TL;DR
自评和评下属，正好是 AI 真正擅长的那类写作：搭结构、保平衡、把一个特质变成一句有证据的话。用得好的人，能把起草时间从几个小时压到 20-30 分钟。代价是：AI 默认会写得平淡对称，还会把硬反馈磨得太软，所以你得喂它具体信息、并在语气上跟它较劲。这篇给你现成的 prompt、要喂什么、怎么改，以及一条对 review 比对几乎任何东西都更重要的隐私规则。
任务场景
绩效 review 表格还有一周交。你有一页 Notion 写满了模糊记忆的 win，两件具体的事情心里一直拖着不想写，还有种隐约的感觉——上个周期那份 review 太遮遮掩掩了。你要一份草稿，覆盖优势、不足、具体例子、发展计划，又不能一眼看出是 ChatGPT 写的，还不能把那条”真该说清楚”的反馈又磨掉。
什么时候适合让 AI 来做
AI 擅长搭结构和保持平衡框架。它能阻止草稿一边倒（全好会被 calibration 退回，全坏对方根本不读），也擅长把”沟通能力强”翻译成能进 review committee 的具体例子句。
AI 做不到的：挑出最影响晋升的那一个 gap、按公司 competency 框架给例子赋权重、写出那句你应该当面跟对方讲的话。结构交给 AI，信息和语气由你定。
常见失败模式：AI 默认输出 3 优势 / 3 gap 的对称结构，即使真实情况是 5 优势 / 1 个真 gap。你要明说，否则它会硬把弱的一侧填满去凑对称。
唯一一条规则：先讲证据，别讲形容词
回报最高的那一处改动是结构性的，而且它有名字。CCL（Center for Creative Leadership）的 SBI 模型——Situation（情境）、Behavior（行为）、Impact（影响）——之所以存在，是因为建立在具体事件上的反馈，比建立在特质上的反馈更难被反驳、也更容易落地。很多团队会扩展成 SBI-N，加上 Next steps（下一步）。
把它翻译成你给模型的规则：每个优势先讲 artifact（一次 launch、一份 doc、一次决策），每个 gap 先讲情境，每个 gap 结尾讲下一步。calibration committee 对纯特质的句子（“沟通能力强”、“领导力强”）会大幅折半，所以一份靠形容词堆出来的 review，哪怕你本意是夸，也会悄悄削弱对方的 case。
需要先给 AI 的信息
- 对象的角色、Level、入职月数
- 你真正希望被看到的 3-4 个优势，每个配一个具体 artifact
- 1-2 个真正重要的 growth area，每个一个具体事件 + 一个 next step 想法
- 公司的 competency 框架 / leveling guide，粘原文也行（Claude Sonnet 4.6、Gemini 3.1 Pro 这类长上下文模型能整本装下不截断）
- 上个周期的评级 + 当时收到的一两条头条反馈——连续性很重要
- 读者：自评、隔级（calibration 用）、还是 skip-level
- 语气约束：你公司的 review 风格（有些偏学术、有些偏直接）
- 你最希望读者关掉文档之后记得的那一句
一条专门针对 review 的隐私规则
绩效 review 是你这辈子会粘进 AI 工具里最敏感的文档之一：它点了一个真实的人名，还对这个人下了判断。把”选哪个工具”当成任务的一部分，别当成事后才想的事。
- 在 ChatGPT Free（$0）和 Plus（$20/月） 上，对话可能被用于训练模型，除非你在 Settings → Data Controls → “Improve the model for everyone” 里关掉。粘任何东西之前先关。（截至 2026 年 6 月，美区免费版还带广告。）
- ChatGPT Team、Enterprise、Claude Team，以及 Gemini Business/Workspace 档 默认就把你的输入排除在训练之外，还给管理员留存控制——涉及真名时该选这些。
- 最稳的做法：匿名化。在笔记里把人名换成
[name]、团队换成[team]，对着占位符起草，再在你自己的编辑器里把真名 find-and-replace 回去。很多公司就是这么要求的，先看你们的 AI 使用政策。
这不是法务套话——对 HR 相关的写作，它直接决定你该打开哪个工具。
可直接复制的 Prompt
花括号里的占位符是留给你填的槽位，发送前把每个 {...} 替换掉。
帮我写一份 500 字的绩效 review。
角色：{role}，Level：{level}，时长：{months} 个月。
优势：{3-4 个，配具体 artifact}。
Growth area：{1-2 个，配事件和建议}。
