HR × AI · Marvis 实战训练营
← 返回首页 结业卷 · v0.1
结业考试 · FINAL EXAM

40 题 · 100 分制 · 70 分通过
验证你 12 天学的能不能落地

四大块：A 选择题（基础概念 / 40 分）· B 简答（场景思路 / 30 分）· C 实操（写完整 Prompt / 32 分）· D 综合（工作流设计 / 18 分）。 做完点"提交查看答案"，每题展开参考答案。Part C/D 由讲师人工评分，自动给出 A/B 部分的客观分。

📝 40 题 · 120 分 ⏱ 建议 90 分钟 🎯 通过分 70/100 ✅ 含参考答案
考试说明：建议先答完整张卷再点提交，避免参考答案干扰你的判断。 Part A 单选 / 多选有标准答案（自动批改）；Part B/C/D 是开放题，提交后展示参考答案，你对照自评或交讲师评分。
PART A

选择题 · 基础概念

20 题 × 2 分 = 40 分

覆盖 Marvis 基础、Prompt 原理、招聘漏斗、AI 边界、本课程关键概念。每题 1 个正确答案。

参考答案：B

Marvis 是腾讯 2024 年推出的 PC 桌面级 AI 助手，定位"操作系统层级"——可以读屏、操作本地文件、调用本地应用，不只是网页对话框。

参考答案：C

隐私模式的核心是本地推理——简历、面试录音等敏感数据在本机处理，不上传云端。注意 D 不准确：并非所有模型都能本地跑，部分高阶能力仍走云，但隐私模式下会自动屏蔽这类调用。

参考答案：D

课程主张按数据敏感度分流：公开/低敏数据（JD、文案、市场分析）走效率模式拿质量；候选人 PII、面试录音、薪资 Offer 走隐私模式拿合规。一刀切都是偷懒。

参考答案：B

角色（你是 …）+ 任务（请帮我 …）+ 输出格式（用 Markdown 表格 / JSON / 100 字以内）。这是 Day 1 反复强调的 Prompt 骨架。

参考答案：C

绩效考核属于"员工管理"，不在招聘漏斗内。招聘漏斗 9 步：JD / 渠道找人 / 筛选 / 画像 / 面试准备 / 面试评估 / 沟通 / Offer / 入职。

参考答案：C

300 人 SaaS 企业实测：3 小时 → 40 分钟，约 5-8 倍。Day 4 课程基线数据。

参考答案：A

"是否发 Offer"是高风险人为决策，AI 只能辅助评估不能替代决策。这是课程反复强调的 AI 边界：草稿/归类/转写 AI 做，决策/沟通收尾人做。

参考答案：B

玩笑题，但确实有 HR 在 JD 里写星座偏好——这违反《就业促进法》。AI 帮你写 JD 时，输出格式约束（A/C/D）才是有效信号。

参考答案：D

个保法明确禁止"未经同意"向第三方传输个人敏感信息。姓名+手机+身份证三件套是教科书级别的"绝不传云"组合。需要 AI 处理时走本地隐私模式或先脱敏。

参考答案：B

① 归集（让数据可处理：简历归一格式 / 沟通归一渠道）→ ② 处理（让 AI 干活：筛选/生成/评估）→ ③ 沉淀（让经验复用：模板库/评分卡/漏斗数据）。Day 12 Capstone 的核心框架。

参考答案：C

画像 4 维：优势 / 风险 / 必问追问点 / 匹配度评分。MBTI 这种"娱乐心理标签"不进生产工作流，会引入偏见。

参考答案：B

Day 7 标准流程：隐私模式 → 本地转写（不上云）→ 按预设维度结构化评估 → 原始音频留在本机加密目录。C 看似聪明实则把数据交给了第三方，仍属"上云"。

参考答案：A

Day 8 核心：AI 跑量 + 人把关。AI 按状态 × 候选人特征生成个性化草稿（不是模板替换），人 5 秒一封 review 修关键句，20 分钟发完。这是质和量的平衡点。

