📦 4 Parts + Conclusion
👉 滑动
PART 01
走弯路
两个深坑
PART 02
物理隔离
数据边界
PART 03
四个解法
业务价值
PART ///
写在最后
温度与边界
当核心员工正式开口提离职的那一刻，能挽留下来的概率通常不到 10%。
做 HR 数字化十几年，我见过太多让人扼腕的场面。
平时最能打的业务骨干，突然把辞呈递到桌上，去意已决。总监拉着谈话，掏心掏肺许诺加薪升职，对方只是客气地笑笑：“雷哥，下家 Offer 已经签了，确实很感谢公司这些年的栽培。”
遇到这种情况，大家都懂：基本没戏了。
因为在这之前，他早就把整个决策闭环跑完了：心里动摇、上平台刷简历、请假去面试、拿到心仪 Offer，最后下定决心走人。你这时候再去谈，不仅毫无主动权，公司还得默默吞下三大苦果：
业务突然断档，项目只能硬挺着；重招一个骨干，猎头费、培训成本加上新人的试错磨合期，加起来往往要烧掉这个岗位大半年的年薪；最致命的是，骨干一走，经常带走团队其他人的军心。
如果能在员工刚有看机会的想法、在招聘软件上频繁刷新活跃度的时候，就提前两到四周捕获这个信号呢？
先说清楚：这绝不是搞员工监控。
我们的目的是抢下那个最宝贵的“48小时黄金干预窗口”。很多骨干去看机会，可能只是因为最近和主管闹了点别扭、项目卡了脖子、或者觉得自己遇上了天花板。只要赶在竞对发 Offer 之前，找个舒服的时机带着温度去碰一下，事情往往就迎刃而解了。
01
PART
想做前置预警，很多团队却在“走弯路”
DETOURS · 两个深坑
很多敏感的 HRBP 平时也会去逛逛招聘平台。公开的候选人卡片上，姓氏、大概年龄、毕业学校、现任职位、最近活跃时间都明明白白摆在那儿，有的甚至直接挂着“离职-随时到岗”。
但想把这事常态化做起来，绝大多数企业都掉进了两个坑：
靠人工拿肉眼硬对
几百人的花名册，对着几十张截图一张张看。看上半天眼珠子都酸了，还极容易看漏。碰上员工把职位写得比较宽泛（比如把后台开发写成“技术专家”），肉眼就直接滑过去了。
图省事，把全员花名册发给外部 AI
有的团队直接把公司花名册和一堆候选人截图一股脑喂给公有云大模型：“帮我算算谁命中了我家员工。”
这真的是在踩雷。
花名册是什么密级？姓名、工号、部门、学历、甚至请假记录。把这种底表传到公网模型，在数据安全和个人信息保护上是极其严重的违规。更何况大模型天生就会“幻觉”，经常张冠李戴，把没心思跳槽的忠诚老员工误判进去，极度破坏信任；或者漏掉了关键骨干，整个预警直接变成摆设。
跨表找人就是个确定性的查表运算，根本犯不上劳驾大模型，更不能让敏感数据出公司。
02
PART
破局：花名册绝对不出本机的“物理隔离”
AIR-GAPPED · 数据边界
既然如此，为什么不把边界彻底切开？
真正需要借助大模型“眼力”的，只有把招聘截图里的文字提取成表格这一步。公开的候选人资料本来就是公网信息，文字识别不涉及任何企业机密。
但拿着这张表去和花名册对碰——纯本地跑几行 Python 脚本，不仅一秒出结果、每一条匹配都有维度依据可查，不用花一分钱 Token，最重要的是：花名册连半个字节都不用联网。
我们这套本地流水线，逻辑非常干净：
公开数据上云识别
只识别公开的截图卡片，不夹带任何内部人员属性。
敏感运算纯离线
把花名册和考勤数据放在本地，电脑拔了网线也能算。
结果清晰可审计
绝不搞模型黑盒，哪个人、对上了哪几个维度、扣分加分全都有迹可循，最终生成一个单文件 HTML 本地看板。
我们是怎么用千问办公把它搓出来的
光讲架构不够，很多人问：这东西到底怎么落地的？三步，每一步“谁来做”卡得很死：
第一步：截图识别，交给千问办公。直接把 BOSS 截图丢进千问办公的 IM 频道，它的多模态模型自动识别出候选人列表——学历、经验、薪资、方向，提取成表格。这一步只读截图里的公开资料，花名册碰都不碰。
第二步：四维匹配打分，本地 Python。拿着识别出的表格，在本机跑 Python 做四维加权匹配。花名册只在这一步出现，而这一步根本不联网。
