name: 解读文化指数 description: 解读文化指数（CI）调查、行为特征和个人评估数据。支持个体档案解读、团队组成分析（气/刹/胶）、倦怠检测、档案比较、招聘档案、管理教练、面试记录分析以预测特征、候选人简报、入职规划和冲突调解。通过OpenCV提取脚本接受提取的JSON或PDF输入。 allowed-tools:
- Bash
- Read
- Grep
- Glob
- Write
<essential_principles>
文化指数测量行为特征，不是智力或技能。没有“好”或“坏”的档案。
<principle name=“never-compare-absolutes”> 绝不比较人与人之间的绝对特征值。
0-10量表只是一个标尺。重要的是与红箭头的距离（人口平均值在50百分位）。箭头位置根据EU在不同调查中变化。
箭头移动的原因： 较高的EU得分导致箭头向右移动；较低的EU导致箭头向左移动。这不影响有效性——我们总是测量与箭头落点的距离。
错误示例： “Dan有更高的自主性，因为他的A是8对比5” 正确示例： “Dan距离他的箭头+3百分位；Jim距离他的箭头+1”
始终询问：箭头在哪里，点距离它多远？ </principle>
<principle name=“survey-vs-job”> 调查=你是谁。工作=你试图成为谁。
“你不能送鸭子上鹰学校。” 特征是硬连接的——你只能暂时修改行为，以能量为代价。
- 顶部图（调查特征）： 在12-16岁时硬连接。不改变。用你的优势手写字。
- 底部图（工作行为）： 工作中的适应性行为。可以改变。用你的非优势手写字。
两图之间的大差异表示行为修改，如果持续3-6个月以上，会耗尽能量并导致倦怠。 </principle>
<principle name=“distance-interpretation”> 与箭头的距离决定特征强度。
| 距离 | 标签 | 百分位 | 解释 |
|---|---|---|---|
| 在箭头上 | 规范 | 50th | 灵活，情境性 |
| ±1 百分位 | 倾向 | ~67th | 更容易修改 |
| ±2 百分位 | 显著 | ~84th | 明显差异 |
| ±4+ 百分位 | 极端 | ~98th | 硬连接，强迫性，可预测 |
关键洞察： 每2百分位距离=1标准差。
极端特征驱动极端结果，但更难修改，与普通人不太相关。 </principle>
<principle name=“l-and-i-exception”> L（逻辑）和I（创新性）使用绝对值。
与A、B、C、D不同，你可以在人与人之间直接比较L和I得分：
- 逻辑8表示“高逻辑”，无论箭头位置
- 创新性2表示“低创新性”，对任何人
只有这两个特征打破“无绝对比较”规则。 </principle>
</essential_principles>
何时使用
- 解读文化指数调查结果（个体或团队）
- 分析来自PDF或JSON数据的CI档案
- 使用气/刹/胶框架评估团队组成
- 通过比较调查与工作图检测倦怠风险
- 基于CI特征模式定义招聘档案
- 教练管理者如何与特定CI档案合作
- 从面试记录预测CI特征
- 使用CI档案数据调解团队冲突
何时不使用
- 用于非CI行为评估（DISC、Myers-Briggs、StrengthsFinder、Predictive Index、Enneagram）
- 用于临床心理评估或诊断
- 作为招聘/解雇决策的唯一基础——CI是众多数据点之一
<input_formats>
JSON（如果可用）
如果JSON数据已提取，直接使用：
import json
with open("person_name.json") as f:
profile = json.load(f)
JSON格式：
{
"name": "人名",
"archetype": "建筑师",
"survey": {
"eu": 21,
"arrow": 2.3,
"a": [5, 2.7],
"b": [0, -2.3],
"c": [1, -1.3],
"d": [3, 0.7],
"logic": [5, null],
"ingenuity": [2, null]
},
"job": { "..." : "与调查相同结构" },
"analysis": {
"energy_utilization": 148,
"status": "压力"
}
}
注意：特征值是[绝对, 相对箭头]元组。使用相对值进行解释。
检查PDF所在目录是否有匹配的.json文件，或询问用户是否有提取的JSON。