参考答案：B

AI 是"赛前准备"——话术、对比、备选——不是"赛中替身"。电话里的真实对话节奏、语气、停顿、判断对方真实底线，仍是人的能力。

参考答案：D

这是开班第一天就立的 flag——岗位不会消失，分布会重组。把重复劳动交给 AI，把"招对人 + 留住人"留给自己，就是新的 HR 价值锚。

参考答案：C

ROI 看三层：量（投递）→ 质（接 Offer）→ 留（试用期）。Day 11 课程公式：渠道单位成本 / (offer 接受率 × 留存率)。星座是噪音。

参考答案：B

Day 10 重点：checklist + 跟进是"杂事自动化"，HR 省时间。A/D 越界（签字、绩效都是人的决策），C 越位（mentor 是人际关系，不是信息传递）。

参考答案：A

个保法核心三原则：知情同意（候选人知道你拿了什么数据 / 同意你用 AI 处理）+ 最小必要（只收 HR 必需的）+ 限期删除（招聘结束 N 个月内删除）。

参考答案：D

"录用决策 + 自动发 Offer"踩了两条线：① 高风险决策不交 AI；② 个保法第 24 条明文禁止"仅通过自动化决策对个人作出有重大影响的决定"。

参考答案：C

Capstone 要交"能跑起来的东西"：自己的 Prompt 库（沉淀经验）+ 工作流图（看清流转）+ 合规清单（守住红线）。这三件套以后哪天换公司都能带走。

PART B

简答题 · 场景思路

10 题 × 3 分 = 30 分

每题 80-150 字。写思路即可，不用展开完整 Prompt（那是 Part C）。讲师按"完整度 / 准确性 / 可落地性"评分。

参考答案 · 思路
  • 第一步 反问澄清：用 Marvis 把"会增长的运营"反推 5 个澄清问题给业务方（业务/用户量级/工具栈/汇报对象/预算带）。
  • 第二步 拉锚点：把竞品 JD（拉勾/Boss 上 3 份对标）丢给 Marvis 提取共性能力项。
  • 第三步 生成 3 版：保守版（强经验/成熟期公司）、激进版（强潜力/早期公司）、性别中立版（去掉"小哥哥/姐姐"等用语 + 不限性别学历）。
  • 第四步 SEO 校对：让 Marvis 嵌入 3-5 个搜索关键词，提高拉勾/Boss 命中。
参考答案 · 思路
  • 归一：Marvis 批量读各种格式 → 输出统一 JSON（姓名/手机/工作年限/最近 3 段经历/核心技能）。
  • 评分：基于 JD 定义 5 个维度（行业匹配/技能匹配/成长曲线/稳定性/可触达性），每维 0-5 分。
  • 排序+理由：按总分倒序，TOP 20 每人附 30 字匹配理由 + 1 条风险点。
  • 抽样 review：人工抽查 Top 5 / 中段 5 / Bottom 5，调整 Prompt 评分维度权重，跑第二轮。
  • 关键：用隐私模式，全程不上云。
参考答案 · 思路
  • ① 切换 Marvis 到隐私模式（确认指示灯/状态条）。
  • ② 把录音文件拖进 Marvis，触发本地转写。
  • ③ 用预设 Prompt 让 Marvis 按"5 维评估表"（沟通/专业/思考结构/动机/红旗）结构化输出。
  • ④ 人工 review 评估结果，补充 1-2 句主观判断（AI 看不到的"气场"）。
  • ⑤ 输出存到本地加密目录，原音频和转写文本 90 天内删除（个保法限期）。
参考答案 · 思路

把 AI 类比成"Excel/计算器"——业务方不会因为你用 Excel 算薪资就看不起你。AI 是工具，价值在你给业务方交付的结果：3 天给到 TOP 20 候选 + 完整画像 + 风险提示，业务方只会更尊重你。同时强调"AI 是你的助手不是替身"——评估、决策、沟通都是你做。

