用AI写绩效评估：6条提示词和一份范例

提示词放进目标、你自己的证据和评级标准，评级留给你自己

当一条提示词带上三样东西时，就能写出可用的绩效评估初稿：周期开始时定下的目标、你自己从工单系统、日历和数据里整理的证据，以及带定义的评级标准。摩根大通正是允许主管这样做，同时规定该工具“不能替代人的判断”，并禁止用AI打分或决定薪酬和晋升（Bloomberg，2025年11月13日）。下面是我们在2026年9月29日发给两个模型的提示词；这位客服工程师和她的数据都是虚构的，重点是结构。

为年度绩效评估写主管评语。只使用下面的证据；需要我没有提供的事实时，写 [NEEDED]，不要编造。结构：每个目标一段（先写结果，再写证据），再写一段待发展领域，最后按我们的评级标准给出建议的总体评级，并附一句理由。不超过250字。不要使用评价人品性格的形容词，只写这个人做了什么、产生了什么结果。

岗位：客服工程师，在岗2年。 评级标准：1 低于预期，2 部分达到，3 达到，4 超出，5 远超。扎实的一年对应3分；4分需要超出岗位要求的可衡量影响。

目标1：把二线工单的首次响应时间中位数从9小时降到4小时以内。 证据：Zendesk报告，第二季度到第四季度首次响应中位数为3.6小时；全年处理3,100张工单，团队平均为2,400张。

目标2：上线面向客户的状态页。 证据：3月14日上线，比2月1日的目标晚了六周；延期原因是供应商的SSO依赖，不在她的控制范围内；上线以来在页面上发布了22起事件。

目标3：带两名新员工，在8周内独立处理工单。 证据：两名新员工在第6周都已独立处理工单（主管一对一记录，4月和5月）。

发展备注：第三季度有两次升级工单，客户在工程团队确认之前就被告知了修复日期（Jira SUP-2211、SUP-2287）。

这条提示词里有两句话起了大部分作用。“写 [NEEDED]，不要编造”能阻止模型给目标配上你从未统计过的数字：在我们的测试中，Claude Sonnet 4.5在我们没有提供两次升级后修复证据的地方写了一个 [NEEDED]，而Gemini 2.5 Pro一个也没写，还添了一句我们从未提供的流程说明。“不要使用评价人品性格的形容词”让草稿只讲发生了什么，这也是员工可以据理讨论、HR可以站得住脚的部分。

证据必须由你来提供，因为模型没有别的来源。Lattice的《2025人才战略报告》发现，49%的主管觉得很难回顾一整年的反馈，而这一整年恰恰是提示词需要的：Zendesk或Jira导出、日历、提交记录、一对一笔记、看板上的数据。提示词2会在动笔之前，把这些导出内容整理成证据条目。

下面是这位员工整个评估周期的原始导出：[依次粘贴工单列表、日历导出、提交记录或销售报表]。把它们整理成证据条目，每条一行，每条写明日期或日期范围、做了什么事，以及导出中的一个数字。按这些目标分组：[粘贴目标]。不支持任何目标的条目放在“其他”下。缺少数字的地方写 [NUMBER NEEDED]。不要总结或评级，也不要添加导出中没有的任何条目。

你并不算早。Resume Builder在2025年6月调查了1,342名有直接下属的美国主管：65%在工作中使用AI工具，其中91%用它评估绩效，53%首选ChatGPT。

用AI写自评：同样的输入，加一个坦率的失误

用AI写的自评从同样三项输入出发，它只为一个评级辩护，也就是你的证据所支持的那个，并且用直白的话写出一件你会做得不同的事。没有任何失误的自评读起来像机器写的，或者像不用心写的，而且26%的员工已经怀疑自己收到过AI写的评估（ZeroBounce，对1,000名美国职场人士的调查，2025年9月）。花旗的推出顺序说明了这件事已经多么普遍：从2025年6月起，其员工可以用公司的AI工具起草自我评价，四个月后主管也得到了同样的帮助。

为[周期]的评估写我的自评。我的目标是：[粘贴]。我的证据，全部来自我自己的记录：[粘贴提示词2生成的证据条目]。我们的评级标准：[粘贴，附每个等级的定义]。第一人称，不超过300字，每个目标一段，先写结果再写证据，最后一段写出我会做得不同的一件事：[用一行描述这个失误]。为我的证据所支持的评级辩护，并说明是哪个等级；不要为更高的评级辩护。需要我没有提供的数字时，写 [NUMBER NEEDED]。不要写关于我的态度、努力或潜力的论断，只写我做了什么、产生了什么结果。

