132 lines
5.5 KiB
Markdown
Executable File
132 lines
5.5 KiB
Markdown
Executable File
---
|
||
name: interview-prep
|
||
description: 帮用户准备面试。基于目标 JD、公司、岗位方向，生成"高频面试题 + 参考回答 + 行为面 / 技术面 / Case 面分类题库"，并产出可打印的『面试备战手册』。当用户说"帮我准备面试""明天有面试 / 后天面试""面试题""面经""模拟面试""我要面 X 公司 Y 岗位""帮我准备 STAR 故事""怎么回答这道面试题""自我介绍 / 离职原因 / 优缺点 怎么答"，必须触发本 skill。请勿用本 skill 改简历（去 jd-resume-tailor / resume-builder）或推荐方向（去 job-intent-tracker）。
|
||
---
|
||
|
||
# Interview Prep（面试准备）
|
||
|
||
干 4 件事：
|
||
|
||
1. **拆解面试场景**：明确目标公司 / 岗位 / 面试轮次（一面 / 二面 / 终面 / HR 面）
|
||
2. **生成题库**：从 4 类题库（行为面、技术面、Case 面、岗位特定）中按需取题
|
||
3. **生成参考回答**：用 STAR / SCQA / MECE 等框架，结合用户简历事实
|
||
4. **产出"备战手册"**：一份可打印的 .md / .docx / .pdf，含题目 + 参考思路 + 自检清单
|
||
|
||
---
|
||
|
||
## 何时触发
|
||
|
||
强信号：
|
||
- "帮我准备面试 / 模拟面试 / 模面"
|
||
- "明天 / 下周面试"
|
||
- 提到了具体公司 + 岗位
|
||
- "高频面试题 / 经典面试题"
|
||
- "怎么回答 ___ 这个问题"
|
||
- "自我介绍怎么说 / 离职原因怎么答 / 期望薪资怎么谈"
|
||
|
||
弱信号（先确认）：
|
||
- 只说"想了解一下面试" → 问是哪个方向 / 什么轮次
|
||
|
||
---
|
||
|
||
## 工作流
|
||
|
||
### Step 1: 锁定面试场景
|
||
|
||
用 AskUserQuestion 收集：
|
||
- 目标公司（具体名字 / 大厂 vs 创业 vs 外资 / 公司类型）
|
||
- 目标岗位（精确到方向，如"用户增长 PM"而不是"产品经理"）
|
||
- 面试轮次（一面 / 二面 / 终面 / HR 面 / 全流程演练）
|
||
- 时间紧迫度（明天 / 这周 / 下周以上）—— 影响"广度 vs 深度"
|
||
- 用户已有材料（JD / 简历 / 公司公开信息 / 已知面试官背景）
|
||
|
||
如果用户给了 JD 和简历，**先调用 jd-resume-tailor 的 parse_jd.py** 抽出岗位关键信息，避免重复拆。
|
||
|
||
### Step 2: 选题策略
|
||
|
||
按"轮次 + 方向 + 时间"决定题库结构。读取对应文件：
|
||
|
||
- 行为面（任何轮次都会问）→ `references/behavioral.md`
|
||
- 技术面（技术 / 数据岗主战场）→ `references/technical.md`
|
||
- Case 面（咨询 / 战略 / 高级 PM）→ `references/case.md`
|
||
- HR 面（任何岗位的最后一公里）→ `references/hr_round.md`
|
||
- 岗位特定题库：
|
||
- 互联网产品 / 运营 / PM → `references/role_internet.md`
|
||
- 技术 / 研发 / 数据 → `references/role_tech.md`
|
||
- 金融 / 咨询 / 商科 → `references/role_finance.md`
|
||
|
||
题量推荐：
|
||
- **明天就面**：每类 5~8 题，重点高频题
|
||
- **3~7 天**：每类 10~15 题
|
||
- **>1 周**：完整覆盖 + 模拟轮次
|
||
|
||
### Step 3: 生成参考回答
|
||
|
||
**关键原则：参考回答必须基于用户简历里的真实经历，不是泛答。**
|
||
|
||
调用 `scripts/star_story_builder.py`（如果有简历）：
|
||
|
||
```bash
|
||
python scripts/star_story_builder.py --resume resume.md \
|
||
--questions questions.json --out answers.md
|
||
```
|
||
|
||
或者，如果没有简历，用通用回答框架（从 references/answer_frameworks.md 读取）作为模板，让用户填空。
|
||
|
||
参考回答的格式：
|
||
```
|
||
【题目】___
|
||
【考察点】HR / 面试官想看你的什么能力
|
||
【回答框架】STAR / SCQA / MECE / 5W1H 之一
|
||
【建议长度】X 分钟（一般 1.5~3 分钟）
|
||
【参考回答 (基于你简历里的 ___ 经历)】
|
||
S: 当时的背景 / 问题
|
||
T: 你的任务 / 目标
|
||
A: 你的具体动作（重点，要细节）
|
||
R: 量化结果 + reflect
|
||
【可能的追问】1. ___ 2. ___ 3. ___
|
||
```
|
||
|
||
### Step 4: 产出"备战手册"
|
||
|
||
调用 docx skill 生成一份完整的 `interview_prep_<公司>_<岗位>.docx`，结构：
|
||
|
||
```
|
||
封面：公司 + 岗位 + 面试日期 + 倒计时
|
||
1. 公司 / 岗位 速览（1 页）
|
||
2. 自我介绍（中 + 英两版，针对该岗位定制）
|
||
3. 行为面题库（X 题）+ 参考回答
|
||
4. 技术面 / Case 面 题库（X 题）+ 参考思路
|
||
5. 反向提问清单（你向面试官问什么）
|
||
6. 薪资谈判脚本
|
||
7. 面试当天 Checklist（路线 / 着装 / 物品 / 心态）
|
||
```
|
||
|
||
**同时输出一份精简版 .md**，方便用户在地铁里 / 路上 review。
|
||
|
||
### Step 5: 模拟面试（可选 - 用户主动要才做）
|
||
|
||
如果用户说"模拟一下"，进入互动模式：
|
||
- 一次问 1 题
|
||
- 等用户回答（语音 / 文字）
|
||
- 给反馈：内容 / 结构 / 表达 三维度
|
||
- 如果用户说"换一题"或"再来一道难的"，继续
|
||
|
||
模拟时**保持面试官人设**：用真实面试官的口吻、追问方式、压力点（但不要变成 attacker，要 constructive）。
|
||
|
||
---
|
||
|
||
## 反模式（不要做）
|
||
|
||
- ❌ 给一份"通用 50 题"应付了事 → 必须按公司 / 岗位定制
|
||
- ❌ 参考回答全是"我具有出色的沟通能力"这种空话 → 必须用具体故事
|
||
- ❌ 不让用户自己练，全程"我替你答" → 错过模拟价值
|
||
- ❌ 编造用户没有的经历做 STAR 故事 → 用户面试时会穿帮
|
||
- ❌ HR 面问题答得太"训练痕迹重"（机械化） → 要给"3 个不同风格的版本"让用户选
|
||
|
||
## 与其他 skill 的协作
|
||
|
||
- 用户说"我简历不够强，先改简历再来面试" → 转 `jd-resume-tailor` 或 `resume-builder`
|
||
- 用户说"我还在犹豫要不要投" → 转 `job-intent-tracker`
|
||
- 面试结束后用户说"我想复盘一下" → 留在本 skill，进入"面试复盘模式"，问表现、卡点、追问，帮用户为下一轮做准备
|