用途 Question Generator 是一个面试问题生成技能，服务于求职面试准备场景。当用户需要针对目标公司生成面试问题、练习特定类型题目、获取不同难度的问题、更新问题库或查看练习历史时，可调用该技能。
主要能力 问题生成引擎基于多个维度生成问题：从 jd-analyzer 提取的技能要求、公司类型与技术栈及业务领域、职位级别（Junior/Mid/Senior/Staff/Principal）、面试类型（技术/系统设计/行为/HR）以及难度级别。 问题类型覆盖：技术面试中的编程题（算法与数据结构、LeetCode 风格题、代码优化、边界条件处理）、技术深度问题（语言特性、框架原理、系统架构、性能优化、最佳实践）和设计问题（API、数据库、类设计、设计模式）；系统设计问题包括经典题目（如 URL Shortener、Twitter Timeline、Chat System、File Storage、Rate Limiter、Key-Value Store）和大规模系统议题（分布式系统、微服务架构、数据一致性、负载均衡、缓存策略、消息队列）；行为面试包括 STAR 方法问题（团队合作、冲突解决、领导力、挑战项目、失败经历、成就展示）与情景问题；HR 面试包括自我介绍、职业规划、薪资期望、离职原因、为什么选择这家公司、优势与劣势等。 难度分为简单（基础概念、直接应用、单一步骤，适合 Junior 与热身）、中等（多步思考、组合概念，适合 Mid-level 与核心面试）、困难（深入分析、系统级思考、优化与权衡，适合 Senior+ 与筛选面试）。
工作流程 技能先读取上下文文件（data/companies/{company}.json、data/resume/base.json、data/questions/technical.json、data/questions/behavioral.json），再从 JD 分析中提取必需技能、优先技能、职位级别、公司类型和技术栈，然后生成按类型与难度分组的问题对象，包含 question_id、question、category、related_skills、estimated_time、follow_up_questions 等字段；随后将新问题按类型写入对应问题库文件（technical.json、behavioral.json、system_design.json、hr.json），并在 data/analytics/question_generation.json 中记录生成时间、公司、职位、问题数量与难度分布。
问题库与练习追踪 问题以结构化 JSON 存储，字段包括 question_id、type、category、difficulty、question_text、tags、created_at、times_asked、success_rate、related_skills；练习历史记录 session_id、日期、公司、已练习问题、表现和改进领域。
集成与命令 该技能与 jd-analyzer 集成以读取技能要求并针对技能差距出题；与 interview-coach 集成以传递问题、接收反馈并调整难度；与 interview-simulator 集成以提供问题库并根据模拟结果更新难度评级。可被 /interview/prep、/interview/simulate、/company/questions、/weakness/practice 等命令调用。
适配策略与输出 针对不同公司（Google、Meta、Amazon、Microsoft、Startup）和不同职位级别有相应的出题侧重策略；输出支持单题标准格式（含背景、要求、评估要点、预计时间、相关技能）和批量问题 JSON 格式（含各类型数量、预计准备时间、优先级顺序）。
限制 资料未提供该技能的具体安装命令、收费方式、平台支持范围或实际使用效果数据，相关内容暂未提供。