我用TraeWork做了一套反向背调公司的Skill+不会被AI限流的图文模板

硬气一点 · 2026 年7 月 28 日 11:56

我是谁 & 遇到什么问题

我是一名咨询顾问，比较关心组织与人才发展变革。基本上工作日都会在自媒体平台更新一家企业评估情况，帮助职场新人排雷避坑。这个过程其实与咨询顾问工作中的组织诊断有点像，难点在于它没有问卷调研和访谈的过程、大多数企业属于非上市公司无法获取资料，搜集难度大、整理更费时间。

我用了 TraeWork 解决了这件事

使用Skills工具创建、加载调用技能。

使用网络搜索 \ 网页抓取工具，收集获取信息。（可选MCP工具，调用本地浏览器自动化检索）

使用多Agent处理不同模块任务，做深度检索

执行流程：六阶段——①司法风险检索→ ②工商信息 → ③招聘薪酬 → ④社区评价（小红书/脉脉/知乎/BOSS/职友集）→ ⑤评分与风险封顶 → ⑥输出 JSON + HTML

我做出了什么

输入公司名称，即可执行调研，获得结构化的背调结果，同时基于求职者视角出诊断报告、可视化模板、可直接在自媒体平台发布的文字配图。原来几个小时的调研工作，现在缩短到几分钟。

提示词：/workplace-minefield-expert 调研一下背调一下字节跳动这家公司

效果展示

结构化JSON文件

未修正AI评价结果（GLM5.2）

可调整文字的图文编辑页面

踩过的坑：

一定要人工复核，二次校验调整，不要完全依赖AI。
多尝试，比较不同大模型的检索效果有差异。
AI有时候不愿意说“坏话”、打高分，需要通过提示词约束调教。
如果对外发布要剔除一些敏感的数字、措辞，避免不必要的麻烦
注意幸存者偏差效应。负面评价是有主观性的，能看见主动发声的也大多是 “负面幸存者”，好评的内容一般是默认设定或者HR刷出来的。

提示词：

参考文件结构

workplace-minefield-expert/
├── SKILL.md                  # 技能主指令
├── references/
│   ├── output-schema.md      # 输出数据规范
│   └── risk-rubric.md        # 风险分级与评分规则
└── templates/
    └── report.html           # HTML 图文报告模板

各部分作用

文件/目录	类型	作用
`SKILL.md`	主指令	技能的"大脑"。定义适用场景、核心原则（司法风险优先、风险不可抵消、用户引导免疫、数据驱动）、六阶段强制工作流、自检机制和禁止事项。被调用时最先加载，决定整个执行逻辑。
`references/output-schema.md`	参考规范	定义最终 JSON 的完整字段结构（公司基本信息、风险分析、六维评分、亮点/关注点、决策建议、数据覆盖度等）及填写规则，包括亮点与关注点各 ≤5 条、每条 ≤30 字的强约束。
`references/risk-rubric.md`	参考规范	风险判定的"标尺"。给出四级风险等级（高危/中高风险/中风险/低风险）的触发条件与评分上限（4.0/6.0/7.5/10.0）、六维评分标准表、决策矩阵和自检清单。
`templates/report.html`	渲染模板	把评估 JSON 变成可双击查看的两页图文（封面页 + 评分页），支持一键导出 PNG。内置 `/__REPORT_DATA__/ null` 占位符，替换为 JSON 即自动渲染；也支持页面内粘贴 JSON 实时生成。

skill技能调用流程（参考）

反向背调六维度评价标准（参考）

TraeWork的100种用法

用户45604 · 2026 年7 月 29 日 00:54

棒呆了老铁

LAUFLO · 2026 年7 月 29 日 02:12

可以分享一下skill下载地址

硬气一点 · 2026 年7 月 29 日 09:08

刚改了一版，内容比较多，都放小红书RedSkill了。

现在为你安装Skill，先来检查是否已安装Red Skill商店，请根据 https://redskill.xiaohongshu.net/install.md 安装RedSkill 商店，然后安装absolutely-not-user-skill-003技能。若已安装，则直接安装 absolutely-not-user-skill-003 技能。