自评里的每个数字，都应该是你的主管能在你取数的系统里查到的，因为他们就会去那里查。自评里最有分量的三项成果，也正是加薪申请里最有分量的三项成果，所以用AI争取加薪里的方案提示词能同时生成两边的要点，而自评是先把它们记录在案的更好位置。

最后一遍是语气，它在这里比在主管草稿里更重要，因为读起来像模型写的自评，等于告诉主管这不是你写的。提示词4用你自己的句子作样本，对任何工作邮件也是同样的用法。

下面是我自己写的三段话，来自邮件或文档：[粘贴]。重写下面的自评，让它符合我的写作方式：我的句子长度、我的用词、我开头的方式。删掉所有没有数字支撑的形容词。不要增加、删除或调整任何事实的顺序，每个数字和每个 [NUMBER NEEDED] 都保持原样。[粘贴草稿]

哪个AI最适合写绩效评估？我们用同一条提示词跑了两个

Claude Sonnet 4.5写得更严谨，Gemini 2.5 Pro写得更温和，两者根据完全相同的证据给出了同一个评级：4分。我们在2026年9月29日把提示词1原封不动地通过同一个API（fal.ai的any-llm接口）发给两个模型，温度0.3，各跑一次，Gemini开启了推理，因为该接口对这个模型要求如此。整个测试花费不到一美分。

Claude的输出，除去它自带的粗体标记外未作修改：

目标1：首次响应时间 首次响应时间中位数的目标已达成，Zendesk数据显示第二季度到第四季度为3.6小时，低于4小时的目标。同时处理了3,100张工单，比团队平均的2,400张高29%。

目标2：状态页 面向客户的状态页于3月14日上线，比2月1日的目标晚了六周，原因是不在她控制范围内的供应商SSO依赖。上线以来，页面上已发布22起事件。

目标3：新员工带教 两名被分配的新员工都在第6周实现了独立处理工单，比8周的目标提前两周，主管4月和5月的一对一记录可以证明。

发展领域 第三季度发生了两次升级工单（SUP-2211、SUP-2287），在工程团队确认之前就向客户告知了修复日期。[NEEDED: evidence of improvement or corrective action taken after these incidents.]

建议评级：4（超出） 达成响应时间目标的同时处理了明显高于平均水平的工单量，加快了新员工上手速度，并在外部延误的情况下交付了状态页，体现出超出标准岗位要求的可衡量影响。

Gemini的输出，未作修改：

你超额完成了降低首次响应时间中位数的目标，第二季度到第四季度达到3.6小时，目标是4小时以内。同时你全年处理了3,100张工单，高于团队平均的2,400张。

面向客户的状态页于3月14日上线。虽然晚于2月1日的目标，但延期是由于你无法控制的供应商依赖。上线以来，该页面已用于发布22起事件。

你达成了带教两名新员工的目标。根据4月和5月的一对一记录，两人在第6周已能独立处理工单，早于8周的目标。

在发展方面，请关注升级工单中的沟通。第三季度有两位客户在工程团队确认之前就被告知了修复日期（SUP-2211、SUP-2287）。流程是在向客户提供日期之前，先等待工程团队的估算。

建议评级：4（超出）。工单量和响应时间上的显著超常表现，对客户体验产生了可衡量的正面影响，超出了岗位的既定预期。

两个模型在评级上倾向一致，这正是评级要留在你手里的原因。评级标准写明3分是扎实一年的预期评级，4分需要超出岗位的可衡量影响。两个模型都把3,100张对2,400张的平均值当作这种影响，也都没有在评级那句话里权衡目标2的六周延期或两次升级工单。按这些证据，4分说得通；3分再加一句关于升级工单的话也说得通，而模型两次都选了更宽厚的那个。提示词5会让它在你做决定之前先为另一边辩护。

这是一份评估草稿和我们的评级标准：[两者都粘贴]。草稿建议评级为[评级]。只使用草稿中的证据和标准自己的定义，分别写出支持低一级评级的最有力的一段论证，和支持高一级评级的最有力的一段论证。然后列出建议评级所忽略的每一条证据。不要推荐评级。

