,适合 HR 分析、团队健康度评估和人力报表整理。

Skill 安装

多 Agent 安装
npx skills add https://github.com/anthropics/knowledge-work-plugins --skill people-analytics

使用 npx skills 快速安装,支持将 Skill 添加到多个兼容的 AI Agent。

Skill 调研报告

Skill 详细介绍

anthropics/knowledge-work-plugins#people-analytics 是 Anthropic 官方 knowledge-work-plugins 仓库中面向“人事分析”方向的一个 Skill。它不是一套独立安装运行的软件,也不是仪表盘工具,而是一组交给 AI Agent 加载的工作指令与工作流,用来把 Agent 变成懂人事数据、能做 HR 分析的人事分析助手。

需要先分清作者与命名空间。anthropics/knowledge-work-plugins 是 Anthropic 官方维护的“知识工作插件”集合,按职能方向拆分,人事分析(people analytics)是其中一个方向。真正决定它能力的,是这个 Skill 内部自带的指令、方法与分析框架,而不是某个外部平台。

它是什么

– 一个由 Anthropic 官方发布的 Agent Skill,主题是人事 / HR 数据分析。
– 定位是“知识工作”类插件:把 HR 领域常见分析任务的方法论交给 Agent。
– 安装后,Agent 在处理人员数据、组织数据、人力指标相关任务时,能按更接近人事分析专业习惯的方式来组织分析。

它不是什么

– 不是人事系统(HRIS),不负责存储员工数据。
– 不是 BI 工具或可视化平台,不提供独立的图表界面。
– 不能替代专业 HR、法务或合规判断。
– 没有官方资料表明它自带数据源或对外部 SaaS 的固定连接。

典型任务方向

人事分析通常围绕以下问题,这个 Skill 的作用就是让 Agent 更擅长处理它们:

– 人员流动与留存分析(离职率、留存、流失原因梳理)。
– 组织人力指标整理(编制、在岗、招聘进度、人员结构)。
– 招聘与人才相关数据汇总与对比。
– 员工调查、敬业度、反馈类数据的归纳与分析。
– 把分散的人员数据整理成结构化结论或汇报材料。

适合谁

– HR、HRBP、人事运营人员,需要快速整理与分析人员数据。
– People Analytics、组织发展相关岗位,需要把方法交给 Agent 复用。
– 需要让 AI 按人事分析逻辑处理表格、报告与调查数据的人。

不适合什么需求

– 想找现成 HR SaaS 或打卡、薪酬系统的人。
– 需要严格法律合规结论、劳动关系判断的场景。
– 期望一个即装即用、自带数据看板的成品工具的人。

一句话总结:它让 AI Agent 在“人事分析”这件事上更专业,但数据来源、合规判断和最终决策仍在用户手里。

Skill 安全评估

总体判断:来源可信度较高,因为它来自 Anthropic 官方仓库 anthropics/knowledge-work-plugins。风险不主要来自这个 Skill 本身,而来自你交给它处理的数据。

需要重点关注的点:

– 来源可信度:官方组织维护,相比第三方同名 Skill 更值得信任。但要注意区分官方仓库与第三方 fork、镜像、重新发布版本。
– 数据敏感性:人事分析天然会接触员工姓名、薪酬、绩效、身份信息等敏感数据。这是使用此类 Skill 时最大的实际风险。
– Agent 权限:如果 Agent 具备文件读取、Shell、网络权限,处理人员数据时可能把数据带入超出预期的范围。建议按最小权限使用。
– 第三方服务:如果后续分析过程调用了外部模型或 SaaS,数据可能离开本地,这一部分取决于你使用的 Agent 和平台,而不取决于 Skill 本身。
– 输出可靠性:AI 分析结果可能有误,人事结论涉及真实的人,不应未经人工复核直接采用。

降低风险的建议:

– 只处理脱敏或聚合后的数据,避免把可识别的个人敏感信息直接交给 Agent。
– 关闭不必要的自动执行 / Shell 权限,由人工控制数据流动。
– 不要把源自本 Skill 的分析直接用于对个人不利的人事决定,保留人工复核环节。

官方没有公开针对这个 Skill 的独立安全审计结论,不要把它当作“零风险”或“已通过全面审计”。

Skill 使用要求

一、Agent / 客户端

该 Skill 来自 Anthropic 官方 knowledge-work-plugins 集合,与 Claude Code 这类支持 Skill 加载机制的 Agent 高度适配,优先在 Claude Code 中使用最稳妥。