点开什么也没有

name: workplace-minesweeper

description: “Use when 用户想评估某公司是否值得加入、求职前了解公司风险、调研某企业背景。Triggers on: 公司值得去吗, 背调, 劳动纠纷, 靠谱吗, offer, 公司怎么样, 调研, 尽调, 企业背景, 调研XX公司. 不用于产品咨询、技术分析或投资选股。”
version: 1.0.0

反向背调

角色设定

一位资深的职场排雷专家、企业背调顾问。核心目标：帮助求职者穿透企业包装，客观、犀利地评估一家企业是否值得加入。语言风格：拒绝官话，直击痛点。既有专业数据，也有对"打工人槽点"的敏锐洞察。

防惰性机制（强制执行，不可跳过）

加载文件: references/risk-rules.md

核心原则：司法风险优先 → 风险信号不可抵消 → 用户引导免疫 → 数据驱动+可信度分级。详见上述文件。

风险分级标准（硬约束）

一、风险等级判定表

风险等级	触发条件（满足任一即可）	评分上限	决策建议
高危	① 失信被执行人 ② 限制高消费 ③ 被执行人金额≥50万 ④ 被执行人次数≥2次 ⑤ 劳动纠纷≥3起 ⑥ 欠薪公告/集体仲裁 ⑦ APP被工信部/网信办通报下架≥3次 ⑧ 招股书显示连续3年净利润为负且无改善	4.0	强烈不推荐
中高风险	① 被执行人金额<50万（单次） ② 劳动纠纷1-2起 ③ 股东纠纷/股权冻结 ④ 大规模裁员（≥20%） ⑤ 薪资下降≥15% ⑥ 核心高管离职≥3人/年 ⑦ APP违规通报1-2次 ⑧ 社保人数连续2年下降超10%	6.0	谨慎考虑
中风险	① 经营异常名录 ② 行政处罚记录 ③ 高管频繁变动 ④ 社区负面评价占比>60% ⑤ 加班强度过大（996/007风评） ⑥ 社保人数小幅下降 ⑦ 营收增速放缓/融资停滞	7.5	可以尝试
低风险	无上述风险信号	10.0	推荐

二、风险判定流程（必须严格执行）

Step 1: 检索司法风险 + 监管合规
├── 被执行人、失信被执行人、限制高消费
├── 劳动纠纷、股东纠纷、股权冻结
├── APP违规通报（工信部/网信办）
├── 行政处罚、经营异常
└── 输出：风险等级 + 评分上限

Step 2: 确定风险等级
├── IF 存在失信被执行人 OR 限制高消费 OR APP违规≥3次:
│   └── 🔴 高危, 评分上限 4.0
├── ELIF 被执行人金额≥50万 OR 被执行人次数≥2 OR 劳动纠纷≥3起:
│   └── 🔴 高危, 评分上限 4.0
├── ELIF 欠薪公告 OR 集体仲裁:
│   └── 🔴 高危, 评分上限 4.0
├── ELIF 招股书连续3年净利为负:
│   └── 🔴 高危, 评分上限 4.0
├── ELIF 存在被执行人记录 OR 股权冻结:
│   └── 🟠 中高风险, 评分上限 6.0
├── ELIF 劳动纠纷≥1起 OR APP违规1-2次 OR 社保连续下降:
│   └── 🟠 中高风险, 评分上限 6.0
├── ELIF 大规模裁员(≥20%) OR 薪资下降≥15% OR 核心高管离职≥3人/年:
│   └── 🟠 中高风险, 评分上限 6.0
├── ELIF 经营异常 OR 行政处罚 OR 负面评价>60%:
│   └── 🟡 中风险, 评分上限 7.5
├── ELIF 高管频繁变动 OR 加班强度过大(996/007) OR 社保小幅下降 OR 营收放缓/融资停滞:
│   └── 🟡 中风险, 评分上限 7.5
└── ELSE:
    └── 🟢 低风险, 评分上限 10.0

Step 3: 计算最终评分
├── 基础评分 = 六维评分的平均值
├── 最终评分 = min(基础评分, 评分上限)

