{"id":"ff4d552a-f75a-4dfc-8bac-99e993f680d6","entityType":"agent","slug":"clawhub-tuobadaidai-diting-compensation-expert","name":"Diting Compensation Expert","canonicalUrl":"https://www.xpersona.co/agent/clawhub-tuobadaidai-diting-compensation-expert","canonicalPath":"/agent/clawhub-tuobadaidai-diting-compensation-expert","generatedAt":"2026-10-10T17:35:52.054Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":null},"description":"谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Skill: Diting Compensation Expert Owner: tuobadaidai Summary: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Tags: benchmarking:2.0.0, compensation:2.1.0, hr:2.1.0, latest:2.1.2, milkovich:2.1.0, salary:2.0.0, science-of-sharing:2.1.0 Version history: v2.1.2 | 2026-07-24T09:17:21.688Z | user Restore from backup - DiTing compensation ex","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.4K downloads reported by the source. Last updated 10/10/2026.","installCommand":"clawhub skill install s171s30jbmhtrc2kxbr4hxmyn583gsk3:diting-compensation-expert","sourceUrl":"https://clawhub.ai/tuobadaidai/diting-compensation-expert","homepage":"https://clawhub.ai/tuobadaidai/skills/diting-compensation-expert","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/tuobadaidai/diting-compensation-expert","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/tuobadaidai/skills/diting-compensation-expert","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":63,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Skill: Diting Compensation Exp"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":null},"stars":null,"forks":null,"downloads":1366,"packageName":null,"latestVersion":"2.1.2","tractionLabel":"1.4K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":null},"lastUpdatedAt":"2026-10-10T15:13:05.035Z","lastCrawledAt":"2026-10-10T15:13:05.035Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-11T15:13:05.035Z","lastVerifiedAt":null,"highlights":[{"version":"2.1.2","createdAt":"2026-07-24T09:17:21.688Z","changelog":"Restore from backup - DiTing compensation expert","fileCount":6,"zipByteSize":11311},{"version":"2.1.1","createdAt":"2026-06-02T15:18:41.220Z","changelog":"新增独立调用降级策略（未通过Chief调度时的降级方案）","fileCount":6,"zipByteSize":11469},{"version":"2.1.0","createdAt":"2026-05-18T07:52:03.574Z","changelog":"diting-compensation-expert v2.1.0 - 新增《经典书籍精华》部分，提炼《科学分钱》（华为分钱逻辑）、《薪酬管理》（Milkovich）、Adams公平理论等核心理论精华 - 增加 references/classic-books.md 参考文件，补充经典薪酬管理资源 - 扩展“参考资源”章节，集中列出关键知识库文件 - 其他内容与结构优化，提升实操性和理论支撑","fileCount":6,"zipByteSize":11126},{"version":"2.0.0","createdAt":"2026-05-18T07:07:40.742Z","changelog":"No changes detected between version 1.0.0 and 2.0.0; content remains the same. - No updates, enhancements, or bug fixes in this release. - Documentation and feature set unchanged from previous version.","fileCount":4,"zipByteSize":7559},{"version":"1.0.0","createdAt":"2026-05-18T04:44:32.465Z","changelog":"Initial release of “谛听薪酬专家” skill. - Provides structured analysis and solution suggestions for compensation benchmarking, pay adjustment design, pay equity, pay structure, market positioning, and bandwidth design. - Includes clear applicability boundaries, redirecting non-compensation HR topics to appropriate expert modules. - Offers scenario-based frameworks and templates for benchmarking, adjustment, equity, structure, and competitiveness analysis. - Integrates with domain tools: data templates, calculation scripts, and data-handling strategies. - Contains guidance for issue scoping, risk reminders, and calibration for analysis depth depending on problem complexity. - Stipulates workflow and handoff conventions with Chief; not for direct end-user output.","fileCount":4,"zipByteSize":7560}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s171s30jbmhtrc2kxbr4hxmyn583gsk3:diting-compensation-expert","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-10T17:35:52.053Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-tuobadaidai-diting-compensation-expert/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":null},"readme":"Skill: Diting Compensation Expert\n\nOwner: tuobadaidai\n\nSummary: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\n\nTags: benchmarking:2.0.0, compensation:2.1.0, hr:2.1.0, latest:2.1.2, milkovich:2.1.0, salary:2.0.0, science-of-sharing:2.1.0\n\nVersion history:\n\nv2.1.2 | 2026-07-24T09:17:21.688Z | user\n\nRestore from backup - DiTing compensation expert\n\nv2.1.1 | 2026-06-02T15:18:41.220Z | user\n\n新增独立调用降级策略（未通过Chief调度时的降级方案）\n\nv2.1.0 | 2026-05-18T07:52:03.574Z | auto\n\nditing-compensation-expert v2.1.0\n\n- 新增《经典书籍精华》部分，提炼《科学分钱》（华为分钱逻辑）、《薪酬管理》（Milkovich）、Adams公平理论等核心理论精华\n- 增加 references/classic-books.md 参考文件，补充经典薪酬管理资源\n- 扩展“参考资源”章节，集中列出关键知识库文件\n- 其他内容与结构优化，提升实操性和理论支撑\n\nv2.0.0 | 2026-05-18T07:07:40.742Z | auto\n\nNo changes detected between version 1.0.0 and 2.0.0; content remains the same.  \n- No updates, enhancements, or bug fixes in this release.\n- Documentation and feature set unchanged from previous version.\n\nv1.0.0 | 2026-05-18T04:44:32.465Z | auto\n\nInitial release of “谛听薪酬专家” skill.\n\n- Provides structured analysis and solution suggestions for compensation benchmarking, pay adjustment design, pay equity, pay structure, market positioning, and bandwidth design.\n- Includes clear applicability boundaries, redirecting non-compensation HR topics to appropriate expert modules.\n- Offers scenario-based frameworks and templates for benchmarking, adjustment, equity, structure, and competitiveness analysis.\n- Integrates with domain tools: data templates, calculation scripts, and data-handling strategies.\n- Contains guidance for issue scoping, risk reminders, and calibration for analysis depth depending on problem complexity.\n- Stipulates workflow and handoff conventions with Chief; not for direct end-user output.\n\nArchive index:\n\nArchive v2.1.2: 6 files, 11311 bytes\n\nFiles: _meta.json (145b), references/classic-books.md (3370b), references/output-templates.md (4517b), references/tools.md (3560b), skill-card.md (2601b), SKILL.md (8822b)\n\nFile v2.1.2:SKILL.md\n\n---\nname: diting-compensation-expert\nversion: 2.1.1\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n### 经典书籍精华\n\n> 📄 《科学分钱》（华为分钱逻辑）+《薪酬管理》（Milkovich 薪酬设计圣经）详见 `references/classic-books.md`\n\n核心注入：\n- 华为价值分配三原则：以奋斗者为本 / 不让雷锋吃亏 / 熵减机制\n- Milkovich 薪酬战略三维度：内部一致性 + 外部竞争力 + 员工贡献\n- Adams 公平理论：员工判断薪酬公平的心理机制\n\n## 参考资源\n\n| 资源 | 内容 |\n|------|------|\n| [output-templates.md](references/output-templates.md) | 五个场景的标准输出模板 |\n| [tools.md](references/tools.md) | CSV模板 · Python计算函数 · 数据缺失处理策略 |\n| [classic-books.md](references/classic-books.md) | 科学分钱(华为) · Milkovich薪酬三维度 · Adams公平理论 |\n\n## 补充说明\n\n### 数据缺失兜底方案\n\n| 缺失类型 | 处理方案 |\n|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算，标注来源/年份 |\n| 内部薪酬 | 请用户提供样本 → 外部推算，标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案或假设全员达标 |\n| 岗位评估 | 使用市场常见岗位映射，需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算，仅分析现金薪酬 |\n\n### 常见陷阱（Top 5）\n\n- **陷阱 1：对标数据过时** — 用2年前报告对标，市场已大变。必须标注数据年份，超1年需打折扣。\n- **陷阱 2：薪酬与绩效脱钩** — 调薪不考虑绩效导致\"大锅饭\"。必须将绩效纳入调薪决策。\n- **陷阱 3：忽视薪酬倒挂** — 新员工薪酬高于老员工，打击士气。招聘时必须考虑内部平衡。\n- **陷阱 4：只看薪酬不看总包** — 仅比较基本工资，忽略奖金/福利/股权。应使用 Total Rewards 视角。\n- **陷阱 5：宽带薪酬误用** — 无能力评价体系就推行宽带薪酬导致失控。需配套能力评估机制。\n\n### 与谛听 Chief 交互约定\n\n- 先确认问题范围和期望输出格式\n- 按复杂度调整分析深度：\n  - **A 级**：快速判断，方向性建议\n  - **B 级**：标准分析，完整框架 + 核心数据\n  - **S 级**：深度分析，详细测算 + 多方案对比 + 实施路径\n- 超出薪酬范畴时，明确标注\"建议转 XX 专家\"\n- 不直接输出给用户，输出给 Chief 由其综合\n- 涉及敏感数据时，建议 Chief 提醒用户注意保密\n- 需要补充数据时，列出\"数据需求清单\"交给 Chief\n\n---\n\n*本 Skill 版本 v2.1.0。官方发布后请通过 `clawhub install diting-compensation-expert` 更新。*\n\n### 独立调用降级策略\n若未经谛听 Chief 调度而直接被用户调用，先界定薪酬问题范围，再按最近场景执行。分析深度降级为精简版，并在开头标注\"⚠️ 非 Chief 调度模式，分析深度受限\"。涉及薪酬公平性/对标等敏感分析时，输出默认标记\"[仅供管理层参考]\"。\n\nFile v2.1.2:_meta.json\n\n{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"2.1.2\",\n  \"publishedAt\": 1784884641688\n}\n\nFile v2.1.2:references/classic-books.md\n\n# 薪酬专家 — 经典书籍精华注入\n\n> 本文件包含薪酬专家领域经典书籍的核心框架，用于增强分析深度。\n\n---\n\n## 📚 《科学分钱》（黄卫伟 · 华为薪酬体系方法论）\n\n### 核心逻辑：价值创造的分配闭环\n\n**华为分钱三原则**：\n\n1. **以奋斗者为本**：不是平均主义，不是按资排辈，而是按贡献和价值创造分配\n2. **不让雷锋吃亏**：高绩效者必须获得超额回报，否则\"雷锋\"会变成\"老油条\"\n3. **熵减机制**：分钱不是静态的，必须持续调整，防止利益板结\n\n### 华为薪酬体系架构\n\n```\n价值创造 → 价值评价 → 价值分配\n\n价值创造：\n  ├── 个人绩效（结果贡献）\n  ├── 团队绩效（协作贡献）\n  └── 组织绩效（战略贡献）\n\n价值评价：\n  ├── 绩效评级（A/B+/B/C/D）\n  ├── 能力等级（任职资格体系）\n  └── 潜力评估（继任规划）\n\n价值分配：\n  ├── 短期：工资 + 奖金 + 福利\n  ├── 中期：项目奖金 + 专项激励\n  └── 长期：虚拟受限股 + TUP（时间单位计划）\n```\n\n### 可注入方法论\n\n| 场景 | 华为方法 | 应用场景 |\n|------|---------|---------|\n| 调薪分配 | 奖金包与利润挂钩，部门奖金包 = 部门贡献 × 奖金系数 | 部门间奖金分配 |\n| 薪酬差距 | 同级最大差距可达 2-3 倍（按绩效拉开） | 内部公平 vs 激励平衡 |\n| 长期激励 | 虚拟受限股（ESOP）覆盖 80%+ 员工 | 核心人才保留 |\n| 绩效薪酬联动 | 连续 A 级员工调薪幅度是 B 级的 2-3 倍 | 调薪矩阵设计 |\n\n---\n\n## 📚 《薪酬管理》（George T. Milkovich · 薪酬设计圣经）\n\n### 核心框架：薪酬战略三维度\n\n```\n薪酬战略 = 内部一致性 + 外部竞争力 + 员工贡献\n\n内部一致性（Internal Alignment）：\n  ├── 岗位价值评估（IPE/Hay/自定义）\n  ├── 薪酬等级设计\n  └── 内部公平性\n\n外部竞争力（External Competitiveness）：\n  ├── 市场定位（P25/P50/P75/P90）\n  ├── 薪酬调查\n  └── 薪酬政策线\n\n员工贡献（Employee Contributions）：\n  ├── 绩效薪酬\n  ├── 认可与激励\n  └── 利润分享\n```\n\n### 薪酬设计决策矩阵\n\n| 决策维度 | 领先策略 | 匹配策略 | 滞后策略 |\n|---------|---------|---------|---------|\n| 基本薪酬 | P75以上 | P50 | P25以下 |\n| 绩效奖金 | 高额浮动 | 标准浮动 | 低浮动 |\n| 长期激励 | 广泛覆盖 | 核心层覆盖 | 仅高管 |\n| 福利 | 全面福利包 | 标准福利 | 最低法定 |\n\n**适用场景**：\n- 领先策略：人才稀缺岗位、核心竞争力岗位\n- 匹配策略：通用岗位、市场供给充足的岗位\n- 滞后策略：可替代性高的岗位（但风险高）\n\n### 薪酬公平理论（Adams Equity Theory）\n\n员工判断薪酬是否公平的依据：\n```\n我的产出/投入 vs 他人的产出/投入\n\n如果相等 → 公平感 → 维持当前投入\n如果不等 → 不公平感 → 调整行为（降低投入/要求加薪/离职）\n```\n\n**管理启示**：\n- 薪酬透明度越高，员工越容易做比较 → 必须有充分的沟通\n- 内部公平性比外部竞争力更容易引发不满\n- \"薪酬保密\"不能解决公平问题，只能延后爆发\n\n---\n\n*本文件版本 v1.0.0*\n\nFile v2.1.2:references/output-templates.md\n\n# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\nFile v2.1.2:references/tools.md\n\n# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |\n\nFile v2.1.2:skill-card.md\n\n## Description:\n\nA Chinese-language compensation analysis skill for salary benchmarking, raise planning, pay equity analysis, compensation structure design, market percentile analysis, salary band design, and compensation competitiveness assessment.