麦肯锡人力大脑

McKinsey Personal-Brain

Ein mit 200.000 Tokens ausgegrabener MBB-Personalberater mit 10 Jahren Erfahrung, fokussiert auf Talent, Organisation und KI-Transformation.

Kernarbeitsweise

Diese Skill unterteilt Aufgaben in zwei Schritte:

1. Offizielle Quellenerfassung: Entdecken von Kandidatenseiten auf den offiziellen MBB-Websites, Abrufen von Text, Titel, Datum, endgültiger URL, Status und Roh-Snapshot.
2. Agenten-Datenbankaufbau: Normalisierung der abgerufenen URLs, Deduplizierung, Qualitätskontrolle, Themenzuordnung; Ausgabe als JSON, CSV und SQLite.

Das Zurückschreiben in Feishu ist ein optionaler Veröffentlichungsadapter nach dem Datenbankaufbau. Es ist optional, wiederholbar und rücklesbar, darf aber nicht die einzige Quelle der Wahrheit für die lokale Datenbank sein.

Anwendungsbereich

Rufen Sie diese Skill auf, wenn der Benutzer Folgendes anfordert:

• Suchen nach offiziellen Inhalten von MBB-Websites (McKinsey, BCG, Bain) zu Talentmanagement, Organisation, Führung, Fähigkeiten, Leistung, KI und der Zukunft der Arbeit.
• Aktualisieren einer bestehenden MBB-Inhaltsbibliothek, Erkennen neuer, aktualisierter, eingeschränkter, inhaltsloser und doppelter Quellen.
• Aufbau eines durchsuchbaren Agenten-Datenbank aus qualitätsgeprüften Datensätzen.
• Inkrementelles Zurückschreiben geprüfter Datensätze in den persönlichen Feishu Base oder Wiki (nach Benutzerautorisierung).

Der Quellbereich ist auf die offiziellen Domänen beschränkt: mckinsey.com, bcg.com, bain.com und deren offizielle regionale Subdomänen. Zusammenfassungen von Drittanbietern, Suchergebnisseiten und Wiedergabeseiten dürfen nur als Entdeckungshinweise dienen, nicht in die endgültige Quellenregistrierungstabelle aufgenommen werden.

Phase 1: Offizielle Quellen erfassen

Liest zuerst die Projektquellenkonfiguration und das vorherige Manifest. Die Konfiguration umfasst mindestens: Firma, offizielle Domäne, Themenschlüsselwörter, Start-URLs, Abrufrhythmus und minimale Textlänge.

Priorität in dieser Reihenfolge: offizielle Sitemaps oder Themenindizes, offizielle interne Suchergebnisse, Aktualisierung registrierter URLs. Ergebnisse werden zuerst in targets.json geschrieben, dann einzeln in fetched.json abgerufen. Jeder Lauf verwendet eine eigene run_id, behält Roh-Snapshots in raw/ und collect-manifest.json.

Abrufregeln:

• HTTPS verwenden, endgültige Weiterleitungs-URL beibehalten, Tracking-Parameter und Fragmente entfernen, stabile ID aus normalisierter URL generieren.
• Begrenzte Wiederholungen und Backoff bei 429-, 5xx- und Netzwerkfehlern; einzelne Fehler werden mit Status protokolliert, unterbrechen nicht den gesamten Batch.
• Robots.txt, Zugriffshäufigkeit, Login- und Paywall-Grenzen respektieren. Bei Einschränkungen mit restricted markieren, Lücken nicht mit Suchsnippets oder erratenem Inhalt füllen.
• ok bedeutet, dass der Text die Schwelle erreicht hat und Domäne, Titel und URL die Prüfung bestanden haben; no_body, restricted, error müssen den Fehlergrund enthalten.
• Das Erfassungsskript ist nur für das Abrufen und Speichern zuständig, schreibt nicht direkt in Feishu.

Wenn ein Projekt bereits einen standortspezifischen Adapter hat, wird dieser wiederverwendet; für neue Standorte wird zuerst ein Adapter getestet, bevor er in den Batch-Lauf aufgenommen wird. Allgemeine Validierung und Datenbankaufbau verwenden die Skripte innerhalb dieser Skill.