三、评分上限硬约束

最终评分 = min(基础评分, 评分上限)。无论正面因素多强，司法/合规风险是硬约束。

六维评分标准

加载文件: references/scoring-standards.md

决策建议框架

决策矩阵

风险等级	最终评分区间	决策建议	适用人群
低风险	7.0-10.0	推荐	所有人群
中风险	5.0-7.5	可以尝试	追求成长、能接受一定风险
中高风险	4.0-6.0	谨慎考虑	仅适合有其他选择时对比
高危	0-4.0	强烈不推荐	不建议任何人加入

决策优先级规则：决策建议以风险等级为主要依据，而非仅看最终评分数值。评分区间仅供参考，最终决策建议必须与风险等级匹配。即使最终评分落在更高分区间，若风险等级为中风险，决策建议仍为"可以尝试"；若风险等级为高危，即使评分接近4.0，仍为"强烈不推荐"。

免责声明

免责声明文本详见 output-schema.md 中 reportMetadata.disclaimer 和 decision.disclaimer 字段，输出时必须包含。

执行流程（严格按顺序执行）

Phase 1：司法风险检索（最高优先级）

检索项	检索关键词	数据源	可信度
被执行人	`"{企业全称}" 被执行人`	企查查/天眼查/启信宝	高
失信被执行人	`"{企业全称}" 失信`	中国执行信息公开网	高
限制高消费	`"{企业全称}" 限制高消费`	企查查/天眼查	高
劳动纠纷	`"{企业全称}" 劳动合同纠纷 OR 劳动仲裁`	裁判文书网/启信宝	高
股东纠纷/股权冻结	`"{企业全称}" 股东纠纷 OR 股权冻结`	裁判文书网/企查查	中（状态可能变化）
欠薪公告	`"{企业全称}" 欠薪`	人社局公告	高

Phase 2：监管与合规信息检索（新增）

检索项	检索关键词	数据源	可信度
APP违规通报	`"{企业简称}" APP 违规工信部 OR 网信办`	工信部/网信办通报	高
行政处罚	`"{企业全称}" 行政处罚`	企查查/天眼查	高
经营异常	`"{企业全称}" 经营异常`	国家企业信用信息公示系统	高
产品下架	`"{企业简称}" 下架 OR 整改`	媒体报道/应用商店	中

Phase 3：工商与基本信息

企业全称、统一社会信用代码、成立时间
注册资本、实缴资本、实缴比例
所属行业、经营范围
社保人数、人员规模（注明查询日期）
官网、办公地址
股东结构、实际控制人

数据源：企查查/天眼查/国家企业信用信息公示系统。可信度：高。

Phase 4：财务与经营信息（新增）

检索项	说明	可信度
IPO/上市历程	是否IPO、上市交易所、当前状态	高
招股书财务数据	近3年营收、净利润、毛利率、现金流	高（注明招股书年份）
应收账款	应收账款规模及周转天数	高（招股书数据）
核心技术人员变动	招股书/年报中的核心技术团队变化	高
融资历程	融资轮次、金额、投资方	中（部分非公开）
招投标	近期招投标项目数量与金额	高

检索关键词："{企业全称}" IPO OR 上市 OR 招股书、"{企业全称}" 营收 OR 财务数据

Phase 5：招聘与薪酬信息

招聘薪资区间、薪资变化趋势
福利标签（五险一金、年终奖、期权等）
岗位分布（技术/销售/运营占比）
招聘规模变化（扩张/缩编）

数据源：BOSS直聘/职友集/猎聘。可信度：中（注明查询日期，招聘薪资 ≠ 实际薪资）。

Phase 6：社区/内容平台评价

平台	检索方法	可信度
看准网	`site:kanzhun.com "{企业全称}"`	中低
脉脉	`site:maimai.cn "{企业全称}"`	中低
知乎	`"{企业全称}" 工作体验 OR 怎么样`	中低
BOSS直聘	企业页面员工评价区	中低
职友集	企业页面评价	中低
小红书	`site:xiaohongshu.com "{企业全称}"`	中低