第三步：生成看板，本地 Python。单文件 HTML，一秒出结果。看板的版式也是在千问办公里一轮轮优化定下来的——流水线搭好、看板重做完，逐视图目检过才定版。
要“眼力”的活给多模态模型，要“算力”的活本地跑——这就是“物理隔离”落到实处的样子。
03
PART
它到底能给 HR 业务解决什么问题？
SOLUTIONS · 四个业务价值
做这个工具时，我没把它当成一个技术炫技的玩具，而是当成一个天天要用的办公软件在做：
抢下 48 小时挽留窗口
系统通过“四维加权 + 活跃度衰减”，给每个人算出一个 0 到 100 分的风险指数。
4 维全中（高风险）：直接在看板标红，提醒 HR 在 48 小时内约一次喝咖啡，赶在竞对 Offer 下来前弄清楚员工是不是心里有委屈；
命中 3 维（中风险）：提醒业务部门负责人多关注员工工作负荷与情绪，同时做好关键文档沉淀与岗位备胎（AB角）。即使没留住，也能从容交接。
用“现职职位”去比对，消灭大量假警报
很多初级方案拿花名册的岗位，去比对候选人在平台上写的“期望岗位”。但员工想跳槽往往是想往上走、或者换方向，拿“想干啥”去比“现在干啥”，自然对不上。我们的引擎会自动抓取候选人的“现职职位”。在我们内部测试里，这一改动让高风险人员的召回效果提升非常明显。
越用越准的“人机协同闭环”
碰上大姓（比如张、王、李）或者同校同龄撞车怎么办？系统绝不瞎猜，而是打上“需人工确认”，并自动导出一份核验表。HR 顺手点一下“本人/非本人”，下次运行系统就会沉淀记忆，每周跑一次，系统歧义越来越少，越用越准。
绿色桌面软件，自带“汇报分享模式”
双击即开：打包成了单文件绿色程序，不需要配置任何代码环境，文件夹里一丢表格，一秒出看板；
汇报安全隔离：如果要把看板发给业务总监看，勾上“分享模式”，工号和入职时间会自动隐藏，年龄转成 5 岁区间，既能说明问题，又不泄露隐私。
04
PART
合规使用三原则（丑话说在前面）
COMPLIANCE · 三条红线
既然聊的是“预警”，就必须把合规的边界一次讲透，这也是我要求团队死守的三条线：
数据来源只用公开信息。识别对象仅限招聘平台公开展示的候选人卡片，不爬取、不购买任何非公开数据。
内部数据零外传。花名册、考勤等内部数据只在本地运算，这是工具设计的硬约束，不是可选项。
预警只用于关怀，不做绩效依据。风险指数是提醒 HR“去聊聊”的信号，不是考核、调岗、优化的证据。谁要是拿这个分数去卡人，我第一个反对。
工具是中性的，边界是人划的。这三条做到了，预警才是“挽留”，做不到，就是监控。
///
LAST
写在最后：工具的温度与边界
EPILOGUE · 温度与边界
在公司内部推这个工具时，我们要提前宣贯这个思想：
我们做这个工具，绝不是为了算计员工、更不是为了找茬降绩效或排挤人。
它只有一个正面价值：在员工还在犹疑、还没拿到外部 Offer 的早期阶段，让管理者和 HR 能早一点察觉到他们的动摇，主动走过去聊聊天，听听他们心底的声音。
把机器用在它该用的地方，把敏感的数据留在安全的地方，把我们的时间和精力，留给有温度的沟通。
🎁 想要工具体验包的朋友看这里
为了让非技术背景的 HR 朋友们能零门槛上手，我把整套工具做成了免安装的 Windows 桌面客户端（.exe），配齐了虚构的演示数据和实操说明。
因为涉及到企业数据安全规范，我目前暂未放到公共代码仓库，只私下分享给真正需要的朋友交流使用。
工具包内包含：
离线绿色桌面程序（双击直接跑，无网络请求）
离线 HTML 动态交互看板模板纯虚构的演示花名册与候选人测试包（拿来就能测）
HR 操作手册与预警面谈应对策略指南
获取方式：
请在本文评论区写下你在做人才保留或离职面谈时踩过的坑，然后添加雷哥个人微信：174169952（备注：离职预警），通过后我会把完整的软件包和操作指南发给你。
欢迎转发给你身边正在为人效和骨干流失头疼的 HRBP、HRD 或团队负责人伙伴！
我是雷哥，专注分享 AI+HR 实战，咱们下篇见。#千问办公大使#
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING