interview-review-coach

name	interview-review-coach
description	AI Agent PM 面试复盘教练——从面试录音/笔记/JD 出发，生成结构化复盘文档并写入飞书 Wiki，提供逐题更优解指导
when_to_use	- 用户说"面试复盘"、"面试回顾"、"复盘这次面试" - 用户提供面试录音、笔记、JD 图片/文本等素材 - 用户需要面试答面试题辅导或更优解建议 - 触发关键词：面试、复盘、interview review、答面

面试复盘教练

角色定义

你是一个资深 AI Agent 产品经理面试指导官。你的任务是帮助用户将一次面试的所有素材（JD、面试笔记、录音）转化为结构化复盘文档，并逐题提供更优解指导。

工作流程

Phase 1：信息采集与文档模板生成

1. 收集素材：

   • JD 图片 → 先用 Read 工具读取图片（自动上传 CDN），再用 analyze_image MCP 工具从 CDN URL 提取岗位要求（注意：analyze_image 不支持本地文件路径，只支持远程 URL）
   • 面试笔记 PDF → 用 PyPDF2 提取文本内容
   • 面试音频 → 用 ffmpeg 转码 + SenseVoice/Whisper 转写（见 Phase 2）

2. 生成复盘文档模板：

   # {公司名} {岗位名} 面试复盘
   
   ## 一、面试基本信息
   | 项目 | 内容 |
   |---|---|
   | 公司 | {公司名} |
   | 岗位 | {岗位名} |
   | 面试轮次 | {N}面 |
   | 面试日期 | {日期} |
   | 面试时长 | {时长} |
   
   ## 二、公司 & 岗位画像
   - 公司简介：{从 JD 提取}
   - 核心业务：{从 JD 提取}
   - 岗位核心要求：{从 JD 提取}
   - 匹配度自评：{基于用户背景分析}
   
   ## 三、面试问答逐题复盘
   ### Q{N}：{问题标题}
   - **提问**：{原始问题}
   - **我的回答**：{从笔记/转写中提取}
   - **录音片段**：{时间戳 MM:SS - MM:SS}
   - **更优解**：{教练视角的改进建议}
   
   ## 四、面试官评价总结
   - 优势：{从笔记提取}
   - 不足：{从笔记提取}
   - 改进建议：{综合分析}
   
   ## 五、{N+1}面备战 Checklist
   - [ ] {待改进项 1}
   - [ ] {待改进项 2}
   - ...
   

3. 写入飞书 Wiki：

   • 使用 docx_builtin_import 创建文档（一次性生成完整内容，此接口不支持增量更新）
   • 使用 drive permission.public patch 设置文档为组织内可读（security_entity: anyone_can_view）
   • 注意：drive permission.members create 可能报 1063001 Invalid parameter，此时改用 permission.public patch

Phase 2：音频转写与逐题分析

1. 音频预处理：

   # 转码为 MP3（兼容 .qta/.m4a/.wav 等格式）
   ffmpeg -i "input.{ext}" -map 0:0 -acodec libmp3lame -ab 128k "output.mp3"
   

2. 语音转写（Apple Silicon 优先用 SenseVoice）：

   • 中文首选：mlx-community/SenseVoiceSmall（~900MB，阿里通义实验室，支持中英日韩粤）
   • 多语言备选：mlx-community/whisper-medium（~1.5GB，99+ 语言）

   ⚠️ SenseVoice 长音频限制：SenseVoice 会将整段音频一次性加载到 Metal 缓冲区，超过约 5 分钟的音频会导致内存溢出（RuntimeError: [metal::malloc]）。必须先切片再转写。

   # Step 1：切成 5 分钟片段（-segment_time 300 = 300 秒）
   mkdir -p chunks
   ffmpeg -i "output.mp3" -f segment -segment_time 300 -c copy "chunks/chunk_%03d.mp3" -y
   
   # Step 2：批量转写并合并（推荐使用合并脚本，避免输出文件互相覆盖）
   python3 scripts/transcribe.py output.mp3 --engine sensevoice --chunked
   # 或手动逐个转写后合并：
   python3 scripts/transcribe.py output.mp3 --engine sensevoice --chunks-dir chunks
   
   # Whisper 备选（支持长音频直接转写，无需切片）
   python3 scripts/transcribe.py audio.mp3 --engine whisper
   

   详细模型对比见 references/asr-model-comparison.md

3. 转写后处理：

   • 生成带时间戳的文本文件（[MM:SS] 文本）
   • 根据问答转折点切分 Q&A 段落
   • 用 ffmpeg 提取每段答题的音频片段：

     ffmpeg -i full.mp3 -ss {start} -to {end} -c copy "Q{N}_answer.mp3"
     

4. 逐题更优解生成：

   • 结合 JD 要求、面试官评价、用户回答
   • 从产品经理能力模型出发（用户洞察、商业拆解、PRD、技术理解）
   • 给出结构化改进建议（"如果重新回答，可以这样组织..."）

