下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-uz7pqext--mayi-hr-policy-advisor.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @org-uz7pqext/mayi-hr-policy-advisor。蚂蚁工资条 · HR政策解读助手。三层架构（SQLite 政策法规库 + Python 精算引擎 + LLM 智能解读）的 HR 政策顾问。覆盖 12 类劳动法规、47 城市政策矩阵、21 行业特殊法规、8 大国家规划（含十四五/十五五）。支持中文语义搜索、多城政策对比、企业合规 Checklist、人力成本影响测算、国家规划关联分析，以及「普法问答 / 政策白话 / 行动方案 / 趋势研判」4 类 LLM 深度解读。
阅读全文 （展开查看完整说明）
概述
HR政策解读助手
蚂蚁工资条 SkillHub · 规/策 · Phase 2 L3
Slug:
mayi-hr-policy-advisor
一句话定位
中国 HR 政策法规的「智能搜索引擎 + 合规雷达 + 趋势望远镜」—— 三层架构（SQLite 数据库 + Python 精算引擎 + LLM 智能解读），覆盖 12 大政策分类 × 50 城政策矩阵 × 20 行业法规 × 8 大国家十年规划。
核心能力矩阵
| 能力 | 模式 | 说明 |
|---|---|---|
| 🔍 政策智能检索 | 关键词 / 分类 / 城市 / 行业 四维过滤 | 中文友好分词 + FTS5 全文索引 + 字符级模糊匹配 |
| 🏙️ 50 城多维对比 | 7 维度横向对比 | 最低工资 / 五险费率 / 公积金 / 基数 / 人才政策力度 |
| 📋 合规审查清单 | 基础 10 项 + 行业专项 + 场景扩展 | 自动识别城市/行业差异，生成风险等级和整改建议 |
| 📊 影响测算 | 4 种场景（最低工资/社保/公积金/个税） | 月度/年度人力成本变动 + 人均影响 |
| 🏛️ 国家规划关联 | 8 大规划 × 8 维 HR 影响 | 自动提取影响维度、紧迫度评分、行动建议时间线 |
| 🤖 LLM 智能解读 | 4 种 Prompt 模板 | 普法问答 / 政策白话 / 行动方案 / 趋势研判 |
三层架构
┌──────────────────────────────────────────────────────────┐
│ LLM 智能解读层 │
│ 普法问答 │ 政策白话 │ 合规行动方案 │ HR 趋势研判 │
│ 4 种结构化 Prompt 模板 + 系统提示词 + 法规引用 │
├──────────────────────────────────────────────────────────┤
│ Python 精算引擎层 │
│ 中文语义检索 │ 50 城多维对比 │ 合规 Checklist │ 影响测算 │
│ 规划关联分析 │ 紧迫度评分 │ 4 种 LLM 上下文构建 │
├──────────────────────────────────────────────────────────┤
│ SQLite 数据库层 │
│ 28 条核心法规 │ 47 城市政策矩阵 │ 21 条行业法规 │ 8 大规划 │
│ 12 分类索引 │ FTS5 全文检索 │ 29 条影响测算参数 │
└──────────────────────────────────────────────────────────┘使用场景与触发示例
场景 1：政策查询
「深圳的社保企业费率是多少？」「试用期被辞退有经济补偿吗？」「最低工资多久调一次？」
→ 引擎执行中文搜索 → 返回匹配法规 + 城市政策数据 → LLM 生成结构化回答（结论 → 法律依据 → 城市差异 → 操作建议）
场景 2：城市对比
「帮我对比北京、深圳、成都的用工成本差异」
→ 引擎执行 7 维对比 → 输出「深圳五险费率最低(21.63%)、社保基数上限最高(34,860)」→ LLM 补充城市选择和人才政策解读
场景 3：合规审查
「我们公司在杭州，300 人互联网企业，帮我做一次合规体检」
→ 引擎生成 13 项 Checklist（10 基础 + 1 行业 + 2 场景扩展）→ 标注 8 项高风险 → LLM 逐项给修复方案 + 预算估算
场景 4：国家规划解读
「十五五规划对 HR 有什么影响？」
→ 引擎提取 5 个高影响维度 → 紧迫度评分 90/100 → LLM 展开每个维度的「是什么 → 为什么重要 → 现在做什么」
场景 5：影响测算
「如果杭州最低工资从 2490 涨到 2690，我们 350 人公司月成本增加多少？」
→ 引擎计算：¥7,000/月，年化 ¥84,000 → LLM 补充成本消化策略 + 薪酬结构调整建议
8 大国家规划覆盖
| 规划 | 周期 | HR 影响维度 | 紧迫度 |
|---|---|---|---|
| 十四五规划 | 2021-2025 | 薪酬分配 / 社保改革 / 人才强国 | 当前已落地 |
| 十五五规划 | 2026-2030 | 新质生产力 / 人口高质量 / 数字经济 / 绿色转型 | 90/100 |
| 人才强国战略 | 中长期 | 人才高地 / 破除四唯 / 国际竞争 | 持续 |
| 数字经济发展规划 | 十四五 | 数字人才缺口 2500 万 / AI 替代 | 高 |
| 人工智能发展规划 | 中长期 | 岗位替代 / AI 人才争夺 / AI 伦理 | 高 |
| 就业促进规划 | 十四五 | 高校就业 / 职业培训 / 灵活用工 | 中 |