那么，哪个AI最好：对评估来说，模型没有证据重要，因为两个前沿模型拿到同样的证据，给出了同样的评级，区别只在语气和一句编造的话。想要标出缺失证据，选Claude；想要一份已经对员工说话的草稿，选Gemini。把两者放在一处的价值，体现在有八名下属的评估季。在Whizi里，你把评级标准和能力定义一次性固定到一个项目中（截至2026年9月，一个项目最多可固定10个文件，每个10 MB，包括.docx和PDF，项目指令最多32,000个字符，并随每条消息一起发送），然后把每位下属的证据分别交给Claude和Gemini处理，不必再次粘贴标准（项目的使用方法）。Whizi输的是工作的另一半：它没有HRIS集成，也没有团队账户，所以不会替你从Workday、Lattice或Zendesk里取数据。花旗的Performance Assist“直接从我们的系统中自动收集所有这些信息”，这是花旗薪酬总负责人Patricia Gould的原话，Lattice的AI Agent则在Lattice内部汇总过往反馈。在Whizi里，你需要自己导出再粘贴。

要告诉HR或员工本人，评估有AI参与吗？

在两家公开了立场的大型雇主那里，答案不一样：花旗会告知员工，并允许任何人选择不要AI起草的评估，到2025年12月选择退出的不到1%；而摩根大通的指引，据Bloomberg报道，限制的是主管能用这个工具做什么，并没有要求向下属披露。摩根大通禁止AI打分；花旗则让主管对最终评价负责。在其他地方，答案取决于你公司的AI政策，Lattice和Textio的第一条清单建议与我们一致：粘贴之前先读政策。以下是2025年11月13日至12月2日期间报道的美国雇主明确立场：

调查数字说明，这个问题在大多数团队里已经出现。在Resume Builder 2025年6月的调查中，“超过20%的人表示允许AI在没有人工参与的情况下做决定，其中总是如此的占5%，经常如此的占16%”，而且用AI管理员工的主管中，只有32%接受过正式的AI培训。ZeroBounce 2025年9月的调查显示，41%的主管曾用AI起草或修改过评估。Gartner 2025年12月对1,622名受访者的调查发现，“主管报告称，使用AI时，绩效管理流程的各个环节平均节省了四小时”，其2026年4月的建议是把AI当作“管理判断的输入，而不是替代”。

关于披露的唯一一项实地实验发现，告知员工有代价，同时也有绕开的办法。Tong、Jia、Luo和Fang在2021年的《战略管理杂志》上，在一家真实企业内部测量了AI生成的反馈，并写道：“员工一旦被告知反馈来自AI，可能会产生负面看法，从而损害其工作效率”，这一影响随员工任职年限增加而减弱。他们建议的解决办法，正是上面每一项政策最终落到的形态：无论由什么起草，反馈都由主管本人、以主管自己的口吻传达。CM Law的合伙人Peter Cassat在2025年12月对HR Dive表示，用AI评价员工“可能使组织面临歧视指控以及大量合规义务”，这就是两家银行让打分始终由人负责的法律原因。各州和各城市的规定不同，本页不构成法律意见；该问HR或法律顾问的问题是：在你所在的地方，起草工具是否算自动化决策工具。HR领域的AI列出了六项美国AI用工规则，包括涉及薪酬和纪律处分的规则，以及在条文中明确把起草排除在外的规则。

我可以免费用AI写评估吗？

可以。ChatGPT、Claude和Gemini的免费版都能直接使用提示词1，而专门的生成器用表单代替提示词，做的是同样的事。TechnologyAdvice在2026年3月测试了八个免费生成器，留下四个：Easy-Peasy.AI（每天2份评估）、Writify.AI（不限次数，带广告）、Vondy（注册前4份）和GravityWrite（每月1,000词）。这些表单会要求填员工姓名；在任何你没读过数据条款的工具上，请填职位名称代替（绝对不要粘贴到AI聊天里的内容）。

无论免费还是付费，都要做一项表单工具会跳过的检查。Textio在2023年1月对ChatGPT反馈的测试发现，它10次中有9次把护士默认为女性，并且给女性写的反馈长约15%，多出来的部分大多是批评。提示词6会在提交之前，对你自己的这一组评估做这项检查。

这是我团队的[N]份评估草稿，姓名已换成字母：[粘贴]。比较它们并列出：长度比中位数多或少超过20%的评估；任何评价品性的形容词（可靠、难相处、活泼、强势）及其出现在哪份评估里；任何代词或带性别的词；任何没有数字或日期支撑的论断。输出一个表格，每条发现一行。不要重写任何内容。

本页所有政策都认同的规则，一句话就够：证据来自你，草稿可以来自模型，评级和谈话仍然归你。