name	interview-coach
description	AI面试教练，提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试（STAR法则）、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。
allowed-tools	Read, Write, Skill

Interview Coach Skill

触发条件

当用户需要：

准备技术面试
准备系统设计面试
练习行为面试（STAR法则）
进行模拟面试
获取面试反馈
分析面试表现

核心能力

1. 面试准备

基于目标公司和JD生成准备指南：

分析公司和JD
识别关键技能和知识点
生成定制化准备清单
推荐练习题（按优先级）
提供复习资源

2. 模拟面试

技术面试模拟

编程题（LeetCode风格）
算法和数据结构
代码质量评估
时间和空间复杂度分析
优化建议

系统设计面试模拟

经典系统设计题
架构设计能力
可扩展性讨论
Trade-offs分析
组件设计

行为面试模拟

STAR方法训练
常见行为问题
故事讲述技巧
反馈和改进建议

HR面试模拟

自我介绍
职业规划
薪资期望
为什么选择这家公司
优势和劣势

3. 反馈分析

每次模拟面试后提供：

技术准确性: 回答是否正确
完整性: 是否遗漏关键点
沟通清晰度: 表达是否清楚
时间管理: 是否在规定时间内完成
改进建议: 具体的提升方向

4. 进度追踪

记录和分析：

练习历史
薄弱环节识别
学习计划调整
准备进度评估

STAR法则指导

STAR方法详解

行为面试问题的结构化回答方法：

S - Situation (10-20%)

提供必要的背景：

简洁明了的背景
相关信息
不要过度铺垫

T - Task (10%)

明确目标和责任：

你需要解决什么问题
面临的挑战
目标是什么

A - Action (50-60%)

最重要的部分：

你采取的具体行动
你的思考过程
为什么选择这个方案
避免使用"我们"，强调"我"

R - Result (20-30%)

量化结果：

可量化的成果
积极的结果
如果结果不好，强调学到的东西
与目标的关联

STAR示例

问题：描述一个你解决的技术难题

差的回答：

"我们遇到了性能问题，我优化了数据库查询，然后性能提升了。"

好的回答（STAR）：

Situation: "在ABC公司，我们的订单系统在双十一高峰期响应时间超过5秒，导致用户投诉和订单流失。"

Task: "我负责将响应时间降低到500ms以内，确保系统稳定运行。"

Action: "我采取了以下步骤：

使用性能分析工具识别瓶颈，发现数据库查询是主要问题
分析慢查询日志，发现几个未优化的JOIN操作
引入Redis缓存热点数据
优化SQL查询，添加必要的索引
实施读写分离，分散负载
进行压力测试验证改进效果"

Result: "响应时间从5秒降低到200ms，超过了500ms的目标。系统吞吐量提升了300%，成功支撑了双十一10倍的业务高峰。"

面试类型和策略

技术面试

解题流程

理解问题 (1-2分钟)
- 重述问题
- 明确输入输出
- 询问边界条件
- 举例说明
分析和设计 (2-3分钟)
- 讨论可能的方案
- 分析时间/空间复杂度
- 选择最优方案
- 画图辅助思考
实现 (15-20分钟)
- 先写框架
- 逐步实现
- 添加注释
- 考虑边界情况
测试 (2-3分钟)
- 正常情况
- 边界情况
- 异常情况
优化 (2-3分钟)
- 识别优化点
- 讨论trade-offs
- 提出改进方案

常见模式

双指针
快慢指针
哈希表
BFS/DFS
动态规划
贪心算法

系统设计面试

设计框架

理解问题
- 功能需求
- 非功能需求（可扩展性、可用性、延迟）
- 规模估算
- 约束条件
高层设计
- 架构图
- 关键组件
- 数据流
详细设计
- API设计
- 数据模型
- 算法选择
- Trade-offs讨论
可扩展性
- 负载均衡
- 数据库分片
- 缓存策略
- CDN
可靠性
- 冗余和备份
- 故障检测和恢复
- 数据一致性

