SuperAPI AI 工具集

interview

设计与创作

查看项目

更新于 10-15 22:13

技能介绍

用途:/interview 不替用户编造可背诵的经历,而是把简历和 JD 中的重要 Claim 变成可验证的问题,通过面试契约、逐轮追问、证据评估和弱项复练,检查用户能否讲清真实职责、技术实现、指标口径、决策取舍和失败案例。核心链路为:简历/JD → Claim 与岗位能力矩阵 → 面试契约 → 问题与评分契约 → 一次一问、动态追问 → 会话账本 → 证据复盘与弱项复练。

输入与边界:优先使用当前对话已有材料,包括简历或项目经历、目标岗位和 JD、项目文档/代码/论文/公开链接、已确认的真实职责与指标、面试轮次与反馈偏好。没有 JD 仍可据简历预测;没有简历则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,不补写用户未提供的经历、数据或技术细节。

四种模式:Predict 预测问题,提取 Ownership、Metric、Technical、Architecture、Result Claim,建立能力—证据—缺口矩阵并排序输出高概率题、补充题和压力题;Grill 模拟面试,建立面试契约,每轮只问一个问题,按回答证据选择深挖、澄清、降阶、切换或结束;Review 证据复盘,依据会话账本输出已验证、部分验证、未验证和矛盾的 Claim 及行动清单;Retry 弱项复练,从最近会话账本选择薄弱 Claim,优先问变体题、反事实题或相邻场景题。

追问重点:Ownership 追问个人范围与关键决策;Metric 追问 baseline、口径、周期与归因;Technical 追到项目中的输入输出、作用与 trade-off;Architecture 追问组件、数据流、边界与扩展限制;Result 区分真实交付、使用方与衡量方式。

限制:真实模拟默认不在回答前给标准答案;不使用缺乏校准依据的精确总分;样本不足时明确复盘范围。不要把回答、掌握度或面试表现写入公开文件,只有用户明确要求时才保存到本地文件。可配合 /great-resume、/make-resume、/offer 使用。