Rubric 摘要：{粘 competency 维度}。
上个周期：{评级 + 头条反馈}。
读者：{自评 / 评下属 / skip-level 读}。
结构：
1）一句话总结评级——读者能复述的那种。
2）优势——每段先讲 artifact，再讲特质。
3）Growth area——gap 要具体，但开口先讲对方在这个方向上已经做得好的部分。
4）发展计划——下个季度的 2 个具体动作、owner、验收信号。
5）结尾——读者关掉文档之后该记得的那一句。
语气：直接、温和，不要公司套话。每个形容词后面必须跟例子，否则删掉。短版本——只要 calibration 用的那一段
只写 {名字} 的 80 字 calibration 段落。
Level：{level}。最强证据：{一个 artifact}。最弱证据：{一个事件}。上次评级：{x}。
格式：1 句评级 + 2 句证据 + 1 句往前看。不要废话。好的输出长什么样
一个真正干活的 gap 段落：“Sarah 的对外发布沟通做得很好，自然的下一层是对内的 stakeholder alignment。Q3 安全 review 因为她没提前 brief 而退回 launch；解决方式是机械的——每次 launch 前两周和 security 1:1——不是能力问题。Q4 launch 她已经主动按这个 pattern 走。”
一个能扛过 calibration 的开篇评级：“Solid Meets Expectations + 一项明显 stretch。Sarah 在 launch 执行上已经在做高一级的活，再过一个 stakeholder management 周期，下一次 promo committee 就毫无争议。”
两段都是先讲情境和行为，都收在下一步上，也都不靠一个没有支撑的形容词。
怎么改输出
- 把形容词换成 artifact —— “每句 ‘strong’ / ‘great’ 后面必须有他到底 ship 了什么或做了什么决策。否则整句删掉。”
- 先讲连续性 —— “前两句要 reference 上个周期的反馈。先看变化，再讲新东西。”
- gap 内容要具体，只磨语气不磨内容 —— “gap 保留具体性，只磨动词。如果真相是’这个周期发生过 2 次’就别写’sometimes’。”
- 预答 calibration 会被问的那一句 —— “加 1 句回答’为什么没到下一级’或’为什么没掉到上一级’——calibrator 一定会问。”
- 砍 —— “砍 100 字。能活下来的就是 signal。“
容易踩的坑
- 只列特质没例子（“沟通能力强”）—— calibration committee 默认给这种描述折半，你的 case 就悄悄变弱
- 用 AI 把反馈磨成无效废话 —— 对方读完什么也不会改
- 只讲 gap 不讲 next step —— 被读成审判
- 把整本 rubric 粘进去指望 AI 自己挑维度 —— 你自己挑 2-3 个维度，只粘那部分
- 优势和 gap 写得一样长 —— gap 值得具体，不值得对称
- 没串”上次到这次的变化”这条线 —— 看一序列 review 的经理想看到弧线，不是一摞快照
- 让 AI 写结尾那句话 —— 那句话你自己写
FAQ
- 可以直接粘原始笔记吗？ —— 可以，AI 负责润色。但每个 growth area 至少给 2-3 个具体事件，否则草稿会含糊其辞。
- 评下属 vs 自评？ —— 结构一样，语气不同。自评偏向”主动认领 gap”；评下属偏向”观察式语言”，避免猜对方的 intent。
- 有个 gap 我还没正式跟本人讲过，要不要先写进 review？ —— 不要。先聊，再写。先写后聊会毁掉信任；review 是用来确认之前已经谈过的内容，不是用来发起这种对话的。
- AI 一直把语气磨太软怎么办？ —— Prompt 里加：“如果某个 gap 删掉对整篇 review 含义没影响，那就应该写得更明确，而不是删掉。“再跑一次。
- 该用哪个模型？ —— 单份 review，GPT-5.5、Claude Sonnet 4.6、Gemini 3.1 Pro 哪个都行。如果你要粘一整本 leveling guide 加一年的笔记，Sonnet 4.6 和 Gemini 3.1 Pro 的 1M token 上下文能保证不被截断。涉及真名时，用 Team/Enterprise 档或先匿名化。
- 晋升 packet 怎么办？ —— 是另一种文档、另一个 prompt。review 回答的是”是否达到当前 Level”；晋升 packet 论证的是”是否已经在做下一 Level 的活”。看下面的晋升自评文章。