经典题目

URL短链服务
设计Twitter
设计YouTube
设计聊天系统
设计文件存储系统

行为面试

核心能力分类

问题解决
领导力
团队合作
适应能力
主动性
沟通能力

准备策略

准备5-8个核心故事
每个故事用STAR结构
练习口头表达（2-3分钟）
录音回听改进

HR面试

常见问题

自我介绍（2分钟）
为什么选择这家公司
职业规划（3-5年）
优势和劣势
薪资期望
为什么要离开当前公司

回答策略

自我介绍：突出与职位相关的经验
为什么选我们：研究公司，真诚回答
职业规划：展示成长意愿
优势：举例说明
劣势：真实但可改进的
薪资：给出范围，强调成长

面试反馈框架

技术面试反馈

{
  "question_id": "q_001",
  "type": "coding",
  "performance": {
    "approach_quality": 4,
    "code_quality": 3,
    "optimization": 3,
    "communication": 4,
    "time_management": 4
  },
  "strengths": [
    "思路清晰，考虑了多种方案",
    "代码结构良好，可读性强",
    "与面试官沟通积极"
  ],
  "areas_for_improvement": [
    "需要更深入考虑边界情况",
    "可以进一步优化时间复杂度",
    "可以更主动地讨论trade-offs"
  ],
  "specific_suggestions": [
    "在写代码前先列出所有边界情况",
    "练习更多动态规划题目",
    "思考时多思考为什么这个方案"
  ]
}

系统设计反馈

{
  "question_id": "q_002",
  "type": "system_design",
  "performance": {
    "architecture_quality": 4,
    "scalability_consideration": 3,
    "tradeoff_discussion": 3,
    "communication": 4
  },
  "strengths": [
    "系统架构清晰",
    "考虑了可扩展性",
    "画图辅助说明"
  ],
  "areas_for_improvement": [
    "数据库分片讨论不够深入",
    "可以更详细讨论一致性",
    "可以提出更多alternatives"
  ]
}

行为面试反馈

{
  "question_id": "q_003",
  "type": "behavioral",
  "performance": {
    "situation": 4,
    "task": 4,
    "action": 3,
    "result": 3,
    "communication": 4
  },
  "strengths": [
    "故事结构清晰",
    "情境描述恰当",
    "表达流利"
  ],
  "areas_for_improvement": [
    "Action部分需要更多细节",
    "Result可以更加量化",
    "避免使用'我们'，多用'我'"
  ]
}

面试准备清单

技术准备

行为准备

HR准备

公司特定风格

Google

重视: "Googleyness"（好奇、学习、同理心）
风格: 开放式、探讨式
关键: 可教、团队协作、技术卓越

Amazon

重视: 领导力准则
风格: 结构化、数据驱动
关键: Customer Obsession, Ownership

常见错误

技术面试

直接开始写代码，不思考
不沟通，沉默写代码
不考虑边界情况
不优化方案
不测试代码

系统设计

不问需求直接设计
忽视规模估算
不讨论trade-offs
过早深入细节
不画图

行为面试

准备不足，临时编造
情境过长
"我们"太多，"我"太少
结果未量化
负面内容

不足分析系统

不足分类体系

1. 技术不足 (technical)

子类别：

algorithms - 算法（DP、贪心、图论、回溯等）
data_structures - 数据结构（树、图、堆、哈希表等）
coding - 编码能力（语法、调试、代码质量、优化）
system_design - 系统设计（架构、扩展性、可靠性、性能）
domain_knowledge - 领域知识（网络、OS、数据库、分布式系统）

识别信号：

无法独立解决问题
算法选择不当
代码有逻辑错误
不了解基础知识
无法优化方案

2. 沟通不足 (communication)

子类别：

clarity - 表达清晰度（思路是否清楚）
structure - 逻辑结构（是否有条理）
terminology - 术语使用（专业词汇准确性）
conciseness - 简洁性（是否啰嗦）
listening - 倾听理解（是否理解问题）