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[tuobadaidai](https://clawhub.ai/user/tuobadaidai)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nHR and compensation practitioners use this skill to produce structured compensation analyses, including market benchmarking, raise allocation, internal pay equity review, and compensation structure recommendations. It is designed for Chief-mediated specialist use and can fall back to scoped direct use when called independently.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill is expected to handle sensitive HR salary and employee compensation data.\n\nMitigation: Provide only necessary fields, anonymize employee identifiers where possible, and treat compensation inputs and outputs as confidential.\n\nRisk: Compensation recommendations can be misleading if market data, internal salary records, performance data, or job matching inputs are stale or incomplete.\n\nMitigation: Require users to label data sources, sample sizes, years, assumptions, and confidence levels before relying on recommendations.\n\nRisk: The skill primarily produces Chinese-language compensation analysis, which may not match every user's preferred output language.\n\nMitigation: Confirm the desired output language when users do not want Chinese responses.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/tuobadaidai/skills/diting-compensation-expert)\n- [Output templates](references/output-templates.md)\n- [Compensation analysis tools](references/tools.md)\n- [Classic compensation books](references/classic-books.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, code, guidance]\n\n**Output Format:** [Markdown reports, tables, checklists, and occasional Python calculation snippets]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Chinese-language compensation analysis with conclusions, risk notes, confidence statements, and data-source caveats]\n\n## Skill Version(s):\n\n2.1.2 (source: server release metadata; artifact frontmatter reports 2.1.1)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v2.1.1: 6 files, 11469 bytes\n\nFiles: _meta.json (145b), references/classic-books.md (3370b), references/output-templates.md (4517b), references/tools.md (3560b), skill-card.md (2827b), SKILL.md (8822b)\n\nFile v2.1.1:SKILL.md\n\n---\nname: diting-compensation-expert\nversion: 2.1.1\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n### 经典书籍精华\n\n> 📄 《科学分钱》（华为分钱逻辑）+《薪酬管理》（Milkovich 薪酬设计圣经）详见 `references/classic-books.md`\n\n核心注入：\n- 华为价值分配三原则：以奋斗者为本 / 不让雷锋吃亏 / 熵减机制\n- Milkovich 薪酬战略三维度：内部一致性 + 外部竞争力 + 员工贡献\n- Adams 公平理论：员工判断薪酬公平的心理机制\n\n## 参考资源\n\n| 资源 | 内容 |\n|------|------|\n| [output-templates.md](references/output-templates.md) | 五个场景的标准输出模板 |\n| [tools.md](references/tools.md) | CSV模板 · Python计算函数 · 数据缺失处理策略 |\n| [classic-books.md](references/classic-books.md) | 科学分钱(华为) · Milkovich薪酬三维度 · Adams公平理论 |\n\n## 补充说明\n\n### 数据缺失兜底方案\n\n| 缺失类型 | 处理方案 |\n|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算，标注来源/年份 |\n| 内部薪酬 | 请用户提供样本 → 外部推算，标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案或假设全员达标 |\n| 岗位评估 | 使用市场常见岗位映射，需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算，仅分析现金薪酬 |\n\n### 常见陷阱（Top 5）\n\n- **陷阱 1：对标数据过时** — 用2年前报告对标，市场已大变。必须标注数据年份，超1年需打折扣。\n- **陷阱 2：薪酬与绩效脱钩** — 调薪不考虑绩效导致\"大锅饭\"。必须将绩效纳入调薪决策。\n- **陷阱 3：忽视薪酬倒挂** — 新员工薪酬高于老员工，打击士气。招聘时必须考虑内部平衡。\n- **陷阱 4：只看薪酬不看总包** — 仅比较基本工资，忽略奖金/福利/股权。应使用 Total Rewards 视角。\n- **陷阱 5：宽带薪酬误用** — 无能力评价体系就推行宽带薪酬导致失控。需配套能力评估机制。\n\n### 与谛听 Chief 交互约定\n\n- 先确认问题范围和期望输出格式\n- 按复杂度调整分析深度：\n  - **A 级**：快速判断，方向性建议\n  - **B 级**：标准分析，完整框架 + 核心数据\n  - **S 级**：深度分析，详细测算 + 多方案对比 + 实施路径\n- 超出薪酬范畴时，明确标注\"建议转 XX 专家\"\n- 不直接输出给用户，输出给 Chief 由其综合\n- 涉及敏感数据时，建议 Chief 提醒用户注意保密\n- 需要补充数据时，列出\"数据需求清单\"交给 Chief\n\n---\n\n*本 Skill 版本 v2.1.0。官方发布后请通过 `clawhub install diting-compensation-expert` 更新。*\n\n### 独立调用降级策略\n若未经谛听 Chief 调度而直接被用户调用，先界定薪酬问题范围，再按最近场景执行。分析深度降级为精简版，并在开头标注\"⚠️ 非 Chief 调度模式，分析深度受限\"。涉及薪酬公平性/对标等敏感分析时，输出默认标记\"[仅供管理层参考]\"。\n\nFile v2.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"2.1.1\",\n  \"publishedAt\": 1780413521220\n}\n\nFile v2.1.1:references/classic-books.md\n\n# 薪酬专家 — 经典书籍精华注入\n\n> 本文件包含薪酬专家领域经典书籍的核心框架，用于增强分析深度。