| 健康中国 2030 | 2016-2030 | 职业健康 / 心理健康 / 工时治理 | 中 |
| 共同富裕行动纲要 | 中长期 | 提低扩中限高 / 分配制度改革 | 高 |
数据库规模
| 数据表 | 记录数 | 覆盖范围 |
|---|---|---|
| policy_categories | 12 条 | 劳动合同→国家规划，完整体系 |
| policies | 28 条 | 核心法律法规（可扩展至 200+） |
| city_policies | 47 城 | 一线 4 + 新一线 15 + 二线 20 + 三线 8 |
| industry_regulations | 21 条 | 制造/互联网/金融/建筑/医疗/教育等 15+ 行业 |
| national_plans | 8 条 | 十四五/十五五/人才/数字经济/AI/就业/健康中国/共同富裕 |
| impact_params | 29 条 | 社保费率/个税参数/补偿标准/加班倍率 |
法律合规声明
- 本技能提供政策法规信息的检索、整理和初步解读，供 HR 从业人员参考
- 不构成法律意见：具体法律判断和决策请咨询专业劳动法律师
- 数据来源：国家法律法规数据库（flk.npc.gov.cn）、人社部官网（www.mohrss.gov.cn）、国家税务总局（www.chinatax.gov.cn）、各地人社局/公积金中心官网
- 数据库中的政策数据为 2025-2026 年度参考值，实际使用时请通过引擎查询最新数据
- 政策信息可能存在更新滞后，建议定期执行
python scripts/hr_policy_db.py --seed刷新数据
技能文件结构
mayi-hr-policy-advisor/
├── SKILL.md # 本文件
├── scripts/
│ ├── hr_policy_db.py # SQLite 数据库引擎 (50KB+)
│ │ ├── 数据库模式创建
│ │ ├── 种子数据（12类/47城/21行业/8规划）
│ │ ├── 中文友好搜索（3层降级策略）
│ │ ├── 城市对比/分类浏览/行业查询
│ │ └── CLI 接口
│ └── hr_policy_engine.py # Python 分析引擎 (30KB+)
│ ├── 政策智能检索
│ ├── 50城7维对比
│ ├── 合规审查清单生成
│ ├── 4场景影响测算
│ ├── 8规划关联分析+紧迫度评分
│ ├── 4种LLM上下文构建
│ └── CLI + Demo 模式
└── references/
├── policy_framework.md # 法律法规体系框架
├── city_policy_matrix.md # 50城政策矩阵手册
├── national_plan_summary.md # 国家十年规划解读
└── compliance_workflow.md # 合规审查标准流程快速开始
1. 初始化数据库
cd scripts
python hr_policy_db.py --seed输出：28条法规 | 12分类 | 47城市 | 15行业 | 8规划
2. 运行演示
python hr_policy_engine.py --demo输出完整的 6 模块演示：搜索 → 城市对比 → 合规审查 → 影响测算 → 规划分析 → LLM上下文
3. 政策检索
python hr_policy_engine.py --search "经济补偿" --city "杭州"4. 城市对比
python hr_policy_engine.py --compare 北京 深圳 成都 杭州5. 合规审查
python hr_policy_engine.py --compliance6. 影响测算
python hr_policy_engine.py --impact min_wage_change --city "杭州"7. 规划分析
python hr_policy_engine.py --plan "十五五"8. 生成 LLM 上下文
python hr_policy_engine.py --llm-context qa
python hr_policy_engine.py --llm-context plain_language
python hr_policy_engine.py --llm-context action_plan
python hr_policy_engine.py --llm-context trendLLM 集成说明
本技能引擎的 prepare_llm_context() 方法输出结构化的 LLM 上下文，包含：
- system_prompt：角色设定 + 回答原则 + 格式要求 + 禁止事项
- user_prompt：具体问题 + 搜索到的相关法规引用 + 城市政策数据 + 回答结构指示
- references：引用法规列表（含法律名称、条款号、摘要）
- structured_data：结构化参数（城市、行业、企业信息等）
使用时，将 system_prompt 和 user_prompt 分别传入 LLM 的 System 和 User 消息，即可获得高质量的结构化政策解读。
4 种 Prompt 模板覆盖：
- qa — 普法问答：精准引用法条
- plain_language — 政策白话：把法律条文翻译成通俗语言
- action_plan — 合规行动方案：可执行的整改清单+预算
- trend — 趋势研判：确定性趋势 + 可能性情景 + 黑天鹅风险
Skill 创建日期：2026-07-28 · 版本：v1.0 · 所属团队：蚂蚁工资条