参考答案 · 思路
  • 核心优势（2-3 条，匹配 JD 的硬亮点）
  • 潜在风险（2 条，技能 gap / 稳定性 / 期望薪资风险）
  • 必问追问点（3-5 个，面试官当场用）
  • 匹配度评分（0-100 + 一句话总评）
  • 下一步建议（约面 / 笔试 / 婉拒）
参考答案 · 思路

通用题库的问题脱离候选人——问 10 个 P5 选手"如何带 100 人团队"是浪费时间。AI 准备的是针对这位候选人简历 × JD 缺口的问题，比如他做过 A 没做过 B，那 5 个问题里 3 个深挖 A 找成色、2 个轻探 B 试天花板。追问支线让面试官在他回答后立刻有第二跳第三跳的提问路径，不会"问完一题不知道下一题"的尴尬。

参考答案 · 思路
  • Prompt 里给 AI 三样原料：① 候选人个人信息（不只姓名，含他的高亮经历 1 句）；② 状态类别 + 公司当前情况；③ 沟通调性（亲和/正式）。
  • 让 AI 在每封信里至少引用候选人的 1 个独特经历（"看到你在 X 公司做过 Y …"），避免变成填空模板。
  • 拒绝信用"具体的、对候选人有用的反馈"代替"暂未匹配"——留住候选人口碑。
  • 人工抽 5 封 review，重点看那 1 句"个性化引用"是否真贴合。
参考答案 · 思路
  • 策略 1 总包对冲：Base 涨 20% + 签字费补 10% + 股票 10%（要求 AI 算 2 年/4 年等效年化）。
  • 策略 2 阶梯涨幅：Base 涨 25% 入职，转正后第 3 个月再涨 15%（绑定试用期表现）。
  • 策略 3 价值重定位：让 AI 给你一段"非薪资价值"话术（成长路径/团队/项目影响力），引导对方降低纯薪酬权重。
  • 每种策略 AI 同时输出"对方可能的反问 + 你的应对话术 3 句"。
参考答案 · 思路
  • ① 漏斗图：JD → 简历 → 初筛 → 面试 → Offer → 入职 每步转化率。
  • ② 渠道 ROI 柱状图：各渠道单位成本 / offer 接受率 / 试用期留存。
  • ③ 周期分布：各岗位平均关闭周期，谁卡了。
  • ④ 候选人画像聚类：录用 vs 流失候选人画像差异，下季招聘策略输入。
参考答案 · 思路

用一句话+三条线划清。一句话：能上云的工具走云、不能上云的数据走 Marvis 本地。三条线：① 公开数据（市场分析、JD 模板）随便用云；② 公司内部非敏感（沟通话术、流程模板）走 Marvis 效率模式；③ 候选人 PII / 面试录音 / 薪资 Offer 走 Marvis 隐私模式或干脆不用 AI。给团队一张"数据类型 × 允许工具"对照表，挂在飞书 wiki 上。