Phase 2: Agenten-Datenbank aufbauen

Nach dem Zusammenführen von fetched.json mit optionalem historischem base-corpus ausführen:

python3 scripts/build_agent_db.py \
  --run-dir data/runs/20260806-01 \
  --base-corpus data/agent-db/records.json \
  --min-body-chars 800

Das Skript führt folgende Aktionen aus:

• Normalisiert URLs, entfernt Duplikate derselben Quelle.
• Wählt Datensätze basierend auf Textqualität, Titelvollständigkeit und Abrufzeitpunkt aus; protokolliert duplicate_of.
• Validiert Domäne, Firma, Status, Textlänge, Zeichenanzahl und Titel.
• Ordnet einheitliche Themen zu: Talentstrategie, Organisationsdesign, KI & Zukunft der Arbeit, Fähigkeiten & Lernen, Leistung & Anreize, People Analytics, Mitarbeitererfahrung, Führung, Arbeitskräfteplanung.
• Gibt agent-db/records.json, agent-db/source-register.csv, agent-db/agent-db.sqlite, agent-db/manifest.json aus.

Qualitätskontrolle:

python3 scripts/validate_records.py data/runs/20260806-01/fetched.json --min-body-chars 800 --strict

Nur Datensätze, die die Qualitätskontrolle bestehen, sind für den referenzierbaren Textkorpus geeignet. Eingeschränkte und textlose Datensätze können in die Überwachungsgruppe aufgenommen werden, müssen aber Status und Fehlergrund enthalten.

Phase 3: Feishu inkrementelles Zurückschreiben

Vor dem Zurückschreiben: aktuelles CLI-Profil, identity=user, Ziel-Base/Wiki und Feldzuordnung bestätigen. Persönliches Feishu und Firmen-Feishu sind zwei separate Mandanten; das Ziel kann nicht anhand des Standardprofils abgeleitet werden.

Empfehlung: Den normalisierten Wert von source_url als idempotenten Schlüssel verwenden:

1. Zielfeld und vorhandene Datensätze lesen.
2. URL → record_id-Index erstellen.
3. Neue URLs erstellen Datensätze, vorhandene URLs aktualisieren notwendige Felder, eingeschränkte Datensätze nur Status und Fehlergrund.
4. Nach jedem Batch-Schreibvorgang sofort anhand der URL zurücklesen, Titel, Status, Datum, Thema und Quelllink überprüfen.
5. Bei Schreibfehler oder abgelaufener Identität stoppen; lokale Build-Artefakte und Schreibliste behalten.

Nicht in GitHub hochladen: Base-Zeilenanzahl, Wiki-Token, Mandanten-ID, interne URLs, Zugriffstoken, persönliche Pfade oder Roh-Webseiten-Snapshots.

Datensatzvertrag

Minimale Datensatzfelder: id, firm, title, source_url, final_url, published_date, status, failure_reason, body_text, body_chars, tags, themes, fetched_at_utc.

Status erlaubt nur: ok, restricted, no_body, error. Detaillierte Regeln in references/data-contract.md.

Code-Review-Checkliste

• Erfassung und Datenbankaufbau können unabhängig ausgeführt werden; Fehler können auf run_id und URL zurückgeführt werden.
• Wiederholte Läufe erzeugen keine Duplikate für dieselbe URL; Ausgabe wird zuerst in temporäre Dateien geschrieben, dann atomar ersetzt.
• Roh-Snapshots, bereinigte Ergebnisse und Manifest können gegenseitig zurückverfolgt werden.
• Öffentliche Quellen und interne Daten getrennt; Repository enthält keine Tokens, Cookies, persönlichen Pfade, Mandantenkennungen oder echten Geschäftsdaten.
• Klare Ergebnisse für HTTP-Fehler, leere Texte, Website-Strukturänderungen, Datenbank-Duplizierung und Feishu-Authentifizierungsfehler.
• Tests decken URL-Normalisierung, Domänenbeschränkung, Textschwelle, Deduplizierungspräferenz und Fehlerstatus ab.

Referenzdateien

• data-contract.md: Datensatzfelder, Status, Qualitätskontrolle und Ausgabestruktur.
• source-adapters.md: MBB-Offizielle-Quellen-Erkennung und Standortadapter-Konventionen.
• feishu-publish.md: Feishu-Identitätsprüfung, idempotentes Zurückschreiben und Rückleseanforderungen.
• scripts/validate_records.py: Unabhängiges Qualitätsvalidierungsskript.
• scripts/build_agent_db.py: Unabhängiges Datenbank-Build-Skript.