PDF输入（必须先提取）
⚠️ 绝不使用视觉估计特征值。 视觉估计有20-30%错误率。
当给定PDF时：
- 检查JSON是否已存在（与PDF相同目录，或询问用户）
- 如果没有，运行提取并验证：
uv run {baseDir}/scripts/extract_pdf.py --verify /path/to/file.pdf [output.json] - 视觉确认验证摘要匹配PDF
- 使用提取的JSON进行解释
如果uv未安装： 停止并指导用户安装（brew install uv 或 pip install uv）。不要回退到视觉。
PDF视觉（仅参考）
视觉仅可用于验证提取值是否合理，不用于提取特征得分。
</input_formats>
<intake>
步骤0：你有JSON或PDF吗？
- 如果提供或找到JSON： 直接使用（跳过提取）
- 检查PDF所在目录是否有匹配的
.json文件 - 检查用户是否提供JSON路径
- 检查PDF所在目录是否有匹配的
- 如果只有PDF： 运行提取脚本并带
--verify标志uv run {baseDir}/scripts/extract_pdf.py --verify /path/to/file.pdf [output.json] - 如果提取失败： 报告错误，不要回退到视觉
步骤1：你有什么数据？
- CI调查JSON → 进行步骤2
- CI调查PDF → 先提取（步骤0），然后进行步骤2
- 仅面试记录 → 转到选项8（从面试预测特征）
- 尚无数据 → “请提供文化指数档案（PDF或JSON）或面试记录”
步骤2：你想做什么？
档案分析：
- 解读个体档案 - 理解一个人的特征、优势和挑战
- 分析团队组成 - 评估气/刹/胶平衡，识别缺口
- 检测倦怠信号 - 比较调查与工作，标记压力/挫折
- 比较多个档案 - 理解兼容性、协作动态
- 获取激励建议 - 学习如何参与和保留某人
招聘与候选人： 6. 定义招聘档案 - 确定角色的理想CI特征 7. 教练管理者指导下属 - 基于双方档案调整管理风格 8. 从面试预测特征 - 分析面试记录以估计CI特征 9. 面试简报 - 基于预测特征评估候选人匹配度
团队发展： 10. 规划入职 - 基于新员工和团队档案设计前90天 11. 调解冲突 - 使用档案理解两人之间的摩擦
提供档案数据（JSON或PDF）并选择一个选项，或描述你需要的。
</intake>
<routing>
| 响应 | 工作流 |
|---|---|
| “提取”, “解析pdf”, “转换pdf”, “从pdf获取json” | workflows/extract-from-pdf.md |
| 1, “个体”, “解读”, “理解”, “分析一个”, “单个档案” | workflows/interpret-individual.md |
| 2, “团队”, “组成”, “缺口”, “平衡”, “气刹胶” | workflows/analyze-team.md |
| 3, “倦怠”, “压力”, “挫折”, “调查vs工作”, “能量”, “离职风险” | workflows/detect-burnout.md |
| 4, “比较”, “兼容性”, “协作”, “多个”, “两个档案” | workflows/compare-profiles.md |
| 5, “激励”, “参与”, “保留”, “沟通” | 直接读取 references/motivators.md |
| 6, “招聘”, “招聘档案”, “角色档案”, “招募”, “什么档案适合” | workflows/define-hiring-profile.md |
| 7, “管理”, “教练”, “1对1”, “下属”, “管理者” | workflows/coach-manager.md |
| 8, “记录”, “面试”, “预测特征”, “猜测”, “估计”, “录音” | workflows/predict-from-interview.md |
| 9, “简报”, “是否雇佣”, “候选人匹配”, “进行”, “录用” | workflows/interview-debrief.md |
| 10, “入职”, “新员工”, “整合”, “开始”, “前90天” | workflows/plan-onboarding.md |
| 11, “冲突”, “摩擦”, “调解”, “不合作”, “冲突” | workflows/mediate-conflict.md |
