InterviewRadar 用于把「简历 + 模糊岗位方向」转成基于真实面经的个性化备考包。输入是简历（PDF、图片或文本路径）和一个方向性岗位（如「AI 应用开发」），不是具体 JD。
主要能力：脚本负责确定性处理，agent 负责推理判断，两者通过 corpus_cache/ 下的 JSON 交互。工具包括 resume_extract.py（简历抽取，需视觉时由 agent 读图）、connectors/nowcoder.py、connectors/github.py、connectors/xiaohongshu.py，以及 scrape/mediacrawler_driver.py、ocr/extract.py、corpus/ 下的抽题、去重排序、时效过滤与可复放运行包生成脚本。
使用方式：先用领域知识从岗位与简历推导种子查询，按域名分桶做 URL 发现，再喂给对应 connector 落盘并迭代检索。小红书源需先配置 MediaCrawler：推荐 cookie 登录，在 MediaCrawler config/base_config.py 中设置 LOGIN_TYPE = "cookie" 和 COOKIES = "web_session=<value>"，再以 XiaohongshuConnector(driver=MediaCrawlerDriver(), login_type="cookie") 采集；也可用 export_path 手动模式。抽题后写决策，再跑：python -m scripts.corpus.runner --raw-posts corpus_cache/raw_posts.json --decisions corpus_cache/extraction_decisions.json --output corpus_cache/runs/<本次标识> --today YYYY-MM-DD，正式备考包只读该目录的 ranked_questions.json。
适用场景：各领域岗位面试备考（AI、市场、后端、设计等），需高频题、项目追问链、自我介绍与冲刺计划。
限制：时效性为硬要求，只保留近两年有明确日期的来源；无日期来源单独披露并最低权重排序。「高频」题须至少两个独立来源 URL。fast 模式不读图片 OCR，可能漏掉图片中的完整题目，必须明确提示。MediaCrawler 仅供个人、非商业用途。不可追溯的题目或追问不得编造。官方收费、价格与平台支持信息暂未提供，具体以文档 docs/setup/mediacrawler.md 及脚本假设为准。