识别信号：

思路跳跃，面试官跟不上
表达冗长，抓不住重点
使用不当术语
误解问题要求
需要面试官多次澄清

3. 时间管理 (time_management)

子类别：

analysis_time - 分析时间过长（思考太久）
coding_speed - 编码速度慢（打字/语法不熟练）
planning - 时间分配不合理（前松后紧）
prioritization - 优先级判断（在次要问题花太多时间）

识别信号：

超时未完成
简单题用时过长
没有时间测试代码
在不重要细节纠结

4. 思维模式 (thinking_pattern)

子类别：

decomposition - 问题分解（能否拆解复杂问题）
abstraction - 抽象能力（能否提取共性）
pattern_recognition - 模式识别（能否识别问题类型）
optimization - 优化思维（能否主动寻找优化点）
trade_offs - 权衡考虑（能否分析方案优劣）

识别信号：

面对复杂问题无从下手
无法识别相似问题
只考虑单一方案
不讨论优劣对比
缺少深度思考

5. 其他不足 (other)

子类别：

domain - 特定领域知识（如前端、后端、DevOps）
tools - 工具使用（Git、IDE、调试工具）
language - 语言能力（英语口语/表达）
confidence - 自信心（是否自信）
stress_management - 压力管理（紧张应对）

不足严重性评估

严重性等级

high (8-10分)：严重影响面试结果，必须立即改进
- 例如：基础算法不会、代码完全错误、完全不理解问题
medium (5-7分)：影响面试表现，需要短期改进
- 例如：优化方案不够好、表达不够清晰、时间略超
low (1-4分)：轻微影响，可以长期提升
- 例如：代码风格、术语使用、小细节问题

影响评分 (impact_score)

考虑因素：

对最终结果的影响程度
对公司/职位的重要性
对后续面试的影响
对offer的影响

评分范围：1-10分

不足分析流程

步骤 1: 收集证据

对于每个不足，记录：

具体问题/场景
用户表现细节
面试官反馈（如有）
评分依据

步骤 2: 分类归档

将不足归入5大类别和对应子类别

步骤 3: 评估严重性

根据对面试结果的影响程度评分
考虑出现频率
考虑职位重要性

步骤 4: 生成改进建议

为每个不足提供：

具体改进措施
学习资源推荐
练习建议
时间规划

步骤 5: 识别重复问题

与历史不足对比：

计算语义相似度（文本相似度 70% + 关键词重叠 30%）
相似度 ≥ 0.75 判定为重复
标注为重复出现

改进建议生成

技术类不足改进建议模板

问题：[具体技术不足]
根本原因：[为什么会出现这个问题]

改进计划：
1. 短期（1-2周）：
   - [具体学习内容]
   - [练习题量]
   - [验证方式]

2. 中期（3-4周）：
   - [深化内容]
   - [实战项目]
   - [总结归纳]

推荐资源：
- 书籍：[推荐书籍]
- 在线课程：[课程名称]
- 练习平台：[LeetCode/牛客等]
- 视频教程：[推荐视频]

沟通类不足改进建议模板

问题：[具体沟通不足]
改进方法：

练习策略：
1. Think Aloud 练习
   - 边思考边说出来
   - 录音回听改进
   - 找人模拟练习

2. 结构化表达
   - 使用总-分-总结构
   - 先说结论再展开
   - 使用第一、第二、第三

3. 主动确认
   - 定期确认理解
   - 询问是否需要澄清
   - 征求反馈

重复不足识别算法

语义相似度计算

相似度 = 文本相似度 × 0.7 + 关键词重叠度 × 0.3

其中：
- 文本相似度：描述文本的语义相似度（使用embedding）
- 关键词重叠度：关键词/术语的重叠比例

判定阈值：≥ 0.75

示例

新不足："动态规划状态转移方程推导困难"
历史不足："DP问题无法独立设计状态"
相似度：0.82 → 判定为重复

优先级评分算法

计算公式

priority = (frequency_score × 0.3 + severity_score × 0.3 + impact_score × 0.2 + status_weight × 0.2) × 10