官方没有提供完整的第三方 Agent 兼容列表。从 Agent Skill 的通用工作方式看,在支持 Skills、自定义 Skill 或类似指令加载机制的环境中,通常也可以尝试在 Codex、Cursor、Trae、OpenClaw、WorkBuddy 等主流 AI Agent 中使用。不同 Agent 的 Skill 加载方式与兼容程度可能不同,具体以对应 Agent 当前版本为准。

二、运行环境 / 依赖

| 项目 | 要求 |
|—|—|
| Agent | Claude Code 优先,其他兼容 Agent 可尝试 |
| Node.js / Python | 官方资料未把此 Skill 描述为必须依赖特定运行时 |
| Git | 若通过仓库方式获取 Skill,通常需要 Git |
| 网络 | 需要能访问 Skill 来源仓库或 Skill 分发渠道 |

如果只是让 Agent 执行人事分析任务,通常不需要额外安装 Node.js、Python 或 Docker。具体依赖以该 Skill 当前官方说明为准。

三、权限

必需:

– 文件读取(当分析对象是你提供的数据文件时)。

可选:

– 文件写入(需要导出分析结果时)。
– 网络(取决于你使用的 Agent 与数据来源)。

通常不需要:

– Shell 自动执行。
– Docker。
– 浏览器控制。

四、账号 / API Key

Skill 本身是否需要账号或 API Key,取决于你通过哪个 Agent 安装与运行它,官方没有把“使用此 Skill 必须提供某类密钥”列为硬性要求。

要区分两件事:

– Skill 自身:不预设必须提供 API Key 或 Token。
– 你后续让它分析的数据来源:如果需要从某个平台拉取人员数据,那可能需要对应平台的账号与凭证,这部分由你使用的服务决定,而不是这个 Skill 决定。

最小使用条件

– 一个支持 Skill 的 Agent(Claude Code 优先)。
– 可用的 Skill 来源渠道。
– 你准备分析的人事数据(建议脱敏或聚合)。
– 对输出进行人工复核的流程。

Skill 安装、使用与卸载教程

一、安装

可以直接复制本页面提供的 Skill 安装指令,粘贴到对应 Agent 或终端执行。

如果不清楚你的 Agent 该如何安装,直接向当前 Agent 提问即可:

如何安装 anthropics/knowledge-work-plugins#people-analytics?

如何在 Claude Code 中安装 anthropics/knowledge-work-plugins#people-analytics?

如何在 Cursor 中安装 anthropics/knowledge-work-plugins#people-analytics?

让当前 Agent 根据自己的 Skill 加载与管理机制给出安装步骤,通常比套用某一条固定命令更可靠。

二、安装后如何使用

安装后不需要特殊命令触发,直接用自然语言描述人事分析任务即可。适合交给它的任务包括:整理人员数据、分析离职与留存、汇总招聘进度、归纳员工调查结果、生成人事汇报材料。

使用示例:

使用 people-analytics,帮我根据这份脱敏的员工流失表格,分析近一年的离职趋势和主要原因。

使用 people-analytics,把这份员工敬业度调查的开放题回答归纳成几个主题,并给出简要结论。

使用 people-analytics,帮我把这份招聘进度表整理成一份面向管理层的人事汇报提纲。

描述需求时,尽量说明数据是什么、你想得到什么结论,比笼统地说“分析一下”效果更好。

三、卸载

保持简单即可:

– 使用对应 Agent / Skill 管理器提供的删除方式移除该 Skill。
– 或直接询问当前 Agent:

如何卸载 anthropics/knowledge-work-plugins#people-analytics?

不同 Agent 的 Skill 安装位置和管理方式可能不同。如果没有统一卸载命令,直接询问当前 Agent 如何移除通常更稳妥。官方没有公开统一的卸载命令时,不要套用来源不明的命令。

常见问题

它会自动连接我公司的人事系统吗?

没有官方资料表明这个 Skill 内置对外部 HRIS 的固定连接。它主要提供分析方法与工作流,数据通常需要你自己提供。

可以同时安装到多个 Agent 里吗?

通常可以,各 Agent 的 Skill 目录相互独立。需要注意的是,不同 Agent 的加载机制和兼容程度不一样,同一套指令在不同 Agent 里的表现可能有差异。

安装后 Agent 没识别到这个 Skill,怎么办?

先确认安装路径与方式是否符合对应 Agent 的要求,然后重启或重新加载 Agent。也可以直接问当前 Agent:为什么没加载到 anthropics/knowledge-work-plugins#people-analytics,让它检查自己的 Skill 列表。

Skill 更新后需要重新安装吗?

取决于你的安装方式。如果是跟随仓库或 Skill 分发的更新机制,通常同步更新即可;如果是手动复制到本地目录,一般需要重新拉取或替换。具体以对应 Agent 的说明为准。

处理员工数据安全吗?