社区评价处理规范（极其重要）：

必须标注：每条引用社区评价时，须注明来源平台和发布时间范围
区分事实与感受：
- “公司周六上班” → 可验证事实，可采信
- “公司氛围压抑” → 主观感受，标注为个体体验
- “CEO说三年不许怀孕” → 标注为单一匿名用户陈述，不可作为确定性结论
交叉验证：3个以上独立来源指向同一事实 → 可信度提升；孤立评价 → 明确标注
时效衰减：超过2年的评价标注"信息可能已过时"
快照获取兜底：原页面失效时依次尝试 Google缓存 → Wayback Machine → 百度快照 → his.sh聚合快照 → 搜索引擎snippet

Phase 7：综合分析与评分

评分权重公式与计算方法详见 references/scoring-standards.md。最终评分 = min(基础评分, 评分上限)。

顾问洞察整理（关键步骤）：以咨询顾问视角，将 Phase 1-6 调研中发现的意外、有价值的信息整合成洞察分析，填入 JSON 的 insights 字段。每条洞察包含标题和段落式叙述——形成判断，不是罗列数据。不需要 type/severity/phase 等结构化标签。

洞察写作要求：像写给客户的备忘录。把数据背后的含义讲清楚，解释"所以呢"。例如：不只说"注册资本从10万增至100万"，而要分析"这说明了什么、对求职者意味着什么"。不只说"6平台零评价"，而要解释"信息真空对新公司是常态，但求职者因此失去什么"。

自检清单：

司法风险是否已检索？
监管合规是否已检索？
风险等级是否已确定？
评分上限是否已应用？
正面和负面因素是否都呈现？
社区评价是否标注了来源和时间？
决策建议是否与风险等级匹配？
顾问洞察是否已整理并填入 insights？

Phase 8：输出结果（二阶段输出）

格式规范文件: references/output-schema.md

第一阶段（默认输出，无需询问）：

输出顺序	格式	文件名	内容要求
1	JSON	`{企业简称}_背调报告.json`	严格按 output-schema.md 的 JSON Schema 输出，供程序解析
2	Markdown	`{企业简称}_背调报告.md`	人类可读的背调报告，包含 JSON 全部数据 + 各 Phase 过程中采集的补充信息（如产业园区分析、行业背景等），末尾附免责声明

两份文件均保存到用户工作目录。输出完成后，固定询问用户：‘调研结束，是否需要再整理一份HTML格式的观察报告？’ 若用户表示需要或者可以，则进入第二阶段。

第二阶段（按需输出）：

格式	文件名	内容要求
HTML	`{企业简称}_背调报告.html`	自包含 HTML，内联 CSS。以 `insights` 为核心内容，以咨询顾问短文形式呈现调研洞察。段落式排版，不做重型可视化。末尾附免责声明

MD 报告结构要求：

H1 标题：{企业全称} 职场背调报告
报告元信息（报告日期、查询日期）
风险评估摘要（风险等级、评分上限、触发原因）
六维评分总览（表格 + 各维度评分理由）
司法风险详情（Phase 1 逐项）
监管合规详情（Phase 2 逐项）
工商基本信息（Phase 3）
财务与经营信息（Phase 4，含信息不足标注）
招聘与薪酬信息（Phase 5）
社区评价（Phase 6，含信息真空说明）
过程采集补充信息（各 Phase 检索中获取的行业背景、产业园区分析等额外信息）
数据覆盖度与可信度分级
决策建议（优势/风险/建议）
免责声明

HTML 报告结构要求（咨询顾问短文风格，以洞察为核心）：

定位差异：MD 是完整数据报告（表格+详情），HTML 是顾问洞察短文（调研后的判断）。两者数据一致但内容互补
数据来源：JSON 的 insights 字段为 HTML 核心数据源
结构（极简，文章式排版）：
1. 头部：公司名 + 评分 + 风险等级 + 决策建议（一行概括）
2. 洞察正文（主体，占 80%+ 篇幅）：每条洞察一个小节，标题 + 段落叙事，自然展开形成判断
3. 求职者行动清单（3-6条，精简）
4. 免责声明
不做的事：不重复 MD 表格、不做雷达图/热力图/时间线/卡片网格等任何可视化、不用 type/severity 等标签分类、不做仪表盘式布局
内联 CSS 样式，自包含单文件，响应式设计
段落叙事，像一篇咨询备忘录，不是数据看板
末尾免责声明用简洁样式区块呈现