PART C

实操题 · 写完整 Prompt

8 题 × 4 分 = 32 分

给场景，你写一段可以直接粘进 Marvis 的完整 Prompt（角色 + 任务 + 输入 + 输出格式 + 约束）。讲师按"可直接执行性"评分。

参考 Prompt
你是一位资深 HRBP，服务过 SaaS / B 端互联网公司，熟悉招聘市场和拉勾/Boss 直聘 SEO 规则。 任务：基于业务方给出的招聘需求，生成 3 个版本的 JD。 业务方原话："招一个能搭增长团队的运营负责人，3-5 年经验，最好做过 SaaS。" 请按以下 3 个版本输出（每版独立，用 ## 分隔）： 1. 保守版 — 面向"求稳"的成熟期候选人，强调团队 / 平台 / 公司沉淀 2. 激进版 — 面向"想搏一搏"的早期阶段候选人，强调影响力 / 空间 / 股权 3. 性别中立版 — 去掉所有性别 / 年龄 / 婚育暗示，符合《就业促进法》 每版 JD 结构： - 岗位标题（带 1 个 SEO 关键词） - 团队背景（2 句） - 核心职责（5 条，动词开头） - 任职要求（5 条，区分 must-have / nice-to-have） - 我们提供（4 条） - 内嵌 3-5 个搜索高频关键词 约束： - 用中文，语气专业但不死板 - 不出现性别 / 婚育 / 户籍 / 学历歧视性表述 - 薪资范围用"面议"或"具体面谈"，不写区间
参考 Prompt
你是一位 HR 助理，擅长批量处理简历文件。请在隐私模式下完成以下任务。 任务：扫描我电脑上以下三个位置，把所有简历归集到一个本地文件夹并按岗位分类。 扫描位置： 1. ~/Desktop/2026-Q2-简历/ 2. 邮箱"招聘"标签下的所有附件 3. ~/Downloads/WeChat Files/ 下最近 30 天的 PDF/Word/JPG 处理步骤： 1. 识别每份文件是否为简历（含姓名 + 联系方式 + 工作经历） 2. 提取核心字段，输出 JSON 数组： { 文件路径, 姓名, 手机号末 4 位, 最近公司, 最近职位, 应聘岗位推测, 工作年限 } 3. 把简历复制到 ~/HR/2026-Q2/<岗位>/ 子目录下 4. 重命名为：YYYYMMDD_姓名_最近公司.pdf 5. 输出统计：总简历数 / 各岗位分布 / 重复简历 / 无法识别文件 约束： - 全程隐私模式，原始文件不离本机 - 候选人信息只在本地 JSON 输出，不向云端发送 - 简历内容不复述，只提结构化字段 - 重复识别按姓名 + 手机号末 4 位去重
参考 Prompt
你是一位资深 HR，负责筛选增长运营负责人岗位。请在隐私模式下完成。 输入： 1. JD 文件 ~/HR/2026-Q2/增长运营负责人/JD.md 2. 简历文件夹 ~/HR/2026-Q2/增长运营负责人/resumes/（100 份 PDF） 筛选维度（每维 0-5 分）： 1. 行业匹配（SaaS / B 端权重最高） 2. 技能匹配（用户增长 / 数据驱动 / 渠道运营三选二） 3. 成长曲线（近 5 年职级是否爬升 / 公司规模是否升级） 4. 稳定性（近 5 年是否平均每段 ≥ 2 年） 5. 风险提示（频繁跳槽 / 行业跨度过大 / 信息缺失） 任务： - 给每份简历打 5 维分 + 加权总分（行业 25% / 技能 30% / 成长 25% / 稳定 15% / 风险 -5%） - 按总分倒序输出 TOP 20 - 每人附：30 字匹配理由 + 1 条最大风险 + 建议下一步（约面 / 笔试 / 待定） 输出格式：Markdown 表格，列：排名 / 姓名（脱敏：姓 + *）/ 总分 / 行业 / 技能 / 成长 / 稳定 / 风险 / 匹配理由 / 风险 / 下一步 约束： - 隐私模式，不上云 - 不复述简历原文，只输出评分和理由 - 信息缺失字段标 N/A 不要猜
参考 Prompt
你是一位资深 HRBP，擅长从多源信息构建候选人立体画像。在隐私模式下完成。 输入： 1. 简历 ~/HR/.../zhang_resume.pdf 2. GitHub URL：https://github.com/zhangxx 3. 朋友圈截图 3 张 ~/HR/.../zhang_moments/*.png（已获候选人 GitHub 公开授权 / 朋友圈截图候选人本人同意发出） 任务：30 秒内生成候选人综合画像。 画像 5 维： 1. 核心优势（3 条，基于简历硬指标 + GitHub 项目活跃度） 2. 潜在风险（2 条，跨行 / 稳定性 / 期望薪资） 3. 必问追问点（5 个，可在面试现场直接用） 4. 匹配度评分（0-100 + 一句话总评） 5. 下一步建议（约面 / 笔试 / 婉拒） 输出格式：Markdown，每维独立 ## 标题 约束： - 朋友圈截图不外传不复述具体内容，只用作"生活态度推断"维度，标注"推断有限，仅供参考" - 不做任何婚育 / 政治 / 宗教 / 健康相关推断 - 简历缺失字段标 N/A - 匹配度评分必须给出 5 个维度的得分明细 - 评估意见保存在本地，不上云
参考 Prompt
