Auto-évaluation d'ingénierie
Générez automatiquement une auto-évaluation structurée à partir de votre travail et de vos contributions pendant la période d'évaluation.
Aperçu
L'agent d'auto-évaluation d'ingénierie génère une auto-évaluation détaillée à partir de votre travail et de vos contributions. Il analyse votre activité et l'historique de vos projets, en s'appuyant sur GitHub, Jira, Slack, Microsoft Teams et Google Drive pour mettre en évidence l'impact de votre travail. Personnalisez la période, la structure et le focus pour les adapter à votre processus d'évaluation.
Voyez-le en action
Regardez comment l'agent d'auto-évaluation d'ingénierie transforme vos contributions en une auto-évaluation structurée et étayée par des preuves — sans recherche, mise en forme ni approximation.
Fonctionnalités
Fait gagner des heures en générant une auto-évaluation structurée et étayée par des preuves.Permet des périodes et des structures flexibles pour s'adapter au processus d'évaluation de votre entreprise.Facilite la mise en valeur de votre impact, en utilisant des exemples précis pour raconter une histoire claire.
Exemple de résultat
Auto-évaluation pour Jordan Lee - 2025-May-12
Optimisation des performances du front-end pour la recherche
Période: Décembre 2024 – Avril 2025
Résumé du projet: Amélioration du temps de chargement et de la réactivité de l'expérience de recherche universelle en optimisant le rendu front-end, en réduisant la charge côté client et en introduisant le chargement différé pour les groupes de résultats.
Complexité et difficulté: Une analyse approfondie a été nécessaire pour identifier les goulots d'étranglement à travers les frameworks, les couches de cache et le rendu du DOM. Cela a également impliqué des tests multi-navigateurs et une coordination avec le design afin de préserver l'intégrité de l'UX.
Mon impact: A dirigé l'audit de performance, mis en œuvre des améliorations clés et travaillé étroitement avec QA pour valider les résultats dans différents environnements. A réduit le temps médian de chargement de la recherche de 42 %.
Mes contributions spécifiques :
- A identifié les goulots d'étranglement via le profilage et le traçage (<span class="text-color-blue">Perf Report</span>)
- A refactorisé la logique de rendu des résultats (<span class="text-color-blue">PR</span>)
- A introduit le chargement asynchrone pour le contenu à faible priorité (<span class="text-color-blue">Tech Spec</span>)
Leadership technique et contributions au code
Documents de conception rédigés/revus :
- Refonte du rendu de la recherche (<span class="text-color-blue">Design Spec</span>)
- Pipeline de détection d'experts (<span class="text-color-blue">Detection Brainstorm</span>)
Contributions au code et au système :
- Livré 5 à 10 PR par semaine pour les systèmes principaux
- Maintenu la fiabilité de l'infrastructure pendant plusieurs déploiements
Initiative et mentorat :
- A fourni des conseils sur les outils de performance front-end
- A accompagné des ingénieurs juniors lors de revues de PR et de synchronisations techniques
Nombre total de projets combinés : 6
Le document complet comprend des sections supplémentaires
Workflow de l’agent
Étape 1 : Déclenchement
Ce workflow est déclenché lorsque l'utilisateur saisit une date de début et une date de fin pour définir la période d'évaluation.
Étape 2 : Découper la plage de dates
L'agent découpe la plage de temps sélectionnée en segments plus petits de quatre mois chacun, en ajustant les mois partiels et en supprimant toute plage située dans le futur.
Étape 3 : Parcourir les segments temporels (bêta)
Pour chaque période de 4 mois, l'agent exécute un sous-agent qui récupère et traite le contenu d'évaluation pertinent lié à cette fenêtre.
Étape 4 : Rassembler les données de performance
L'agent intègre les projets et contributions des évaluations passées, supprime les doublons et ajuste les périodes pour construire une chronologie unifiée.
Étape 5 : Analyser et résumer les contributions
L'agent ajoute les détails clés pour chaque projet, notamment le périmètre de l'employé, son rôle, son impact, ses contributions techniques et les éléments de preuve associés.
Étape 6 : Ajouter une section de leadership technique
Une section dédiée intitulée "leadership technique et contributions au code" est ajoutée. Elle inclut des indicateurs tels que le nombre moyen de PR par semaine et met en avant des contributions plus larges au niveau de l'équipe.
Étape 7 : Générer un résumé Markdown
La réponse est produite dans un format Markdown propre et homogène, avec des sections pour chaque projet et type de contribution.
Étape 8 : Créer le document d'auto-évaluation
L'agent génère un nouveau Google Doc intitulé Auto-évaluation pour [Nom de l'utilisateur] – [Date d'aujourd'hui], en conservant toute la mise en forme et les références.
Work AI qui fonctionne.
