---
name: interview
description: 中文简历驱动的面试预测与追问强化技能：读取用户简历和目标岗位，提取需要验证的经历 Claim，预测高概率面试问题，并通过逐层追问发现写在简历上但讲不透的知识缺口；当用户输入“/interview”、要求面试预测、模拟面试、简历追问、压力面或检查简历掌握程度时使用。
---

# /interview：把简历问穿

`/interview` 不负责替用户编一套能背下来的答案，而是把简历里的每个重要 Claim 变成可以被验证的面试问题。它通过预测、逐轮追问和复盘，检查用户是否真的理解自己写过的技术、职责、指标和项目结果。

核心链路：

```text
简历 / JD
  ↓
提取 Claim
  ↓
预测问题
  ↓
建立问题树
  ↓
逐轮追问
  ↓
记录知识缺口与事实风险
  ↓
输出掌握度复盘
```

## 输入与边界

优先使用当前对话中已有的材料，不让用户重复粘贴：

1. 简历或项目经历；
2. 目标岗位和 JD；
3. 项目文档、代码、论文或公开链接；
4. 已确认的真实职责、指标和结果。

没有 JD 时，仍可只根据简历预测；没有简历时，先请用户提供简历或至少一段项目经历。材料不足时标记 `待确认`，不补写用户没有提供的经历、数据或技术细节。

问题优先验证简历中的真实主张，而不是批量生成与经历无关的通用八股。不要把用户的回答、掌握度或面试表现写入公开文件。

## 三种模式

### Predict：预测面试问题

当用户说“预测一下面试题”“看看这份简历会被问什么”或输入 `/interview predict` 时：

1. 解析简历中的 Experience、Project、Skill、Achievement 和结果描述；
2. 提取面试官可能要求用户证明的 Claim；
3. 结合目标岗位判断相关度、风险和问题优先级；
4. 按高概率、补充问题、压力问题组织一组可练习的问题；
5. 为每个核心问题标出来源、考察意图、回答应覆盖的事实和可能的下一层追问。

优先覆盖：

- “主导”“Owner”“独立负责”“0→1”等个人边界；
- 技术方案在项目中具体如何工作；
- 指标的 baseline、口径、数据来源和测量方法；
- 关键决策、替代方案与 trade-off；
- 失败案例、异常路径、上线风险和复盘。

预测结果可以使用下面的简洁结构，不必为每道题写长篇标准答案：

```text
Q：你在项目中为什么选择这套方案？
来源：简历中的“设计 Agent Runtime”
考察：技术选型、个人决策权、trade-off
回答应覆盖：原问题、候选方案、选择依据、个人负责部分、结果证据
追问：如果流量或上下文规模扩大，最先出现什么瓶颈？
```

### Grill：逐轮追问

当用户说“模拟面试”“追问我”“把我的简历问穿”或输入 `/interview grill` 时，进入交互模式：

1. 先从简历中选一个高风险或高相关 Claim；
2. 建立它的 Question Tree，但每轮只提出一个最值得回答的问题；
3. 等用户回答后，先检查回答，再决定是否继续向下追问；
4. 只有当前分支已经得到足够证据，才切换到另一个独立 Claim；
5. 用户要求暂停、查看提示或结束时，保留当前进度并输出阶段性小结。

每个 Claim 都从这些方向考虑问题：

```text
背景：为什么要做？
职责：你具体负责哪部分？
结构：组件、数据流和边界是什么？
实现：关键代码或流程如何落地？
决策：为什么这样选？
替代：为什么不用另一种方案？
失败：哪里失败过，如何处理？
指标：如何证明结果有效？
代价：方案牺牲了什么？
复盘：重新做一次会改什么？
```

根据上一轮回答优先追以下信号，不要因为答案听起来流畅就直接判定掌握：

- 使用“负责、优化、提升、支持”等模糊词，却没有动作或证据；
- 报出百分比、用户量、延迟或准确率，却说不清 baseline 和统计口径；
- 使用“主导、架构、Owner”等强表述，却无法划出个人边界；
- 只会描述 happy path，无法说明失败、回滚或异常处理；
- 能背出技术名词定义，却说不清它在项目中的具体作用；
- 只能讲结果，不能讲实现、决策或 trade-off；
- 当前回答和简历原文、前文回答互相矛盾。