| “对话开场”, “如何谈话”, “与…互动” | 直接读取 references/conversation-starters.md |
阅读工作流后，严格按照其执行。
</routing>
<verification_loop>
每次解释后验证：
- 你使用了相对位置吗？ 从不只说“A是8”而无上下文
- 你参考箭头了吗？ 所有特征解释相对于箭头
- 你比较调查与工作了吗？ 识别任何行为修改
- 你避免价值判断了吗？ 没有特征称为“好”或“坏”
- 你检查EU了吗？ 如果有两图，计算能量利用率
报告给用户：
- “解释完成”
- 关键发现（2-3个要点）
- 推荐行动
</verification_loop>
<reference_index>
领域知识（在 references/ 中）：
主要特征：
primary-traits.md- A（自主性）、B（社交性）、C（速度）、D（一致性）
次要特征：
secondary-traits.md- EU（能量单位）、L（逻辑）、I（创新性）
模式：
patterns-archetypes.md- 行为模式、特征组合、原型
应用：
motivators.md- 如何激励每种特征类型team-composition.md- 气、刹、胶框架anti-patterns.md- 常见解释错误conversation-starters.md- 如何与每种模式和特征类型互动interview-trait-signals.md- 从面试预测特征的信号
</reference_index>
<workflows_index>
工作流（在 workflows/ 中）：
| 文件 | 目的 |
|---|---|
extract-from-pdf.md |
从文化指数PDF提取档案数据到JSON格式 |
interpret-individual.md |
分析单个档案，识别原型，总结优势/挑战 |
analyze-team.md |
评估团队平衡（气/刹/胶），识别缺口，推荐招聘 |
detect-burnout.md |
比较调查与工作，计算EU利用率，标记风险信号 |
compare-profiles.md |
比较多个档案，评估兼容性、协作动态 |
define-hiring-profile.md |
定义角色的理想CI特征，识别可接受模式和红旗 |
coach-manager.md |
帮助管理者为特定下属调整风格 |
predict-from-interview.md |
分析面试记录以在调查前预测CI特征 |
interview-debrief.md |
使用从记录分析预测的特征评估候选人匹配度 |
plan-onboarding.md |
基于新员工档案和团队组成设计前90天 |
mediate-conflict.md |
使用档案理解和解决团队成员之间的摩擦 |
</workflows_index>
<quick_reference>
特征颜色：
| 特征 | 颜色 | 测量 |
|---|---|---|
| A | 栗色 | 自主性、主动性、自信 |
| B | 黄色 | 社交能力、互动需求 |
| C | 蓝色 | 速度/耐心、紧迫感 |
| D | 绿色 | 一致性、关注细节 |
| L | 紫色 | 逻辑、情感处理 |
| I | 青色 | 创新性、创造性 |
能量利用率公式：
利用率 = (工作 EU / 调查 EU) × 100
70-130% = 健康
>130% = 压力（倦怠风险）
<70% = 挫折（离职风险）
气/刹/胶：
| 角色 | 特征 | 功能 |
|---|---|---|
| 气 | 高 A | 增长、风险承担、驱动结果 |
| 刹 | 高 D | 质量控制、风险规避、完成 |
| 胶 | 高 B | 关系、士气、文化 |
得分精度：
| 值 | 精度 | 例子 |
|---|---|---|
| 特征（A,B,C,D,L,I） | 整数 0-10 | 0, 1, 2, … 10 |
| 箭头位置 | 十分之一 | 0.4, 2.2, 3.8 |
| 能量单位（EU） | 整数 | 11, 31, 45 |
</quick_reference>
<success_criteria>
一个良好解释的文化指数档案：
- 使用相对位置（与箭头的距离），从不单独使用绝对值
- 正确识别原型/模式
- 突出基于领先特征的2-3个关键优势
- 注意2-3个挑战或发展领域
- 如果两者可用，比较调查与工作
- 提供可行动的建议
- 避免价值判断（“好”/“坏”）
- 承认文化指数是一个数据点，不是完整画面
</success_criteria>