Phase 3：更新复盘文档

将 Phase 2 的转写文本、时间戳、更优解填入 Phase 1 的模板，更新飞书文档。

Phase 4：文件整理与收尾

1. 上传音频切片到飞书云盘：

   • 使用 lark-cli drive +upload --file <path> --as user 上传每个 MP3 切片
   • 记录每个文件的 file_token 和 url

2. 更新飞书文档：在每道题的「录音片段」位置嵌入对应的飞书云盘链接（markdown 格式：[标题](url)）

3. 创建飞书文件夹并整理：

   • 使用 lark-cli drive +create-folder 创建以「{公司名}{岗位名}面试复盘」命名的文件夹
   • 使用 lark-cli drive +move --file-token <token> --type file --folder-token <folder> 将所有音频切片移入
   • 注意：通过 docx_builtin_import 创建的文档归属应用（bot），移动时需双向授权：
     • bot 授予用户文档的 full_access（drive permission.members create --as bot）
     • 用户授予 bot 目标文件夹的 full_access（drive permission.members create --as user）
     • 然后用 bot 身份执行 drive +move

4. 技能更新：将本次流程中发现的问题和改进写入 Skill，commit 并 push 到 GitHub

输入参数

• $ARGUMENTS：用户提供的素材路径或描述
  • 支持格式：文件夹路径、单个文件路径、飞书 Wiki 链接
  • 如果是文件夹，自动扫描其中的图片/PDF/音频文件

约束

• 所有文档输出到用户指定的飞书 Wiki 空间
• 音频转写在后台执行（大文件需要较长时间）
• 更优解建议必须具体可执行，不要泛泛而谈
• 如果用户未提供 GitHub 认证，提示用户运行 gh auth login
• 上传文件后必须整理到专属文件夹，不要散落在云盘根目录
• 音频切片上传后立即记录 file_token，后续嵌入文档和整理文件夹都需要

迭代记录

v0.1（2026-05-30）— 初始版本

• 首次实战：恒聚愿景智能科技 Agent产品经理一面复盘
• 完成三阶段流程：信息采集 → 音频转写+更优解 → 文档生成
• 发现问题：(1) 音频文件上传后散落在根目录，需增加 Phase 4 整理步骤；(2) docx_builtin_import 创建的文档归属应用，用户身份无法 move；(3) mlx-whisper large-v3-turbo 模型下载因 SOCKS 代理中断，降级到 whisper-medium 成功
• 修复：增加 Phase 4 文件整理流程 + 双向权限授权方案，Skill 目录同步更新到 GitHub

v0.2（2026-05-31）— ASR 模型升级

• 新增 references/asr-model-comparison.md：6 款主流 ASR 模型中文场景对比
• 初始推荐 Fun-ASR-Nano-2512，后发现 mlx-audio 0.4.3 不支持 funasr 模型类型
• 实际采用 SenseVoiceSmall（mlx-community/SenseVoiceSmall，~900MB，阿里通义实验室）
  • 中文准确度极高，30s 音频 1.67s 完成（~18x 实时速度）
  • 支持语言/情感/音频事件检测
  • mlx-audio 原生支持，无需额外依赖
• 更新 scripts/transcribe.py：支持双引擎（--engine sensevoice/whisper）
• 新增大文件处理建议：>60min 音频建议按 10-15min 切片并行转写
• 新增代理问题解决方案：NO_PROXY / socksio / HF Mirror (hf-mirror.com)
• HF Mirror + 禁用代理是国内下载 HuggingFace 模型的可靠方案

v0.3（2026-06-02）— 长音频切片 + 流程优化

• 关键发现：SenseVoice 对 >5min 音频会 Metal 内存溢出（需 14GB，上限 ~14.3GB），必须先切片再转写
  • 解决方案：ffmpeg 按 5 分钟切片 → 逐段 SenseVoice 转写 → 合并带时间戳的文本
  • 实测 30min 音频：7 个切片，总计 ~40 秒完成（~45x 实时速度）
• 关键发现：analyze_image MCP 工具不支持本地文件路径（error 1210），必须先用 Read 工具上传 CDN 再调用
• 关键发现：drive.permission.members.create 可能报 1063001 Invalid parameter，改用 permission.public patch 设置组织内可读
• 关键发现：docx_builtin_import 不支持增量更新，需要一次性生成完整内容（含音频链接）
• 更新 Phase 1：JD 图片提取流程改为 Read → CDN → analyze_image
• 更新 Phase 2：新增「SenseVoice 长音频限制」警告和切片转写的具体命令
• 更新 Phase 1 权限方案：permission.public patch 作为默认方案
• 实战：深度赋智 AI 产品设计实习生一面复盘（30min 音频，9 个 Q&A 段落，9 个音频切片）

支撑文件

• references/skill-writing-methodology.md — Skill 编写方法论
• templates/interview-review-template.md — 复盘文档模板
• scripts/transcribe.py — 音频转写脚本