先说清楚它是什么：PandasAI 属于「数据与分析」方向的开源项目，用自然语言对 DataFrame 提问的开源库。

这篇写给 HR 与招聘：围绕岗位描述撰写、面试题与评估表和员工手册问答这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

HR 与招聘的三个高频用法

1. 岗位描述撰写

在 PandasAI 中可以这样提：

根据以下岗位信息写一份岗位描述：职责 5 条、任职要求分「必须 / 加分」两类、工作地点与方式。避免出现与岗位无关的年龄、性别等限制。

把关：没有歧视性要求。

2. 面试题与评估表

提示词示例：

为【岗位】设计 6 道结构化面试题，覆盖专业能力、协作和问题解决，每道题附「好回答的特征」，便于面试官统一打分。

把关：每道题都有评分参考。

3. 员工手册问答

提示词示例：

根据员工手册回答：试用期请病假如何计算？请引用手册的章节，手册中没有规定的请说明「需咨询 HR」。

把关：回答引用了手册原文。

也可以试试：指标异动解读

这是「数据与分析」类工具的通用任务，HR 与招聘同样用得上。

日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。

边界与合规

简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。

  • 产出由 HR 与招聘本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；PandasAI 的同类还有 Vanna、Julius。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 PandasAI 纳入日常流程。

延伸练习

评测大模型应用

准备材料：一批真实用户问题和应用回答。

为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。

检查点：评分标准清晰可复用。

数据清洗方案

适用情况：手头有一份有缺失和异常值的数据时。

分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。

验收标准：说明了处理对结论的影响。

图表建议

适用情况：手头有一组需要汇报的数据时。

根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。

验收标准：指出了误导风险。

常见问题：敏感数据暴露给模型

使用脱敏视图或只读账号，限制可访问的表。

常见问题：AI 算出的数字和报表不一致

检查口径和过滤条件，要求它输出 SQL 或公式逐步复核。

常见问题：生成的 SQL 运行报错

提供准确的表结构和字段说明，先在测试库运行。

概念补充：口径

指标的定义与计算规则，不同口径会得出不同结论。

概念补充：异常检测

自动发现偏离正常范围的数据点。

写在最后

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

涉及个人信息、商业机密或受监管数据时，先确认 PandasAI 的数据处理条款，再决定能否使用。

延伸阅读