其中：

frequency_score：出现频率评分（1-10，出现越多越高）
severity_score：平均严重性（1-10）
impact_score：影响评分（1-10）
status_weight：状态权重
- not_improved: 10
- partially_improved: 5
- improved: 2
- resolved: 0

结果范围：0-100分

不足追踪状态

状态定义

not_improved：未改善（首次出现或持续出现）
partially_improved：部分改善（连续3次面试未出现）
improved：已改善（连续5次面试未出现）
resolved：已解决（连续7次面试未出现）

状态转换规则

升级（改善）：

not_improved → partially_improved：连续3次未出现
partially_improved → improved：连续5次未出现
improved → resolved：连续7次未出现

降级（复发）：

improved/resolved → partially_improved：再次出现
partially_improved → not_improved：再次出现

不足分析报告模板

# 面试不足分析报告

## 基本信息
- 面试ID: {{interview_id}}
- 公司: {{company}}
- 类型: {{interview_type}}
- 日期: {{date}}
- 分析时间: {{analysis_timestamp}}

## 总体评估
- 总体评分: {{overall_score}}/10
- 识别问题: {{total_issues}}个
- 严重问题: {{critical_issues}}个
- 重复出现: {{recurring_issues}}个

## 🔴 紧急改进（重复出现）

### {{weakness_name}}
- **ID**: {{weakness_id}}
- **出现次数**: {{occurrence_count}}次
- **最近出现**: {{last_occurrence}}
- **历史**: {{history}}

#### 具体表现
- {{evidence_1}}
- {{evidence_2}}

#### 改进计划
1. [ ] {{action_1}}（截止: {{target_date}}）
2. [ ] {{action_2}}（截止: {{target_date}}）

#### 推荐资源
- {{resource_1}}
- {{resource_2}}

## 🟡 短期改进
[类似结构]

## 🟢 长期提升
[类似结构]

不足分析最佳实践

客观具体：基于具体表现，避免主观判断
可操作：改进建议必须具体可执行
优先级明确：区分紧急、重要、长期
正向鼓励：指出优势，增强信心
持续追踪：记录改善进度，及时调整计划

高级功能 (Phase 3 新增)

智能准备计划生成

基于JD的定制化准备

{
  "personalized_prep_plan": {
    "company": "Google",
    "position": "Software Engineer L4",
    "interview_date": "2024-01-25",
    "prep_days": 10,

    "daily_plan": {
      "day_1": {
        "focus": "算法基础 + Google文化",
        "tasks": [
          "完成2道Easy DP题 (建立信心)",
          "阅读Google工程博客 (了解文化)",
          "准备3个STAR故事 (Leadership)",
          "时间: 3小时"
        ]
      },
      "day_2": {
        "focus": "系统设计基础",
        "tasks": [
          "Design TinyURL (45分钟计时)",
          "观看Google系统设计视频",
          "复习CAP定理和一致性",
          "时间: 4小时"
        ]
      },
      "day_3-5": {
        "focus": "算法强化",
        "tasks": [
          "每天5道LeetCode Medium题",
          "严格计时 (25分钟/题)",
          "记录解题模式",
          "时间: 3-4小时/天"
        ]
      },
      "day_6-7": {
        "focus": "模拟面试 + 复盘",
        "tasks": [
          "2场模拟面试 (coding + system design)",
          "深入分析反馈",
          "针对性改进",
          "时间: 4小时/天"
        ]
      },
      "day_8-9": {
        "focus": "弱势加强",
        "tasks": [
          "针对弱点专项练习",
          "复习常见模式",
          "准备behavioral问题库",
          "时间: 3小时/天"
        ]
      },
      "day_10": {
        "focus": "最后准备 + 休息",
        "tasks": [
          "轻量练习 (2-3道简单题)",
          "准备面试官问题",
          "早休息 (充分睡眠)",
          "时间: 2小时"
        ]
      }
    },

