Files

T

admin 829df0c9aa docs: add B5 employee four-metric profile to backlog

训练时长/贡献度/测评分/AI等级四指标映射到 TechSpec M6 既有 P1
排期:贡献度复用 incentive_point+审核链计分,AI等级用 cert_rule
组合三指标,展示面落 mobile profile 接口;标注挂钩绩效须过闸门。

2026-07-03 17:00:32 +08:00

6.4 KiB

Raw Blame History

Backlog

需求池:2026-07-03 甲方反馈四项

来源:甲方微信反馈(2026-07-03)。均不进 2026-07-05 一期 Demo(守 MVP 切割线),按下方优先级顺序排入 Demo 后迭代。依据:物业AI人力资源系统业务需求文档BRD.md(D1 数据权限、4.3.4 案例视频、G6 成本闸门)、物业AI人力资源系统开发规格TechSpec.md(5 数据表、6.2 persona_json、/api/ai/tts 契约)。

B1. 层级数据权限 + 人资运营者角色(优先级 1,成本最低)

需求:按所管人层级看到不同项目人数;人资部门作为"运营者"负责整理资料、出题、每日收集训练结果、考评。

组织快照映射进 sys_dept(本地只存 ext_party_id,BRD 4.6),数据权限以「项目」为范围主体(D1),用若依 @DataPermission 过滤,"不同项目人数"即权限过滤后的聚合报表。
新建 hr_operator 角色,菜单挂既有/规划中后台能力:
- 资料整理:SOP/案例管理(AihrSopController / AihrCaseController,已有)
- 出题:practice_scenario 场景/人设/rubric 管理(TechSpec 第 5 章)
- 考评:评分复核,基于评分缓存 practice_score
净新增工作量:「每日训练结果」按日聚合报表一张页面(practice_session 聚合,TechSpec M10 驾驶舱子集);其余为角色/菜单/数据权限配置。

B2. AI 面试官/客户人设:分岗位形象 + 多语气声(优先级 2,对练体验提升最大)

需求:AI 员工分岗位等级面试官形象;模拟多种语气声——老太说话慢、带方言、吵架、求救听不清。

复用三角色对练人设机制,不新建架构:面试官 = 另一组 practice_scenario.persona_json(TechSpec 6.2),按岗位等级(管家/主管/项目经理)建多条,新增字段:
- avatar_url:岗位形象头像,由 B3 文生图生成
- voice_profile:{ voice_id, speed, emotion, pitch, dialect }
TTS 契约扩展:POST /api/ai/tts 的 voice 参数扩成 voice_profile。以 MiniMax speech-2.8-hd 为参照:
- 老太慢速 → 老年音色(如 Chinese (Mandarin)_Gentle_Senior)+ speed: 0.7
- 方言 → 粤语/川话预置音色,或语音克隆接口用 ~15s 真实录音复刻(方言 TTS 本来就在一期集成清单第 4 项)
- 吵架 → emotion: angry + speed: 1.2
- 求救听不清 → TTS 出 emotion: sad/fearful 底音 + ffmpeg 后期加噪/压音量/断续("信道劣化"无现成 API,后期处理最可控)

B3. AI 一键生成场景培训图片(优先级 3)

需求:培训场景配图一键生成。

供应商:SiliconFlow 已接入(embedding 同 key 可用 Kolors/FLUX 文生图),或 MiniMax POST /v1/image_generation。
落地:ruoyi-aihr 新增 AihrMediaService + 异步生成任务表(生成慢,禁止同步等待);生成结果必须下载转存自有 OSS(MiniMax 返回 URL 仅 24h 有效)。
前端:场景/SOP 编辑页加"一键生成配图"按钮,SOP 要点自动拼 prompt。
受 G6 约束:图片调用计入月度成本上限。

B4. AI 一键生成培训视频(优先级 4,二期)

需求:一键生成培训视频;选定视频接口供应商。

维持 BRD 既定决策:一期视频用预渲染样片(4.3.4),真接口二期;调用量受 G6 成本闸门约束。
形态分层,先便宜后昂贵:
1. 图文转视频(首选落地):B3 图片 + TTS 配音 + 字幕,ffmpeg 合成,成本近零
2. 数字人口播(案例讲解视频主力):腾讯智影 / 百度曦灵 / 硅基智能,按分钟计费,比文生视频便宜一个量级
3. 文生视频(片头/场景氛围镜头):可灵 Kling / 火山即梦 Seedance / MiniMax 海螺 / 通义万相
选型倾向:二期先只接 MiniMax 一家打通(LLM + TTS + 文生图 + 视频一个 key 一套鉴权,对 2 人团队集成量最小,且同时覆盖 B2 语气声);视频质量不满意再单换可灵/即梦——全部封装在自有 provider 抽象后(参照 siliconflow embedding provider 先例)。

B5. 员工四维画像:训练时长 / 贡献度 / 测评分 / AI 等级

需求(甲方 2026-07-03 补充):每个员工要有训练时长、贡献度、测评分、AI 等级。贡献度 = 为平台提供的有效案例/资源等;AI 等级 = 系统对其的等级评定。

约九成落在 TechSpec M6 能力/认证/激励(P1) 既有排期内,不新建平行体系:

指标	承载	缺口
训练时长	`practice_session.started_at`、`course_enrollment`(P1)	session 补 `duration_seconds` 字段 + 按人/按期聚合
贡献度	`incentive_point`(P1,自带 `source`)+ BRD 4.7 审核链	贡献计分规则(见下)
测评分	两层已设计:单场 `practice_session.total_score`(4维)+ 跨期 `competency_assessment`(BRD 4.5 五维加权 40/25/20/10/5)	无;两层勿混成一个数
AI 等级	`certification` / `cert_rule`(初/中/高,`condition_json` 规则引擎,P1)	只需写等级条件规则

设计要点:

贡献度 = 积分体系的一个来源:员工提交案例 → review_task 专家终审通过 → incentive_point 记 source='case_contribution' 积分并署名入库(BRD 4.7 已定);贡献度即该来源积分累计,可按案例被引用/选入训练营加权。审核、署名、积分共用一条流水,不加表。
AI 等级 = cert_rule 组合另外三个指标:condition_json 示例 {训练时长≥20h, 画像总分≥75, 贡献积分≥100} → 中级。遵守 BRD"一期建规则,挂钩推迟"——等级可上线,挂钩晋升/绩效须过生产前闸门(AI 分挂钩绩效公平性/申诉、员工接受度 G4)。
展示面已有落点:移动端 GET /api/aihr/mobile/profile(能力画像)聚合四指标(雷达图+时长+贡献积分+等级);管理端对应规划中的 /competency/radar、/competency/cert。

净新增工作量:① session 时长字段+聚合;② 审核通过→积分的贡献计分服务逻辑;③ profile 接口拼装四指标。其余为 M6 既有 P1 表和页面。

Future Enhancements

Model Classification Version Governance

Current behavior:

Same document fingerprint reuses existing category, summary, and tags.
Model classification uses temperature=0 to reduce drift.

Add later when model upgrades need governance:

Record provider, model name, prompt version, and analysis time.
Preview batch reclassification after model changes.
Show before/after category and tag diffs.
Require admin confirmation before overwriting historical metadata.
Keep an audit trail of prior classification versions.

6.4 KiB Raw Blame History