单兵作战到AI军团：12个HR智能体实战手记
你有没有设想过，一个人的力量就能撑起整个HR部门？不是靠熬夜加班，不是靠堆砌工具，而是凭借一支AI智能体团队。
2026年Josh Bersin提出HR 2030愿景框架，全球79%的企业已启动AI Agent部署——信号很清晰：HR不会消亡，但不懂AI的HR将会被淘汰。
过去两个月，我在Claw平台上做了一件事：从零构建、逐个打磨、最终整合了一支由12位HR专家Agent组成的智能团队。涵盖招聘筛选、绩效面谈、组织诊断、合规审查，每个Agent都是独立的专业模块，同时受一个"HR运营指挥官"统一调度。
今天把完整过程拆解给你看。不讲空洞理论，只讲实操步骤。
从孤军奋战到Agent军团：HR COE的数字化转型之路
做HR 最头疼的是什么？不是缺方法，是方法太多执行不过来。今天要出招聘方案，明天要做绩效面谈，后天还有组织诊断报告——每件事都需要专业度，但你的时间只有24小时。
我最初在Claw上创建Skill，出发点很单纯：把重复性的专业工作交给AI，自己只做判断和决策。
第一个Skill是HR招聘官。原因很实际——校招季一来几百份简历，人工筛选根本没法保证质量。我将T型人才理论、主动性优先评估、结构化面试这些方法论全部编码进Skill，让AI按9个维度评分，输出排序和面试题目。
结果如何？Darwin评分92.6分——12个HR官里最高的。不是因为它最复杂，而是因为招聘场景最明确、评估标准最清晰，AI"理解"得最到位。
尝到甜头后，我开始逐一创建：
HR招聘官（92.6分）→ 简历9维评分+面试出题
HR策划官（91.15分）→ 培训/团建/年会方案一键生成
HR资讯官（91.15分）→ AI早报/HR早报/深度追踪/行业速览/专题调研
HR学习官（91.15分）→ CLO九大增值策略+知识卡片+培训ROI
HR运营官（89.5分）→ 编排指挥官，调度12官+7工作流
HR测评官（89.3分）→ 测评基础设施，为其他官供量表
HR组织官（89.2分）→ V模型+四类十大系统诊断
HR数据官（88.5分）→ 量化管理+三大报表+数据驱动决策
HR教练官（88.1分）→ GROW+ORACLE+50工具教练陪练
HR人才官（85分）→ 差距缩小器+5B策略+领导力5阶段
HR绩效官（82.5分）→ KPI/BSC/OKR决策树+六步循环
HR合规官（80.5分）→ 103项用工风险+劳动合同审查
12个Agent，平均分88。从0到12，用了大约60天，日均消耗超过1亿Token。
三大核心官架构：招聘官·运营官·资讯官
招聘官是我建的第一把利刃，也是打磨最狠的。核心模型是T型人才理论+主动性优先+结构化评估。
一份简历进来，AI不是简单看关键词匹配，而是沿9个维度独立评分：专业深度、跨界广度、主动性信号（最关键维度），另外6个维度：空窗期分析、团队平衡、使命认同、沟通表达、抗压韧性、Bar Raiser审查。
9维打完，不是简单加权平均，而是主动性信号享有否决权——主动性低于阈值的候选人，即使其他维度全优也亮红灯。
筛完简历还自动生成面试题——不是泛泛的"你觉得自己的优缺点是什么"，而是针对每个维度的薄弱点精准追问。92.6分就是这么来的：场景越具体，AI越精准。
12个Agent能各自干活，不代表能协同作战。HR运营官就是解决这个问题的——它不自己做事，它调度其他11个官做事。
核心架构：7大工作流+9个检查点+2个辅助工具。WF1招聘全流程→WF2绩效评估周期→WF3组织规划→WF4人员分析报告→WF5政策咨询→WF6培训体系与学习发展→WF7 HR资讯与行业洞察。
最关键的设计是检查点机制。不是AI一口气跑到底，而是每个关键节点必须通过质量门禁——比如招聘流程中，简历筛完不直接出面试题，而是先让用户确认候选人排序，再进入下一环节。AI可以辅助决策，但不能替代判断。
HR资讯官最初只有2个模式——AI早报和HR早报。重构后进化为5模式引擎：AI早报→HR早报→深度追踪→行业速览→专题调研。
重构的核心逻辑是信息分级处理：早报解决"知道"，深度追踪解决"理解"，行业速览解决"判断"，专题调研解决"决策"。融合了hot-topic-tracker、industry-research、multi-level-research三个通用技能后，Darwin评分从77.6直接跳到91.15，提升了13.6分。
多轮迭代攀升：从76.3到92.6的Hill-Climbing路径
我的优化方法论叫"达尔文hill-climbing"——每轮只做一件事，改完必须比改前好，否则回滚。
Darwin Skill用8个维度100分制评估：结构完整性、触发精准度、工作流清晰度、指令具体性、模板实用性、边界的清晰性、安全合规、可维护性。
拿HR学习官举例，初始版本78.1分，3轮优化后到91.15分。但HR人才官做了9轮从76.3到约85分，后期出现±2分评估波动——因为子Agent的评估标准不完全一致。
三层融合架构：测评基础设施→跨技能路由→工作流编排
融合的设计分三层：
第一层测评基础设施——HR测评官为其他所有官提供标准化量表；
第二层跨技能路由——先用差距缩小器快判根因，再路由到正确的官；
第三层工作流编排——HR运营官作为总调度，7大工作流覆盖员工全生命周期。
举个例子：公司要做年度绩效方案。传统做法是HR从头做到尾，精疲力竭。Agent团队做法：运营官接收需求→判断进入WF2→调度绩效官设计考核方案→测评官校准→教练官设计辅导流程→合规官审查劳动风险→每步都有检查点确认。
不是AI替代你做绩效，而是AI把80%的标准化工作做完，你专注在20%的判断和人际交互上。
7本HR专业著作构筑的方法论底座
这些Skill不是空转的壳。每一个背后都有实打实的方法论支撑：
《人才数据分析指南》→HR数据官的量化底座
《人力资源与大数据分析》→数据storytelling框架
《首席组织官》→HR组织官的V模型
《首席人才官》→HR人才官的差距缩小器
《首席学习官》→HR学习官的CLO九大增值策略
《ATD学习发展指南》→TD差距缩小器+721修正
《绩效薪酬四书》→HR绩效官的六步循环+345薪酬
读书不是目的，把书的逻辑变成AI的执行逻辑，才是目的。
人机协同：AI处理70%标准化工作，人专注30%判断与创造
回到开头那个问题——一个人能不能撑起一整个HR部门？
答案是：一个人+12个AI Agent，能覆盖HR 70%以上的标准化工作。剩余30%——战略对齐、组织政治、人际敏感度——是AI做不了的，恰恰也是HR最具不可替代性的部分。
所以关键不是AI多强，而是你能不能把方法论变成AI能执行的逻辑。
Josh Bersin说HR 2030的核心是Systemic HR——用系统替代事务，把人释放到真正的判断和创造中去。
12个Agent不是终点，是起点。下一个目标：让运营官学会跨工作流混合执行。路还长，但方向应该对了。
一石兴潮 | HR×AI实践，用专业方法+AI执行重新定义人力资源