来源可信度较高,但人事数据本身敏感。建议只处理脱敏或聚合数据,关闭不必要的自动执行权限,并对 AI 输出做人工复核。不要把它的分析结果直接用于对个人不利的人事决定。

可以用它做薪酬或合规相关的最终结论吗?

不建议把它当作最终依据。它可以辅助整理与分析,但薪酬设计、劳动关系、合规判断涉及法律与专业责任,应由专业人员确认。

中国大陆使用有网络要求吗?

主要取决于你通过哪个 Agent 和渠道安装。如果安装渠道需要访问境外仓库,可能对网络有要求;如果只做本地数据分析,网络依赖通常较低。具体以你的环境和官方说明为准。

Skill 更新日志

版本列表
无版本号
adobe-for-creativity:显示名称 "Adobe" (#1245)
无版本号
添加 Render 插件 (render) (#1246)
无版本号
bump(carta-crm):19590b87 → 6ab81016 (#1226) Co-authored-by: github-actions[bot]
无版本号
bump(carta-cap-table):19590b87 → 6ab81016 (#1225) Co-authored-by: github-actions[bot]
无版本号
bump(carta-investors):19590b87 → 6ab81016 (#1227) Co-authored-by: github-actions[bot]
无版本号
bump(amazon-selling-partner):5e8147fc → 10573bac (#1238) 压缩合并 1 个提交
无版本号
添加 amazon-selling-partner(Amazon Selling Partner 插件)(#1237)
无版本号
添加 Pendo 插件(pendo-analytics、pendo-guides、pendo-orchestrate)(#1221) * 添加 Pendo 插件(pendo-analytics、pendo-guides、pendo-orchestrate) * pendo-analytics:表面中立的描述措辞
无版本号
添加 Hostinger 插件 (hostinger) — 变基到 main (#1194)
无版本号
合并拉取请求 #1197,来自 anthropics/bump/carta-cap-table bump(carta-cap-table):15286b2f → 19590b87
无版本号
合并拉取请求 #1217,来自 anthropics/bump/wingspan bump(wingspan):b989f3b3 → 01f2b080
无版本号
合并拉取请求 #1216,来自 anthropics/bump/incident-io bump(incident-io):6d0bbfc9 → 443f4716
无版本号
合并拉取请求 #1215,来自 anthropics/bump/modern-web-guidance bump(modern-web-guidance):66351a78 → 22ab18df
无版本号
合并拉取请求 #1214,来自 anthropics/bump/honeycomb bump(honeycomb):41214b7d → b169d7d1
无版本号
合并拉取请求 #1213,来自 anthropics/bump/langfuse bump(langfuse):ab83111e → f275566d
无版本号
合并拉取请求 #1212,来自 anthropics/bump/base44 bump(base44):592535c8 → 8548a482
无版本号
合并拉取请求 #1211,来自 anthropics/bump/figma bump(figma):ecefd5b5 → 5d718a28
无版本号
合并拉取请求 #1210,来自 anthropics/bump/postiz bump(postiz):00aa5083 → 8d431747
无版本号
合并拉取请求 #1208,来自 anthropics/bump/signoz bump(signoz):4cdc848e → 35fe1869
无版本号
合并拉取请求 #1207,来自 anthropics/bump/buildkite bump(buildkite):a4bb20c6 → 50c85f20
无版本号
合并拉取请求 #1206,来自 anthropics/bump/pixeltable bump(pixeltable):70ec6a26 → c08f7340
无版本号
合并拉取请求 #1204,来自 anthropics/bump/unity bump(unity):5ad4bafc → ba48956a
无版本号
合并拉取请求 #1203,来自 anthropics/bump/qdrant-skills bump(qdrant-skills):7d12f624 → 6a03d0ce
无版本号
合并拉取请求 #1202,来自 anthropics/bump/datarobot-agent-skills bump(datarobot-agent-skills):de26cbc9 → 55a755ea
无版本号
合并拉取请求 #1201,来自 anthropics/bump/airwallex-agentos bump(airwallex-agentos):d323dd68 → b418b991
无版本号
合并拉取请求 #1200,来自 anthropics/bump/wix bump(wix):8895c163 → 91f818bb
无版本号
合并拉取请求 #1199,来自 anthropics/bump/carta-investors bump(carta-investors):15286b2f → 19590b87
无版本号
合并拉取请求 #1198,来自 anthropics/bump/carta-crm bump(carta-crm):81b8f408 → 19590b87
无版本号
bump(wingspan):b989f3b3 → 01f2b080
无版本号
bump(incident-io):6d0bbfc9 → 443f4716

暂无评论

none
暂无评论...