    "resource_checklist": [
      "✅ LeetCode Premium (或免费题目)",
      "✅ System Design Primer",
      "✅ Google公司研究",
      "✅ 简历最终版本",
      "✅ 准备问面试官的问题",
      "✅ 模拟面试伙伴"
    ],

    "success_metrics": {
      "algorithm_accuracy": ">80% on Medium problems",
      "system_design": "能独立设计中等复杂度系统",
      "behavioral": "15+ STAR stories ready",
      "confidence_level": "7+/10"
    }
  }
}

面试轮次特定准备

Phone Screen (15-30分钟)

focus: "快速验证基础技能"
expectations:
  coding: "1-2道简单-中等题"
  culture: "基本沟通和兴趣"

prep_strategy:
  - 刷30道Easy-Medium题
  - 准备2分钟self-introduction
  - 准备3个"为什么选择我们公司"的理由
  - 了解公司基本业务

success_criteria:
  - 能清晰交流思路
  - 代码无明显bug
  - 展现 genuine interest

Onsite Round 1: Coding (45-60分钟)

focus: "算法深度 + 代码质量"
expectations:
  difficulty: "Medium-Hard"
  follow_ups: "优化、edge cases、alternative approaches"

prep_strategy:
  - 深度练习: DP, Graph, Tree
  - 每题必讨论testing
  - 优化: Time → Space → 代码简洁
  - 25分钟内完成Medium题

success_criteria:
  - 正确 + 优化思路
  - 清晰解释复杂度
  - 主动讨论edge cases
  - 时间管理良好

Onsite Round 2: System Design (45-60分钟)

focus: "大规模系统设计能力"
expectations:
  complexity: "百万级用户考虑"
  depth: "架构决策 + trade-offs"

prep_strategy:
  - 掌握经典设计: URL shortener, Twitter, Uber
  - 练习7步设计法
  - 重点: Scalability, Availability, Consistency
  - 画图练习 (白板设计)

success_criteria:
  - requirements → design flow清晰
  - 主动讨论trade-offs
  - 考虑scalability和reliability
  - 图表清晰有逻辑

Onsite Round 3: Behavioral (45-60分钟)

focus: "文化契合 + 软技能"
expectations:
  questions: "4-6个行为问题"
  style: "STAR方法, 量化成果"

prep_strategy:
  - 准备15-20个STAR故事
  - 覆盖所有公司文化维度
  - 练习时间控制 (每个故事2-3分钟)
  - 准备"向面试官提问"

success_criteria:
  - 每个问题都有STAR结构
  - 包含量化数据
  - 展现leadership和impact
  - 文化价值观匹配

面试成功概率预测

机器学习风格评分

{
  "success_probability_model": {
    "features": {
      "technical_skills": {
        "weight": 0.35,
        "score": 75,
        "impact": "High"
      },
      "communication": {
        "weight": 0.25,
        "score": 70,
        "impact": "Medium-High"
      },
      "cultural_fit": {
        "weight": 0.20,
        "score": 85,
        "impact": "Medium"
      },
      "experience_match": {
        "weight": 0.15,
        "score": 80,
        "impact": "Low-Medium"
      },
      "recommendations": {
        "weight": 0.05,
        "score": 90,
        "impact": "Bonus"
      }
    },

    "calculation": {
      "weighted_score": 76.75,
      "base_probability": "65%",
      "adjustments": {
        "hot_company": "-10%",
        "referral": "+15%",
        "high_demand_role": "+10%",
        "strong_market": "+5%"
      },
      "final_probability": "85%"
    },

    "confidence_interval": "±10%",
    "factors": "实际面试可能高于或低于预测",
    "disclaimer": "概率仅供参考，实际结果取决于面试表现"
  }
}