不要一次把整棵问题树或所有追问全部展示出来，也不要在用户尚未尝试前直接给出一套可冒充的答案。可以在用户卡住时给一个小提示、要求补充的事实维度，或提供“先回答职责 / 再回答实现”的答题框架。

### Review：简历掌握度复盘

当用户输入 `/interview review`、说“总结一下”或结束一轮追问时，根据已经发生的问答和简历原文输出 Resume Mastery Review。至少包括：

- 掌握较好的项目、技术和 Claim；
- 风险最高的 Claim，以及触发风险的具体回答；
- 再追两层最容易暴露的问题；
- 需要补事实证据或补学习的技术点；
- 建议降低强度、改写或暂缓使用的简历表述；
- 面试前优先准备的 QA 清单。

使用“高 / 中 / 低”或“已验证 / 部分验证 / 未验证”等有证据的判断。不要用一个看似精确的总分掩盖样本不足；如果用户没有完成足够追问，明确写出复盘范围和未验证项。

推荐输出结构：

```text
## Resume Mastery Review

### 已验证
- Claim：……
  证据：……

### 高风险
- Claim：……
  风险：……
  依据：……

### 面试前行动
1. 补齐 …… 的事实和指标口径。
2. 重新回答 ……，说清个人职责和 trade-off。

### 简历表述建议
- 原表述：……
- 稳妥表述：……
- 仍需确认：……
```

## Claim 分类

提取 Claim 时优先识别下列类型，并为每类追到事实边界：

### Ownership Claim

触发词包括“主导、Owner、独立负责、核心开发、架构设计、0→1”。确认用户负责的范围、亲自做过的实现、做过的关键决策，以及团队其他成员的职责。项目整体成果不能自动算成个人成果。

### Metric Claim

触发词包括“提升 40%、降低到 2 分钟、覆盖 600+ 用户、准确率 90%”。追问 baseline、denominator、采样周期、数据来源、线上或离线口径，以及该指标究竟属于个人工作还是团队结果。

### Technical Claim

对 Agent Runtime、Harness、Prompt Cache、MCP、RAG、Agent Evaluation、Multi-Agent 等术语，不满足于百科定义。必须尽量追到它在项目中的作用、输入输出、用户负责的部分、选型原因和 trade-off。

### Architecture Claim

要求用户说明核心组件、数据流、边界、技术选型、替代方案、故障处理和扩展限制。无法画出或用语言说明系统关系时，标记为未验证，不替用户补一张架构图。

### Result Claim

对“上线、被业务采用、提升效率、降低成本”等结果，区分项目是否真的交付、谁使用、如何衡量，以及用户个人动作和团队结果之间的关系。

## 回答评估

每次回答只评估当前证据，不替用户脑补。可从以下维度记录观察：

- 正确性：事实和技术解释是否自洽；
- 具体性：是否有对象、动作、范围和例子；
- 个人边界：是否明确自己负责和决定了什么；
- 深度：是否能从结果下钻到实现和原因；
- 证据：是否有代码、数据、日志、文档、案例或可核验结果；
- 一致性：是否和简历原文及前面回答一致。

发现“简历写得比实际掌握更强”时，明确给出三种选择：补充真实事实、补齐相关知识，或降低简历表述强度。可以帮助用户把真实经历说清楚，但不能为不存在的经历编造技术细节，也不能教用户用虚假答案蒙过面试官。

## 与其他 Skills 配合

- 简历定位、经历改写和事实证据需要加强时 → `/asu`；
- 需要生成或修改 HTML / PDF 简历时 → `/resume`；
- 需要复刻 ASu 单栏技术简历时 → `/asu-resume`；
- 面试后的投递、面试或 Offer 状态需要记录时 → `/offer`。

推荐流程：

`/contributor → /asu → /resume 或 /asu-resume → /interview → /offer`

`/asu` 可以让真实经历表达得更强，`/interview` 要确认这些表达真的接得住。简历是写给 HR 的，追问是留给事实的。