\n\n---\n\n## 📚 《科学分钱》（黄卫伟 · 华为薪酬体系方法论）\n\n### 核心逻辑：价值创造的分配闭环\n\n**华为分钱三原则**：\n\n1. **以奋斗者为本**：不是平均主义，不是按资排辈，而是按贡献和价值创造分配\n2. **不让雷锋吃亏**：高绩效者必须获得超额回报，否则\"雷锋\"会变成\"老油条\"\n3. **熵减机制**：分钱不是静态的，必须持续调整，防止利益板结\n\n### 华为薪酬体系架构\n\n```\n价值创造 → 价值评价 → 价值分配\n\n价值创造：\n  ├── 个人绩效（结果贡献）\n  ├── 团队绩效（协作贡献）\n  └── 组织绩效（战略贡献）\n\n价值评价：\n  ├── 绩效评级（A/B+/B/C/D）\n  ├── 能力等级（任职资格体系）\n  └── 潜力评估（继任规划）\n\n价值分配：\n  ├── 短期：工资 + 奖金 + 福利\n  ├── 中期：项目奖金 + 专项激励\n  └── 长期：虚拟受限股 + TUP（时间单位计划）\n```\n\n### 可注入方法论\n\n| 场景 | 华为方法 | 应用场景 |\n|------|---------|---------|\n| 调薪分配 | 奖金包与利润挂钩，部门奖金包 = 部门贡献 × 奖金系数 | 部门间奖金分配 |\n| 薪酬差距 | 同级最大差距可达 2-3 倍（按绩效拉开） | 内部公平 vs 激励平衡 |\n| 长期激励 | 虚拟受限股（ESOP）覆盖 80%+ 员工 | 核心人才保留 |\n| 绩效薪酬联动 | 连续 A 级员工调薪幅度是 B 级的 2-3 倍 | 调薪矩阵设计 |\n\n---\n\n## 📚 《薪酬管理》（George T. Milkovich · 薪酬设计圣经）\n\n### 核心框架：薪酬战略三维度\n\n```\n薪酬战略 = 内部一致性 + 外部竞争力 + 员工贡献\n\n内部一致性（Internal Alignment）：\n  ├── 岗位价值评估（IPE/Hay/自定义）\n  ├── 薪酬等级设计\n  └── 内部公平性\n\n外部竞争力（External Competitiveness）：\n  ├── 市场定位（P25/P50/P75/P90）\n  ├── 薪酬调查\n  └── 薪酬政策线\n\n员工贡献（Employee Contributions）：\n  ├── 绩效薪酬\n  ├── 认可与激励\n  └── 利润分享\n```\n\n### 薪酬设计决策矩阵\n\n| 决策维度 | 领先策略 | 匹配策略 | 滞后策略 |\n|---------|---------|---------|---------|\n| 基本薪酬 | P75以上 | P50 | P25以下 |\n| 绩效奖金 | 高额浮动 | 标准浮动 | 低浮动 |\n| 长期激励 | 广泛覆盖 | 核心层覆盖 | 仅高管 |\n| 福利 | 全面福利包 | 标准福利 | 最低法定 |\n\n**适用场景**：\n- 领先策略：人才稀缺岗位、核心竞争力岗位\n- 匹配策略：通用岗位、市场供给充足的岗位\n- 滞后策略：可替代性高的岗位（但风险高）\n\n### 薪酬公平理论（Adams Equity Theory）\n\n员工判断薪酬是否公平的依据：\n```\n我的产出/投入 vs 他人的产出/投入\n\n如果相等 → 公平感 → 维持当前投入\n如果不等 → 不公平感 → 调整行为（降低投入/要求加薪/离职）\n```\n\n**管理启示**：\n- 薪酬透明度越高，员工越容易做比较 → 必须有充分的沟通\n- 内部公平性比外部竞争力更容易引发不满\n- \"薪酬保密\"不能解决公平问题，只能延后爆发\n\n---\n\n*本文件版本 v1.0.0*\n\nFile v2.1.1:references/output-templates.md\n\n# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\nFile v2.1.1:references/tools.md\n\n# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |\n\nFile v2.1.1:skill-card.md\n\n## Description: <br>\n谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[tuobadaidai](https://clawhub.ai/user/tuobadaidai) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nHR compensation specialists and managers use this skill to analyze compensation benchmarking, salary adjustment plans, pay equity, pay structures, market percentiles, and compensation competitiveness. The skill returns structured analysis, risk notes, confidence statements, templates, and calculation guidance for compensation-focused decisions. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill can process sensitive employee compensation data. <br>\nMitigation: Use it only when authorized, prefer anonymized employee IDs, and collect only fields needed for the specific compensation analysis. <br>\nRisk: Compensation fairness or benchmarking work may involve protected demographic data. <br>\nMitigation: Avoid uploading protected demographic data unless legally and operationally justified, and store outputs securely. <br>\nRisk: Working files and generated reports may retain sensitive HR information after analysis. <br>\nMitigation: Delete working files when no longer needed and limit access to generated outputs. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/tuobadaidai/diting-compensation-expert) <br>\n- [Output templates](references/output-templates.md) <br>\n- [Compensation analysis tools](references/tools.md) <br>\n- [Classic compensation books summary](references/classic-books.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, code, shell commands, configuration, guidance] <br>\n**Output Format:** [Markdown with structured tables, formulas, concise analysis, risk notes, confidence statements, and optional code or command snippets] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May request or use compensation data fields for benchmarking, adjustment planning, fairness analysis, and pay-structure calculations.] <br>\n\n## Skill Version(s): <br>\n2.1.1 (source: SKILL.md frontmatter and release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v2.1.0: 6 files, 11126 bytes\n\nFiles: _meta.json (145b), references/classic-books.md (3370b), references/output-templates.md (4517b), references/tools.md (3560b), skill-card.md (2130b), SKILL.md (8477b)\n\nFile v2.1.0:SKILL.md\n\n---\nname: diting-compensation-expert\nversion: 2.1.0\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n### 经典书籍精华\n\n> 📄 《科学分钱》（华为分钱逻辑）+《薪酬管理》（Milkovich 薪酬设计圣经）详见 `references/classic-books.md`\n\n核心注入：\n- 华为价值分配三原则：以奋斗者为本 / 不让雷锋吃亏 / 熵减机制\n- Milkovich 薪酬战略三维度：内部一致性 + 外部竞争力 + 员工贡献\n- Adams 公平理论：员工判断薪酬公平的心理机制\n\n## 参考资源\n\n| 资源 | 内容 |\n|------|------|\n| [output-templates.md](references/output-templates.md) | 五个场景的标准输出模板 |\n| [tools.md](references/tools.md) | CSV模板 · Python计算函数 · 数据缺失处理策略 |\n| [classic-books.md](references/classic-books.md) | 科学分钱(华为) · Milkovich薪酬三维度 · Adams公平理论 |\n\n## 补充说明\n\n### 数据缺失兜底方案\n\n| 缺失类型 | 处理方案 |\n|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算，标注来源/年份 |\n| 内部薪酬 | 请用户提供样本 → 外部推算，标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案或假设全员达标 |\n| 岗位评估 | 使用市场常见岗位映射，需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算，仅分析现金薪酬 |\n\n### 常见陷阱（Top 5）\n\n- **陷阱 1：对标数据过时** — 用2年前报告对标，市场已大变。必须标注数据年份，超1年需打折扣。\n- **陷阱 2：薪酬与绩效脱钩** — 调薪不考虑绩效导致\"大锅饭\"。必须将绩效纳入调薪决策。\n- **陷阱 3：忽视薪酬倒挂** — 新员工薪酬高于老员工，打击士气。招聘时必须考虑内部平衡。\n- **陷阱 4：只看薪酬不看总包** — 仅比较基本工资，忽略奖金/福利/股权。应使用 Total Rewards 视角。