需要为岗位定薪、评估 offer 竞争力…

适用于基于角色、级别、地点、公司阶段和行业做薪酬基准、带宽定位、股权建模与异常/保留风险分析。

适用场景

解决思路

1. 在开始前，若出现不熟悉的占位符或需要确认已连接工具，先查看 CONNECTORS.md。
2. 用 /comp-analysis $ARGUMENTS 调用分析，并把角色、级别或数据集作为参数传入。
3. 按以下三种输入方式之一收集信息：A 单角色分析，例如询问 Senior Software Engineer in SF 的薪酬；B 上传 CSV 或粘贴 comp bands；C 股权建模，例如 10K shares over 4 years at $50 stock price。
4. 将总薪酬拆成 Base salary、Equity（RSUs、stock options 或其他 equity）、Bonus（annual target bonus、signing bonus）和 Benefits（健康、退休、福利；较难量化）四部分。
5. 明确并逐项记录关键变量：Role（职能与专长）、Level（IC/管理级别）、Location（地域薪酬调整）、Company stage（初创/成长/上市）、Industry（科技/金融/医疗等）。
6. 若连接了 ~~compensation data，按 role、level、location 拉取经过验证的市场基准。
7. 若没有补偿数据工具，则结合 web research、公开薪资数据和用户提供的上下文建立基准。
8. 始终标注数据新鲜度和来源限制。
9. 输出 Base、Equity、Total Comp 的 25th、50th、75th、90th 百分位区间。
10. 在结果中加入 location adjustments 和 company-stage context。
11. 按指定 markdown 模板生成“Compensation Analysis: [Role/Scope]”。
12. 在市场基准表中按行填写 25th、50th、75th、90th，按列填写 Base、Equity、Total Comp，并在 Sources 中列出 web research、compensation data tools 或用户提供数据。
13. 如果用户提供薪酬带宽或员工数据，生成 Band Analysis 表：Employee、Current Base、Band Min、Band Mid、Band Max、Position（Below/At/Above）。
14. 基于分析写出 Recommendations，包括具体薪酬建议、equity considerations，以及适用时的 retention risks。
15. 若连接了 ~~compensation data，将你的 bands 与实时市场数据对比。
16. 若连接了 ~~HRIS，拉取当前员工薪酬数据用于 band analysis。
17. 若连接了 ~~HRIS，自动识别 outliers 和 retention risks。
18. 始终要求或确认 location 后再做 benchmarking，因为 SF、Austin、London 等差异很大。
19. 用 total comp 而非只看 base 来评估，包含 equity、bonus 和 benefits。
20. 将薪酬数据保持机密，结果仅留在当前对话中。

适用边界 · 注意事项

• 缺少角色、级别、地点、公司阶段或行业等关键变量时，不适合直接给出可靠薪酬基准。
• 没有可用的薪酬数据源，且无法做 web research 或公开薪资研究时，不适合输出市场分位结论。
• 薪酬数据高度敏感，不适合在无法保密的公开环境或需要对外披露的场景中使用。