AI绩效考核提示词:零基础搭建自动评分流程
想用AI做绩效考核,核心是把评分规则写成结构清晰的提示词,再通过API调用让模型按规则输出分数。
本文面向零基础用户,从准备条件到脚本运行、报错处理、结果验证,一步步带你跑通整个流程。
先理清你要AI评什么
AI绩效考核提示词不是随便写一段话让模型打分。
你需要先明确三件事:考核维度、评分标准和输出格式。
比如考核“任务完成质量”,可以设定1到5分,并给出每个分数对应的行为描述。
把这些内容写进提示词,模型才能稳定输出。
准备一个文本编辑器(如VS Code)和一个可用的AI模型API密钥(以OpenAI为例)。
如果你还没有密钥,需要先到对应平台注册并创建。
本文假设你使用Linux或macOS终端,Windows用户可用WSL或PowerShell,命令略有差异。
编写可复用的提示词模板
提示词建议保存为独立文件,方便修改和版本管理。
新建文件 prompt_template.txt,内容参考如下:
你是一名绩效考核助手。请根据以下员工自评内容,按维度评分。
评分维度:任务完成质量(1-5分)、协作沟通(1-5分)、主动性(1-5分)。
评分标准:1分=远低于预期,3分=符合预期,5分=远超预期。
输出格式:JSON,包含字段 quality、communication、initiative,每个字段为整数。
员工自评内容:
{self_review}
注意 {self_review} 是占位符,后续用Python替换为实际内容。
提示词中明确输出JSON,可以减少模型返回多余文字的概率。
用Python调用API并解析评分
安装依赖:
pip install openai
新建脚本 score.py,填入你的API密钥和提示词模板路径:
import json
from openai import OpenAI
client = OpenAI(api_key="你的API密钥")
with open("prompt_template.txt", "r", encoding="utf-8") as f:
template = f.read()
self_review = "本季度完成了三个项目,主动协调了跨部门会议,代码 review 参与度较高。"
prompt = template.replace("{self_review}", self_review)
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": prompt}],
temperature=0.2
)
content = response.choices[0].message.content
print(content)
try:
scores = json.loads(content)
print("解析成功:", scores)
except json.JSONDecodeError:
print("模型返回非JSON,请检查提示词或降低temperature")
运行 python score.py,
如果一切正常,
终端会打印类似 {"quality": 的结果。
4, "communication":
5, "initiative":
4}
常见报错与避坑
- 报错
AuthenticationError:检查API密钥是否复制完整,是否有多余空格。 - 返回内容不是JSON:在提示词中强调“只输出JSON,不要解释”,并将
temperature设为0.2或更低。 - 评分波动大:同一段自评多次运行结果不一致,说明提示词约束不够。可以增加示例(few-shot),在提示词里给出一组输入输出样例。
- 中文乱码:确保文件读写使用
encoding="utf-8"。 - API费用:每次调用按token计费,建议先用短文本测试,确认提示词稳定后再批量处理。
验证评分是否可用
跑通脚本只是第一步。
拿3到5条已知评分的自评内容做对照测试,看AI分数与人工评分是否在合理范围内。
如果偏差超过1分,回到提示词调整评分标准描述。
另外,记录每次调用的输入和输出,方便后续复查。
对于正式绩效考核,建议AI评分仅作为参考,最终结果由负责人确认。
提示词和脚本可以保存在版本库中,每次修改后重新跑一遍测试用例。
常见疑问
提示词里需要写员工姓名吗? 不需要。
姓名属于个人信息,除非有明确授权,否则提示词中只保留工作内容描述即可。
可以用国产模型吗? 可以。
只要模型支持Chat Completions接口,把 base_url 和 model 参数换成对应服务商的值即可,提示词逻辑不变。
评分结果如何存储? 简单场景可以写入CSV文件,在脚本中增加几行代码将 scores 字典追加到文件。
复杂场景建议存入数据库,并记录时间戳和提示词版本。