\n- **陷阱 5：宽带薪酬误用** — 无能力评价体系就推行宽带薪酬导致失控。需配套能力评估机制。\n\n### 与谛听 Chief 交互约定\n\n- 先确认问题范围和期望输出格式\n- 按复杂度调整分析深度：\n  - **A 级**：快速判断，方向性建议\n  - **B 级**：标准分析，完整框架 + 核心数据\n  - **S 级**：深度分析，详细测算 + 多方案对比 + 实施路径\n- 超出薪酬范畴时，明确标注\"建议转 XX 专家\"\n- 不直接输出给用户，输出给 Chief 由其综合\n- 涉及敏感数据时，建议 Chief 提醒用户注意保密\n- 需要补充数据时，列出\"数据需求清单\"交给 Chief\n\n---\n\n*本 Skill 版本 v2.1.0。官方发布后请通过 `clawhub install diting-compensation-expert` 更新。*\n\nFile v2.1.0:_meta.json\n\n{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"2.1.0\",\n  \"publishedAt\": 1779090723574\n}\n\nFile v2.1.0:references/classic-books.md\n\n# 薪酬专家 — 经典书籍精华注入\n\n> 本文件包含薪酬专家领域经典书籍的核心框架，用于增强分析深度。\n\n---\n\n## 📚 《科学分钱》（黄卫伟 · 华为薪酬体系方法论）\n\n### 核心逻辑：价值创造的分配闭环\n\n**华为分钱三原则**：\n\n1. **以奋斗者为本**：不是平均主义，不是按资排辈，而是按贡献和价值创造分配\n2. **不让雷锋吃亏**：高绩效者必须获得超额回报，否则\"雷锋\"会变成\"老油条\"\n3. **熵减机制**：分钱不是静态的，必须持续调整，防止利益板结\n\n### 华为薪酬体系架构\n\n```\n价值创造 → 价值评价 → 价值分配\n\n价值创造：\n  ├── 个人绩效（结果贡献）\n  ├── 团队绩效（协作贡献）\n  └── 组织绩效（战略贡献）\n\n价值评价：\n  ├── 绩效评级（A/B+/B/C/D）\n  ├── 能力等级（任职资格体系）\n  └── 潜力评估（继任规划）\n\n价值分配：\n  ├── 短期：工资 + 奖金 + 福利\n  ├── 中期：项目奖金 + 专项激励\n  └── 长期：虚拟受限股 + TUP（时间单位计划）\n```\n\n### 可注入方法论\n\n| 场景 | 华为方法 | 应用场景 |\n|------|---------|---------|\n| 调薪分配 | 奖金包与利润挂钩，部门奖金包 = 部门贡献 × 奖金系数 | 部门间奖金分配 |\n| 薪酬差距 | 同级最大差距可达 2-3 倍（按绩效拉开） | 内部公平 vs 激励平衡 |\n| 长期激励 | 虚拟受限股（ESOP）覆盖 80%+ 员工 | 核心人才保留 |\n| 绩效薪酬联动 | 连续 A 级员工调薪幅度是 B 级的 2-3 倍 | 调薪矩阵设计 |\n\n---\n\n## 📚 《薪酬管理》（George T. Milkovich · 薪酬设计圣经）\n\n### 核心框架：薪酬战略三维度\n\n```\n薪酬战略 = 内部一致性 + 外部竞争力 + 员工贡献\n\n内部一致性（Internal Alignment）：\n  ├── 岗位价值评估（IPE/Hay/自定义）\n  ├── 薪酬等级设计\n  └── 内部公平性\n\n外部竞争力（External Competitiveness）：\n  ├── 市场定位（P25/P50/P75/P90）\n  ├── 薪酬调查\n  └── 薪酬政策线\n\n员工贡献（Employee Contributions）：\n  ├── 绩效薪酬\n  ├── 认可与激励\n  └── 利润分享\n```\n\n### 薪酬设计决策矩阵\n\n| 决策维度 | 领先策略 | 匹配策略 | 滞后策略 |\n|---------|---------|---------|---------|\n| 基本薪酬 | P75以上 | P50 | P25以下 |\n| 绩效奖金 | 高额浮动 | 标准浮动 | 低浮动 |\n| 长期激励 | 广泛覆盖 | 核心层覆盖 | 仅高管 |\n| 福利 | 全面福利包 | 标准福利 | 最低法定 |\n\n**适用场景**：\n- 领先策略：人才稀缺岗位、核心竞争力岗位\n- 匹配策略：通用岗位、市场供给充足的岗位\n- 滞后策略：可替代性高的岗位（但风险高）\n\n### 薪酬公平理论（Adams Equity Theory）\n\n员工判断薪酬是否公平的依据：\n```\n我的产出/投入 vs 他人的产出/投入\n\n如果相等 → 公平感 → 维持当前投入\n如果不等 → 不公平感 → 调整行为（降低投入/要求加薪/离职）\n```\n\n**管理启示**：\n- 薪酬透明度越高，员工越容易做比较 → 必须有充分的沟通\n- 内部公平性比外部竞争力更容易引发不满\n- \"薪酬保密\"不能解决公平问题，只能延后爆发\n\n---\n\n*本文件版本 v1.0.0*\n\nFile v2.1.0:references/output-templates.md\n\n# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\nFile v2.1.0:references/tools.md\n\n# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |\n\nFile v2.1.0:skill-card.md\n\n## Description: <br>\n为 HR 薪酬场景提供薪酬对标、调薪方案、薪酬公平性分析和薪酬结构设计支持。 <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[tuobadaidai](https://clawhub.ai/user/tuobadaidai) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nHR compensation specialists and coordinating HR agents use this skill to analyze compensation benchmarking, salary adjustment plans, pay equity, market percentiles, compensation band design, and compensation competitiveness before preparing final guidance. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: Security evidence reports a suspicious posture involving maintainer-focused authority and a helper that can grant a nested reviewer broad local access. <br>\nMitigation: Install only when the publisher is trusted; prefer no-yolo review mode or AUTOREVIEW_YOLO=0, use moderation and PR actions only with explicit targets, and review commands before writes. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/tuobadaidai/diting-compensation-expert) <br>\n- [经典薪酬管理参考](references/classic-books.md) <br>\n- [薪酬分析输出模板](references/output-templates.md) <br>\n- [薪酬分析工具](references/tools.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown analysis with tables, risk notes, data needs, confidence statements, and optional calculation snippets.] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [May request salary, market, performance, job-level, and location data; should flag assumptions and confidentiality considerations.] <br>\n\n## Skill Version(s): <br>\n2.1.0 (source: frontmatter and server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v2.0.0: 4 files, 7559 bytes\n\nFiles: _meta.json (145b), references/output-templates.md (4517b), references/tools.md (3560b), SKILL.md (7691b)\n\nFile v2.0.0:SKILL.md\n\n---\nname: diting-compensation-expert\nversion: 1.0.0\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n## 补充说明\n\n### 数据缺失兜底方案\n\n| 缺失类型 | 处理方案 |\n|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算，标注来源/年份 |\n| 内部薪酬 | 请用户提供样本 → 外部推算，标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案或假设全员达标 |\n| 岗位评估 | 使用市场常见岗位映射，需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算，仅分析现金薪酬 |\n\n### 常见陷阱（Top 5）\n\n- **陷阱 1：对标数据过时** — 用2年前报告对标，市场已大变。必须标注数据年份，超1年需打折扣。\n- **陷阱 2：薪酬与绩效脱钩** — 调薪不考虑绩效导致\"大锅饭\"。必须将绩效纳入调薪决策。\n- **陷阱 3：忽视薪酬倒挂** — 新员工薪酬高于老员工，打击士气。招聘时必须考虑内部平衡。\n- **陷阱 4：只看薪酬不看总包** — 仅比较基本工资，忽略奖金/福利/股权。应使用 Total Rewards 视角。\n- **陷阱 5：宽带薪酬误用** — 无能力评价体系就推行宽带薪酬导致失控。