你是一位资深面试官，擅长设计针对性问题挖深候选人真实水平。 输入： 1. JD ~/HR/.../JD.md 2. 候选人画像 ~/HR/.../zhang_profile.md（含优势 / 风险 / 必问点） 任务：生成 10 个面试问题，每题配 3 层追问支线。 问题分布： - 2 题 自我介绍 + 跳槽动机 破冰 - 4 题 经验深挖（针对画像里的"核心优势"和"必问追问点"） - 2 题 技能验证（场景题，让候选人现场分析） - 1 题 风险点试探（针对画像里的"潜在风险"） - 1 题 反问引导（看候选人对岗位的真实关注度） 每题结构： - Q：问题原文（一句话，10-30 字） - 追问 1：候选人答正向时怎么深挖（看天花板） - 追问 2：候选人答含糊时怎么逼一逼（看真假） - 追问 3：候选人答负向时怎么收尾（保持气场） - 评估维度：这题挂在哪个评分项上（专业 / 沟通 / 思考结构 / 动机 / 红旗） 输出格式：Markdown，按"破冰 / 深挖 / 验证 / 风险 / 反问"5 大块分组 约束： - 问题贴合候选人画像，不要通用题 - 不出现性别 / 婚育 / 户籍 / 政治倾向相关问题 - 给面试官 2 个备用问题以防候选人答得过快
参考 Prompt
在 Marvis 隐私模式下完成。 输入：录音 ~/HR/.../zhang_interview_20260520.m4a（50 分钟） 任务： 1. 本地转写录音为带时间戳的文本（每段 30 秒一段） 2. 基于转写文本，生成结构化面试评估表 评估维度（每维 1-5 分 + 证据）： 1. 专业能力 — 答得对不对、深不深 2. 沟通表达 — 表达是否清晰、有结构 3. 思考结构 — 拆解问题是否有方法论 4. 动机匹配 — 跳槽原因 / 对岗位的兴趣是否真实 5. 红旗信号 — 矛盾陈述 / 回避问题 / 价值观风险 每维输出： - 评分（1-5） - 关键证据（候选人原话引用，带时间戳） - 1 句话主观判断 最后输出： - 综合评分（5 维加权，专业 30% / 沟通 20% / 结构 20% / 动机 15% / 红旗 15%） - 录用建议（强推 / 推荐 / 待定 / 不推荐） - 给业务方的 200 字 summary - 候选人未答清楚的 2 个追问，留二面用 约束： - 整个流程本地完成，转写文本和评估表存在 ~/HR/.../local_only/，90 天后自动删除 - 候选人姓名脱敏（张 *），手机号身份证不出现在输出里 - 不上云、不联网模型调用
参考 Prompt
你是一位有温度的 HR，擅长写拒绝信也能留住候选人口碑。隐私模式下完成。 输入： 1. 候选人列表 ~/HR/.../rejected_35.csv（含姓名 / 应聘岗位 / 最亮经历 1 句 / 拒绝原因分类） 2. 公司沟通调性指南 ~/HR/.../tone_guide.md 任务：为 35 位候选人各生成一封拒绝信。 每封信结构： - 称呼：尊称 + 姓 - 第 1 段：感谢 + 引用一个他的具体亮点（必须来自他的最亮经历，不能套话） - 第 2 段：本次未匹配的"具体原因"（不是"暂未匹配"这种废话，给到他能改进的方向） - 第 3 段：留下"未来欢迎再投"的口子 + 1 句鼓励 - 落款：HR 姓名 + 公司 约束： - 不超过 200 字 / 封 - 不出现"我们决定不录用"这种生硬措辞 - 不能给虚假反馈（说他"很优秀只是岗位不合适"如果其实是技能不够，要含蓄但真实） - 每封信中那句"具体亮点"必须真的引用他简历里的内容，不能编造 - 输出 35 封信到 ~/HR/.../reject_letters/，文件名为 reject_<姓名拼音>.md - 不批量群发，每封单独存为草稿等我 review
参考 Prompt
你是一位资深薪酬谈判顾问，熟悉互联网 / SaaS 行业的薪酬结构和谈判心理学。 输入： - 候选人现状：在 A 公司 P5，月薪 25K，年包 35w（含奖金） - 我方初始 Offer：P5 月薪 30K，年包 42w - 候选人反提：要求 base 涨到 35K（即 +40%），其它不动 - 我方预算上限：年包 50w，但 base 月薪不能超过 33K（薪酬带限制） - 业务方判断：他能力达标但不是 must-have，预算紧时可以放掉 任务：生成 3 套谈判应对策略，每套含完整话术。 每套结构： - 策略名（一句话定位） - 适用判断（什么情况下用这套） - 给候选人的等效薪酬测算（base + 签字费 + 股票，2 年 / 4 年等效年化） - 完整话术（300-400 字，可直接打电话用） - 候选人 3 种可能反问 + 我方应对话术（各 1-2 句） - 失败信号（出现这些就要切到下一套或放手） 策略方向建议： 1. 总包对冲（base 不动，签字费 / 股票补足） 2. 阶梯涨幅（base 涨一部分，转正 + 半年再涨） 3. 价值重定位（话术引导对方降低纯薪酬权重） 约束： - 话术口语化，能直接打电话用 - 不承诺薪酬带以外的内容 - 包含"我们的诚意 vs 流程边界"的明确边界感 - 最后给一条 fallback：如果三套都谈不下来，怎么体面放手并保持长期关系
PART D

综合设计题 · 工作流

2 题 × 9 分 = 18 分

不只是"我打算做什么"，而是要把工作流画出来——节点、流转、AI/人分工、合规边界。讲师按"完整性 / 落地性 / 合规度"评分。

要求覆盖：① 流程节点（9 步漏斗）② 每步 AI 做什么 / 人做什么 ③ 数据流向（哪些走云 / 哪些走本地）④ 合规检查点（至少 3 个）⑤ 季度复盘机制

参考工作流

I. 流程总览（9 步漏斗）

  • 1. JD 撰写 · AI = Marvis 效率模式 3 版 JD；人 = 业务方 30 分钟 review 终稿。
  • 2. 渠道发布 · AI = 自动嵌入 SEO 关键词 + 多渠道适配；人 = 选渠道 + 预算分配。
  • 3. 简历归集 · AI = Marvis 隐私模式扫描邮箱 / 桌面 / 微信，统一格式；人 = 检查归集报告。
  • 4. 智能筛选 · AI = 5 维评分 + TOP 20 输出（隐私模式）；人 = 抽样 review + 调权重跑第二轮。
  • 5. 候选画像 · AI = 30 秒 5 维画像；人 = 1 句主观判断 + 决定要不要面。
  • 6. 面试问题 · AI = 10 题 + 追问支线；人 = 业务面试官 review 选 6 题进场。
  • 7. 面试评估 · AI = 隐私模式录音转写 + 5 维评估；人 = 综合判断 + 录用建议。
  • 8. Offer 谈判 · AI = 3 套话术准备；人 = 电话沟通 + 实时调整。
  • 9. 入职 onboarding · AI = checklist + 第一周 follow-up 自动跟进；人 = 关键节点 1-on-1。

II. 数据分流原则

  • 云端（效率模式）：JD 文案、市场分析、通用话术。
  • 本地（隐私模式）：所有候选人 PII、简历、画像、录音、评估表、Offer 信息。

III. 合规检查点

  • ① 收集前：候选人提交简历时勾选"同意 AI 辅助筛选"知情条款。
  • ② 处理中：每周抽查"哪些数据进了云"，确认无 PII 泄漏。
  • ③ 处理后：未录用候选人数据 90 天后自动删除（个保法限期）。

IV. 季度复盘机制

季末用 AI 生成 4 张图（漏斗 / ROI / 周期 / 画像聚类），HR + 业务负责人 1 小时 review，输出下季度调整：① 渠道预算 ② 评分权重 ③ 流失高发岗位的画像重定义。

V. 风险 fallback

每月底导出工作流"AI 出错 case 库"——把 AI 筛错 / 评估偏差的案例归档，下季度 Prompt 迭代输入。

要求覆盖：① 48 小时应急动作 ② 候选人通知策略 ③ 内部追责边界 ④ 长效防控（工具/流程/培训）⑤ 怎么向法务和监管解释

参考方案

I. 48 小时应急（按优先级）

  • 0-2h：HR 立即停用账号，确认有无导出 / 二次外发。
  • 2-6h：联系 OpenAI 提交 GDPR / 数据删除请求（虽然不保证生效，但留下书面动作）；同步合规部和法务。
  • 6-24h：内部排查——这位 HR 是否有其它类似操作？团队还有谁可能这么用？拉一次全员 AI 工具使用调研。
  • 24-48h：完成事件报告（时间线 / 数据范围 / 影响评估 / 已采取措施 / 待跟进项），存档备查。

II. 候选人通知

根据《个保法》第 57 条，发生或可能发生个人信息泄露时应当立即采取补救措施并告知个人。

  • 通知 30 位候选人：泄漏事实、数据范围、已采取动作（删除请求 / 内部追责）、给他们的权利（要求删除、补救、投诉路径）。
  • 语气：诚实但克制，不洗白，明确歉意，提供专门联系人。
  • 避免：群发模板感太重 / 把责任甩给员工个人 / 试图掩盖。

III. 内部追责边界

  • 当事 HR：警告 + 强制完成合规复训，不应直接开除（很可能是培训不到位而非恶意）。
  • HR 团队 lead：负有培训和工具规范责任，承担管理责任。
  • IT/合规部门：检视为什么没有技术拦截（如域名黑名单 / DLP 数据防泄漏）。

IV. 长效防控（三层）

  • 工具层：IT 在网络层屏蔽 OpenAI / Claude / Kimi 等云 AI 域名（白名单只留 Marvis 等本地工具）；DLP 拦截剪贴板含手机号 / 身份证号往云端 AI 域名粘贴。
  • 流程层：所有 HR 处理简历前自动弹窗"数据敏感度提示"；月度抽查 5% 操作日志。
  • 培训层：每季度 1 次"AI 合规红线"复训（30 分钟 + 5 道情景题），不通过者暂停 AI 工具权限。

V. 对外解释

  • 对法务：事件性质（无主观恶意 / 培训不到位）+ 已采取动作 + 长效机制，争取按"过失而非故意"定性。
  • 对监管（如收到约谈）：完整时间线 + 整改报告 + 第三方合规审计承诺。
  • 对外（如媒体询问）：不主动披露但不否认，统一口径："已第一时间采取补救措施并完成整改，相关候选人均已告知"。

评分要点：① 是否分时间窗有应急动作 ② 是否真的通知候选人 ③ 是否区分"个人责任"和"管理责任" ④ 是否给出技术 / 流程 / 培训三层防控 ⑤ 是否懂个保法第 57 条。

提交查看答案

点击后会自动批改 Part A，并展示所有题目的参考答案。Part B/C/D 由讲师批改，建议先答完再提交。

客观题自动批改 + 参考答案

Part A 已自动批改；Part B/C/D 请对照参考答案自评或交讲师。
0/40
Part A 客观题得分 Part A 是自动批改部分。综合通过分是 70/100，请加上 B/C/D 的自评分判断是否通过。 已通过 Part A 基准（≥ 28/40）

分块得分参考

下一步：把这张卷子 + 你 Capstone 工作流（Part D Q39 答案 + 你自己搭的 Prompt 库）一起发给讲师审核， 审核通过即获得训练营结业证书。讲师邮箱：terrencezhang17@gmail.com