需配套能力评估机制。\n\n### 与谛听 Chief 交互约定\n\n- 先确认问题范围和期望输出格式\n- 按复杂度调整分析深度：\n  - **A 级**：快速判断，方向性建议\n  - **B 级**：标准分析，完整框架 + 核心数据\n  - **S 级**：深度分析，详细测算 + 多方案对比 + 实施路径\n- 超出薪酬范畴时，明确标注\"建议转 XX 专家\"\n- 不直接输出给用户，输出给 Chief 由其综合\n- 涉及敏感数据时，建议 Chief 提醒用户注意保密\n- 需要补充数据时，列出\"数据需求清单\"交给 Chief\n\n---\n\n*本 Skill 版本 v1.0.0。官方发布后请通过 `clawhub install diting-compensation-expert` 更新。*\n\nFile v2.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"2.0.0\",\n  \"publishedAt\": 1779088060742\n}\n\nFile v2.0.0:references/output-templates.md\n\n# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\nFile v2.0.0:references/tools.md\n\n# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |\n\nArchive v1.0.0: 4 files, 7560 bytes\n\nFiles: _meta.json (145b), references/output-templates.md (4517b), references/tools.md (3560b), SKILL.md (7691b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: diting-compensation-expert\nversion: 1.0.0\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n## 补充说明\n\n### 数据缺失兜底方案\n\n| 缺失类型 | 处理方案 |\n|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算，标注来源/年份 |\n| 内部薪酬 | 请用户提供样本 → 外部推算，标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案或假设全员达标 |\n| 岗位评估 | 使用市场常见岗位映射，需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算，仅分析现金薪酬 |\n\n### 常见陷阱（Top 5）\n\n- **陷阱 1：对标数据过时** — 用2年前报告对标，市场已大变。必须标注数据年份，超1年需打折扣。\n- **陷阱 2：薪酬与绩效脱钩** — 调薪不考虑绩效导致\"大锅饭\"。必须将绩效纳入调薪决策。\n- **陷阱 3：忽视薪酬倒挂** — 新员工薪酬高于老员工，打击士气。招聘时必须考虑内部平衡。\n- **陷阱 4：只看薪酬不看总包** — 仅比较基本工资，忽略奖金/福利/股权。应使用 Total Rewards 视角。\n- **陷阱 5：宽带薪酬误用** — 无能力评价体系就推行宽带薪酬导致失控。需配套能力评估机制。\n\n### 与谛听 Chief 交互约定\n\n- 先确认问题范围和期望输出格式\n- 按复杂度调整分析深度：\n  - **A 级**：快速判断，方向性建议\n  - **B 级**：标准分析，完整框架 + 核心数据\n  - **S 级**：深度分析，详细测算 + 多方案对比 + 实施路径\n- 超出薪酬范畴时，明确标注\"建议转 XX 专家\"\n- 不直接输出给用户，输出给 Chief 由其综合\n- 涉及敏感数据时，建议 Chief 提醒用户注意保密\n- 需要补充数据时，列出\"数据需求清单\"交给 Chief\n\n---\n\n*本 Skill 版本 v1.0.0。官方发布后请通过 `clawhub install diting-compensation-expert` 更新。*\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1779079472465\n}\n\nFile v1.0.0:references/output-templates.md\n\n# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\nFile v1.0.0:references/tools.md\n\n# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |","readmeExcerpt":"Skill: Diting Compensation Expert Owner: tuobadaidai Summary: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Tags: benchmarking:2.0.0, compensation:2.1.0, hr:2.1.0, latest:2.1.2, milkovich:2.1.0, salary:2.0.0, science-of-sharing:2.1.0 Version history: v2.1.2 | 2026-07-24T09:17:21.688Z | user Restore from backup - DiTing compensation ex","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力"},{"language":"text","snippet":"1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾"},{"language":"text","snippet":"1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素"},{"language":"text","snippet":"1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制"},{"language":"text","snippet":"1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度"},{"language":"text","snippet":"价值创造 → 价值评价 → 价值分配\n\n价值创造：\n  ├── 个人绩效（结果贡献）\n  ├── 团队绩效（协作贡献）\n  └── 组织绩效（战略贡献）\n\n价值评价：\n  ├── 绩效评级（A/B+/B/C/D）\n  ├── 能力等级（任职资格体系）\n  └── 潜力评估（继任规划）\n\n价值分配：\n  ├── 短期：工资 + 奖金 + 福利\n  ├── 中期：项目奖金 + 专项激励\n  └── 长期：虚拟受限股 + TUP（时间单位计划）"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: diting-compensation-expert\nversion: 2.1.1\ndescription: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。\ncategory: diting-skills\n---\n\n# 谛听薪酬专家\n\n## 概述\n\n谛听专业集群的薪酬专家，由谛听 Chief 在 Step 4-5 阶段调度。\n\n### 功能范围\n\n- **薪酬对标分析**：内部岗位与市场薪酬对比，评估竞争力\n- **调薪方案设计**：基于预算和绩效设计差异化调薪方案\n- **薪酬公平性分析**：诊断内部薪酬差距，确保同工同酬\n- **薪酬结构设计**：薪酬等级、带宽、重叠度、宽带薪酬体系\n- **市场分位值分析**：P25/P50/P75/P90 计算和解读\n- **薪酬竞争力评估**：综合评估企业薪酬市场位置\n- 接受 Chief 分派子问题，输出结构化专业分析\n- 自动调用领域工具（搜索、知识库、计算工具）\n\n### 不适用边界\n\n- 绩效体系设计 → 转 **绩效管理专家**\n- 劳动法合规、最低工资、经济补偿金 → 转 **劳动法规专家**\n- 培训需求分析、能力评估 → 转 **培训专家**\n- 组织架构调整、团队管理 → 转 **组织管理专家**\n- 职业发展规划、晋升通道设计 → 转 **员工发展专家**\n\n## 操作指南\n\n### 工作模式\n\n1. **理解子问题**：确认 Chief 意图、薪酬维度、可用数据\n2. **专业分析**：按场景执行下方框架\n3. **输出结构**：分析结论 + 风险提示 + 置信度\n4. **返回 Chief**：不直接给用户，由 Chief 综合后输出\n\n### 场景 1：薪酬对标分析\n\n**输入**：Chief 描述对标需求（如\"研发薪酬是否低于市场？\"）\n\n**分析框架**：\n\n```\n1. 岗位匹配：内部与市场岗位精准对标，行业/城市/规模校准\n2. 数据来源：薪酬报告（美世/Aon/中智等）→ 招聘平台 → 猎头反馈 → 交叉验证\n   ⚠️ 标注数据来源时效性和样本量\n3. 分位值对比：P25/P50/P75/P90，计算内部薪酬差距百分比\n4. 竞争力判断：\n   CR = 实际薪酬 / 市场中位值\n   CR < 0.80：严重偏低（高流失风险）\n   CR 0.80-0.90：偏低\n   CR 0.90-1.10：合理区间\n   CR 1.10-1.20：偏高\n   CR > 1.20：过高\n5. 调整建议：紧急补差（CR<0.80）→ 分步追赶 → 维持现状\n   总包对比：固浮比 + 福利 + 股权激励综合竞争力\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 1\n\n### 场景 2：调薪方案设计\n\n**输入**：Chief 描述调薪需求（如\"预算5%，怎么分才公平？\"）\n\n**分析框架**：\n\n```\n1. 预算确定：总额/比例、覆盖范围、市场调薪率基准、通胀率参考\n2. 调薪矩阵设计：\n   绩效 × 薪酬位置 → 差异化调薪比例\n   设计逻辑：绩效越好 + 薪酬越低 = 调薪越大（追赶+激励）\n3. 差异化策略：关键人才倾斜(×1.2~1.5)、新员工保护、晋升调薪、封顶保底\n4. 风险评估：预算超支、内部公平性、离职风险、法律风险、沟通风险\n5. 实施计划：沟通节奏 → 生效时间 → 回溯机制 → 年度回顾\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 2\n\n### 场景 3：薪酬公平性分析\n\n**输入**：Chief 描述公平性需求（如\"同级别薪酬差距是否过大？\"\"性别是否公平？\"）\n\n**分析框架**：\n\n```\n1. 同工同酬分析：\n   薪酬离散度 CV = σ / μ\n   CV < 15%：较公平 | CV 15%-25%：关注 | CV > 25%：差距过大\n2. 群体差异分析：性别/年龄/司龄维度，控制变量后检查\n   关注\"薪酬倒挂\"：新员工 > 老员工\n3. 压缩比分析：\n   压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\n   0-25%：底部 | 25-75%：合理 | 75-100%：接近顶部 | >100%：超限\n4. 公平性诊断：结构性/历史遗留/市场因素/人为因素\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 3\n\n### 场景 4：薪酬结构设计\n\n**输入**：Chief 描述结构需求（如\"重新设计薪酬体系\"\"想要宽带薪酬\"）\n\n**分析框架**：\n\n```\n1. 岗位价值评估：IPE / 海氏 / 美世 IPE 3.0 / 自定义评分卡\n2. 薪酬等级：\n   小型企业(<200人): 8-12级 | 中型(200-1000): 12-16级 | 大型(>1000): 16-20+级\n   级差：基层8-10% | 中层10-12% | 高层12-15%+\n3. 带宽设计 = (最大值-最小值)/最小值 × 100%\n   基层30-40% | 中层40-60% | 高层60-80%+ | 宽带100-200%+\n4. 重叠度 = (低等级最大值-高等级最小值)/(高等级最大值-高等级最小值) × 100%\n   30-50%：适度 | 50-70%：较大 | 过大则晋升激励减弱\n5. 宽带薪酬：5-8级、带宽100-200%+、需配套能力评估机制\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 4\n\n### 场景 5：综合竞争力评估\n\n**输入**：Chief 描述综合评估需求（如\"整体评估薪酬竞争力\"）\n\n**分析框架**：\n\n```\n1. 综合竞争力指数：\n   0.5 × 薪酬水平指数 + 0.3 × 薪酬结构指数 + 0.2 × 调薪指数\n2. 总薪酬包分析：固定 + 浮动 + 福利 + 长期激励 + 隐性价值\n3. 雷达图维度：薪酬水平、结构、福利、调薪竞争力、长期激励、透明度\n```\n\n> 📄 完整输出模板见 `references/output-templates.md` → 场景 5\n\n### 增强工具\n\n> 📄 CSV 模板、Python 计算代码、数据缺失处理策略详见 `references/tools.md`\n\n包含以下工具：\n- 24 字段标准薪酬 CSV 模板\n- Python 工具函数：分位值计算、CR、压缩比、带宽、重叠度\n- 数据缺失处理优先级策略\n\n### 经典书籍精华\n\n> 📄 《科学分钱》（华为分钱逻辑）+《薪酬管理》（Milkovich 薪酬设计圣经）详见 `references/classic-books.md"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn70tx725606ywwb5gfj0vpxjx83admr\",\n  \"slug\": \"diting-compensation-expert\",\n  \"version\": \"2.1.2\",\n  \"publishedAt\": 1784884641688\n}"},{"path":"references/classic-books.md","content":"# 薪酬专家 — 经典书籍精华注入\n\n> 本文件包含薪酬专家领域经典书籍的核心框架，用于增强分析深度。\n\n---\n\n## 📚 《科学分钱》（黄卫伟 · 华为薪酬体系方法论）\n\n### 核心逻辑：价值创造的分配闭环\n\n**华为分钱三原则**：\n\n1. **以奋斗者为本**：不是平均主义，不是按资排辈，而是按贡献和价值创造分配\n2. **不让雷锋吃亏**：高绩效者必须获得超额回报，否则\"雷锋\"会变成\"老油条\"\n3. **熵减机制**：分钱不是静态的，必须持续调整，防止利益板结\n\n### 华为薪酬体系架构\n\n```\n价值创造 → 价值评价 → 价值分配\n\n价值创造：\n  ├── 个人绩效（结果贡献）\n  ├── 团队绩效（协作贡献）\n  └── 组织绩效（战略贡献）\n\n价值评价：\n  ├── 绩效评级（A/B+/B/C/D）\n  ├── 能力等级（任职资格体系）\n  └── 潜力评估（继任规划）\n\n价值分配：\n  ├── 短期：工资 + 奖金 + 福利\n  ├── 中期：项目奖金 + 专项激励\n  └── 长期：虚拟受限股 + TUP（时间单位计划）\n```\n\n### 可注入方法论\n\n| 场景 | 华为方法 | 应用场景 |\n|------|---------|---------|\n| 调薪分配 | 奖金包与利润挂钩，部门奖金包 = 部门贡献 × 奖金系数 | 部门间奖金分配 |\n| 薪酬差距 | 同级最大差距可达 2-3 倍（按绩效拉开） | 内部公平 vs 激励平衡 |\n| 长期激励 | 虚拟受限股（ESOP）覆盖 80%+ 员工 | 核心人才保留 |\n| 绩效薪酬联动 | 连续 A 级员工调薪幅度是 B 级的 2-3 倍 | 调薪矩阵设计 |\n\n---\n\n## 📚 《薪酬管理》（George T. Milkovich · 薪酬设计圣经）\n\n### 核心框架：薪酬战略三维度\n\n```\n薪酬战略 = 内部一致性 + 外部竞争力 + 员工贡献\n\n内部一致性（Internal Alignment）：\n  ├── 岗位价值评估（IPE/Hay/自定义）\n  ├── 薪酬等级设计\n  └── 内部公平性\n\n外部竞争力（External Competitiveness）：\n  ├── 市场定位（P25/P50/P75/P90）\n  ├── 薪酬调查\n  └── 薪酬政策线\n\n员工贡献（Employee Contributions）：\n  ├── 绩效薪酬\n  ├── 认可与激励\n  └── 利润分享\n```\n\n### 薪酬设计决策矩阵\n\n| 决策维度 | 领先策略 | 匹配策略 | 滞后策略 |\n|---------|---------|---------|---------|\n| 基本薪酬 | P75以上 | P50 | P25以下 |\n| 绩效奖金 | 高额浮动 | 标准浮动 | 低浮动 |\n| 长期激励 | 广泛覆盖 | 核心层覆盖 | 仅高管 |\n| 福利 | 全面福利包 | 标准福利 | 最低法定 |\n\n**适用场景**：\n- 领先策略：人才稀缺岗位、核心竞争力岗位\n- 匹配策略：通用岗位、市场供给充足的岗位\n- 滞后策略：可替代性高的岗位（但风险高）\n\n### 薪酬公平理论（Adams Equity Theory）\n\n员工判断薪酬是否公平的依据：\n```\n我的产出/投入 vs 他人的产出/投入\n\n如果相等 → 公平感 → 维持当前投入\n如果不等 → 不公平感 → 调整行为（降低投入/要求加薪/离职）\n```\n\n**管理启示**：\n- 薪酬透明度越高，员工越容易做比较 → 必须有充分的沟通\n- 内部公平性比外部竞争力更容易引发不满\n- \"薪酬保密\"不能解决公平问题，只能延后爆发\n\n---\n\n*本文件版本 v1.0.0*"},{"path":"references/output-templates.md","content":"# 薪酬专家输出模板\n\n> 各场景的完整报告示例模板，供生成分析报告时参考。\n\n---\n\n## 场景 1：薪酬对标分析模板\n\n```\n## 薪酬专家分析 — 薪酬对标\n\n### 核心发现\n- [1-2 条关键对标结论]\n\n### 对标结果（按岗位族/层级）\n| 岗位族 | 内部薪酬 | 市场 P25 | 市场 P50 | 市场 P75 | CR | 竞争力评级 |\n|--------|---------|---------|---------|---------|----|-----------|\n| [例] 研发-高级工程师 | XX | XX | XX | XX | X.XX | 偏低/合理/偏高 |\n\n### 风险岗位清单\n| 岗位 | 当前薪酬 | 市场 P50 | 差距 | 流失风险 |\n|------|---------|---------|------|---------|\n| [关键岗位] | XX | XX | -XX% | 高/中/低 |\n\n### 调整建议\n- P0: [紧急补差岗位及金额]\n- P1: [年度调薪纳入岗位]\n- P2: [长期策略：薪酬结构调整/福利优化]\n\n### 数据来源与局限性\n- [数据来源] + [时效性] + [样本量] + [可信度评估]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 2：调薪方案模板\n\n```\n## 薪酬专家分析 — 调薪方案\n\n### 方案概要\n- 预算总额：XX 万 / XX% 薪酬总额\n- 覆盖人数：XX 人\n- 平均调薪率：XX%\n- 调薪生效时间：XXXX年XX月\n\n### 调薪矩阵\n[插入矩阵，填入实际百分比]\n\n### 分群体调薪测算\n| 群体 | 人数 | 平均调薪% | 总成本(万) | 占预算比例 |\n|------|------|----------|-----------|-----------|\n| S绩效+低CR | XX | XX% | XX | XX% |\n| ... | ... | ... | ... | ... |\n\n### 关键建议\n- [关键人才倾斜策略]\n- [特殊人群处理]\n- [沟通话术建议]\n\n### 风险提示\n- [预算风险/公平性风险/离职风险]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 3：薪酬公平性分析模板\n\n```\n## 薪酬专家分析 — 薪酬公平性\n\n### 核心发现\n- [1-2 条关键公平性问题]\n\n### 同工同酬分析\n| 岗位 | 人数 | 最低 | 最高 | 中位数 | CV | 公平评级 |\n|------|------|------|------|--------|----|---------|\n| [岗位名] | XX | XX | XX | XX | XX% | 公平/关注/风险 |\n\n### 群体差异分析\n| 维度 | 群体A均值 | 群体B均值 | 差异% | 是否显著 |\n|------|----------|----------|-------|---------|\n| 性别 | XX | XX | XX% | 是/否 |\n| 司龄(<3年) | XX | XX | XX% | 是/否 |\n| 司龄(>3年) | XX | XX | XX% | 是/否 |\n\n### 薪酬倒挂清单\n| 员工 | 岗位 | 薪酬 | 同岗老员工均值 | 倒挂程度 |\n|------|------|------|--------------|---------|\n| [新员工] | [岗位] | XX | XX | +XX% |\n\n### 公平性诊断\n- 结构性问题：[有/无，具体描述]\n- 历史遗留问题：[有/无，具体描述]\n- 薪酬倒挂问题：[有/无，涉及岗位和人数]\n\n### 改善建议\n- P0: [紧急纠正]\n- P1: [机制改进]\n- P2: [体系优化]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 4：薪酬结构设计模板\n\n```\n## 薪酬专家分析 — 薪酬结构设计\n\n### 岗位价值评估结果\n| 岗位 | IPE评分 | 建议等级 | 对标市场P50 |\n|------|--------|---------|------------|\n| [岗位名] | XX | Level X | XX |\n\n### 薪酬等级表\n| 等级 | 最小值 | 中位值 | 最大值 | 带宽 | 级差 | 对应岗位范围 |\n|------|--------|--------|--------|------|------|-------------|\n| L1 | XX | XX | XX | XX% | — | [岗位范围] |\n| L2 | XX | XX | XX | XX% | XX% | [岗位范围] |\n| ... | ... | ... | ... | ... | ... | ... |\n\n### 重叠度分析\n| 相邻等级 | 重叠度 | 评级 | 建议 |\n|----------|--------|------|------|\n| L1-L2 | XX% | 合理/偏高/偏低 | [建议] |\n\n### 宽带薪酬方案（如适用）\n| 薪酬带 | 带宽 | 覆盖原等级 | 增长机制 |\n|--------|------|-----------|---------|\n| Band A | XX% | L1-L3 | [基于能力的评价] |\n\n### 实施路径\n- 阶段1：岗位评估与数据采集\n- 阶段2：薪酬等级设计与市场对标\n- 阶段3：内部测算与公平性校准\n- 阶段4：沟通与实施\n\n### 风险提示\n- [实施风险/成本影响/员工接受度]\n\n### 置信度\n- [高/中/低] — [理由]\n```\n\n---\n\n## 场景 5：综合竞争力评估模板\n\n```\n## 薪酬专家分析 — 综合竞争力评估\n\n### 综合竞争力指数：XX/100\n\n### 雷达图分析\n| 维度 | 得分 | 评价 |\n|------|------|------|\n| 薪酬水平 | XX | 偏高/合理/偏低 |\n| 薪酬结构 | XX | ... |\n| 福利水平 | XX | ... |\n| 调薪竞争力 | XX | ... |\n| 长期激励 | XX | ... |\n| 薪酬透明度 | XX | ... |\n\n### 整体建议\n- [竞争力提升的核心举措]\n\n### 置信度\n- [高/中/低] — [理由]\n```"},{"path":"references/tools.md","content":"# 薪酬增强工具\n\n> 标准化工具：CSV 模板、Python 计算代码、数据缺失处理策略。\n\n---\n\n## 24 字段薪酬 CSV 模板\n\n用于标准化薪酬数据采集和分析：\n\n```csv\n员工ID,姓名,部门,岗位,岗位族,职级/等级,入职日期,司龄(月),\n性别,年龄,学历,工作地点,用工性质,劳动合同类型,\n基本工资(月),岗位津贴(月),绩效基数(月),加班基数(月),\n年度固定薪酬(年),目标年度总薪酬(年),上年度实际总薪酬(年),\n最近一次调薪日期,最近一次调薪幅度(%),绩效等级\n```\n\n**字段说明**：\n| 字段 | 用途 | 必填 |\n|------|------|------|\n| 员工ID | 唯一标识 | ✅ |\n| 岗位 | 对标市场基础 | ✅ |\n| 岗位族 | 分族对标 | ✅ |\n| 职级/等级 | 等级分析 | ✅ |\n| 司龄(月) | 司龄公平性 | ✅ |\n| 性别 | 性别公平性 | 推荐 |\n| 基本工资(月) | 固定薪酬分析 | ✅ |\n| 年度固定薪酬(年) | 年度总固定 | ✅ |\n| 目标年度总薪酬(年) | 含绩效总包 | ✅ |\n| 绩效等级 | 调薪矩阵输入 | 推荐 |\n| 最近一次调薪幅度(%) | 调薪趋势 | 推荐 |\n\n---\n\n## Python 计算工具\n\n### 分位值计算\n\n```python\ndef calculate_percentile(values, percentile):\n    \"\"\"计算指定分位值 (percentile: 0-100)\"\"\"\n    sorted_vals = sorted(values)\n    n = len(sorted_vals)\n    if n == 0: return None\n    if n == 1: return sorted_vals[0]\n    rank = (percentile / 100.0) * (n - 1)\n    lower = int(rank)\n    upper = lower + 1\n    weight = rank - lower\n    if upper >= n: return sorted_vals[-1]\n    return sorted_vals[lower] * (1 - weight) + sorted_vals[upper] * weight\n```\n\n### 核心指标计算\n\n```python\ndef compa_ratio(internal_salary, market_median):\n    \"\"\"Compa-Ratio = 实际薪酬 / 市场中位值\"\"\"\n    if market_median == 0: return None\n    return internal_salary / market_median\n\ndef range_penetration(salary, grade_min, grade_max):\n    \"\"\"压缩比 = (实际薪酬 - 等级最小值) / (等级最大值 - 等级最小值)\"\"\"\n    if grade_max == grade_min: return None\n    return (salary - grade_min) / (grade_max - grade_min)\n\ndef band_spread(grade_min, grade_max):\n    \"\"\"带宽 = (最大值 - 最小值) / 最小值 × 100%\"\"\"\n    if grade_min == 0: return None\n    return (grade_max - grade_min) / grade_min * 100\n\ndef overlap(low_max, high_min, high_max):\n    \"\"\"重叠度 = (低等级最大值 - 高等级最小值) / (高等级最大值 - 高等级最小值) × 100%\"\"\"\n    if high_max == high_min: return None\n    return (low_max - high_min) / (high_max - high_min) * 100\n```\n\n### 使用示例\n\n```python\nmarket_salaries = [15000, 18000, 20000, 22000, 25000, 28000, 30000, 32000, 35000, 40000]\n\nP25 = calculate_percentile(market_salaries, 25)  # ~19,250\nP50 = calculate_percentile(market_salaries, 50)  # ~26,500\nP75 = calculate_percentile(market_salaries, 75)  # ~31,250\nP90 = calculate_percentile(market_salaries, 90)  # ~36,500\n\nCR = compa_ratio(20000, P50)  # 0.75 → 偏低\n```\n\n---\n\n## 数据缺失处理策略\n\n| 缺失类型 | 处理方案 | 标注要求 |\n|----------|---------|---------|\n| 市场数据 | 搜索最新行业报告 → 招聘平台交叉验证 → 通用估算 | 标注来源/年份/置信度降低 |\n| 内部薪酬 | 请用户提供样本 → 外部推算 → 说明假设条件 | 标注\"基于假设推算\" |\n| 绩效数据 | 退化为 CR 驱动方案 / 假设全员达标 | 说明局限性 |\n| 岗位评估 | 使用市场常见岗位映射 | 需企业自行校准 |\n| 福利数据 | 使用市场标准福利包估算 | 仅分析现金薪酬 |"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Skill: Diting Compensation Expert Owner: tuobadaidai Summary: 谛听薪酬专家。薪酬对标、调薪方案、薪酬公平性、薪酬结构设计。Use when 薪酬对标、调薪方案、薪酬公平性分析、薪酬结构设计、市场分位值分析、薪酬带宽设计、薪酬竞争力评估、宽带薪酬设计。不适用于绩效体系设计、劳动法合规、培训方案设计等非薪酬类 HR 问题。 Tags: benchmarking:2.0.0, compensation:2.1.0, hr:2.1.0, latest:2.1.2, milkovich:2.1.0, salary:2.0.0, science-of-sharing:2.1.0 Version history: v2.1.2 | 2026-07-24T09:17:21.688Z | user Restore from backup - DiTing compensation ex","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":580,"uniquenessScore":61,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-10T15:13:05.035Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T17:35:52.054Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}