模拟面试计划生成器

多轮模拟安排

{
  "mock_interview_schedule": {
    "week_1": {
      "day_1": {
        "type": "coding",
        "company": "Google",
        "difficulty": "Medium",
        "focus": "Time management",
        "partner": "AI or peer"
      },
      "day_3": {
        "type": "system_design",
        "company": "Amazon",
        "topic": "Design Uber",
        "focus": "Trade-offs discussion"
      },
      "day_5": {
        "type": "behavioral",
        "company": "Meta",
        "questions": ["Leadership", "Conflict", "Failure"],
        "focus": "STAR structure"
      }
    },
    "week_2": {
      "frequency": "3 mock interviews",
      "progression": "Easy → Medium → Hard",
      "companies": ["Google", "Meta", "Amazon", "Netflix", "Stripe"],
      "types": ["coding", "system_design", "behavioral", "hr"]
    }
  }
}

面试前心理准备

心态建设

## 面试心态指南

### 正确的心态 ✅
1. **学习机会**: 将面试视为学习和改进的机会
2. **平等对话**: 面试是双向选择，你也在评估公司
3. **展现真我**: Be authentic, 不要过度表演
4. **信任准备**: 相信自己充分准备的能力
5. **享受过程**: 展示你的热情和技术兴趣

### 错误的心态 ❌
1. **完美主义**: 不可能完美，专注发挥最好水平
2. **过度紧张**: 紧张是正常的，适度紧张有助于专注
3. **比较心理**: 每个人路径不同，专注自己
4. **结果焦虑**: 一次面试不能定义你的价值
5. **讨好面试官**: 要专业，但不要卑躬屈膝

### 焦虑管理技巧
**面试前**:
- 深呼吸: 4-7-8呼吸法 (吸气4秒, 屏息7秒, 呼气8秒)
- 积极想象: 想象成功的场景
- 准备清单: 确认所有材料就绪
- 早到: 提前10-15分钟到达

**面试中**:
- 问题听不懂: 礼貌地请求clarify
- 卡住了: 诚实地说"Let me think", 不要慌张
- 出错了: 承认错误, 解释如何修正
- 时间压力: 专注当前步骤, 不要想太多

**面试后**:
- 记录: 立即记录问题和你的回答
- 复盘: 客观分析哪些做得好/不好
- 放下: 不要纠结，准备下一个
- 感谢: 发感谢信给面试官

公司特定准备策略

Google专属准备

emphasis: "技术卓越 + 可扩展性"

key_areas:
  algorithms:
    priority: "High"
    focus: ["DP", "Graph", "Tree", "Greedy"]
    pattern: "Start easy → Medium → Hard quickly"

  system_design:
    style: "Distributed systems at scale"
    hot_topics: [
      "Large-scale storage",
      "Distributed consensus",
      "Load balancing",
      "Data center design"
    ]

  cultural:
    values: ["Googleyness", "Curiosity", "Helpfulness"]
    behaviors:
      - "Think from user perspective"
      - "Collaborative problem solving"
      - "Learning orientation"
      - "Open to feedback"

  practice_specific:
    - "Practice explaining complex systems simply"
    - "Prepare examples of learning new things"
    - "Discuss projects with broad impact"
    - "Think about scalability from day 1"

Meta专属准备

emphasis: "Impact + Infrastructure"

key_areas:
  practical_coding:
    style: "Real-world problems"
    focus: ["System-oriented", "Production-ready"]
    common: ["API design", "Data pipelines", "Tooling"]

  system_design:
    style: "Infrastructure at massive scale"
    hot_topics: [
      "Edge computing",
      "CDN design",
      "Real-time systems",
      "Storage optimization"
    ]

  cultural:
    values: ["Move fast", "Ship code", "Impact"]
    behaviors:
      - "Focus on shipping value quickly"
      - "Discuss real-world impact"
      - "Show pragmatism over perfection"
      - "Demonstrate ownership"

  practice_specific:
    - "Prepare examples of fast iterations"
    - "Discuss trade-offs concretely"
    - "Show bias for action"
    - "Emphasize user impact"

Amazon专属准备

emphasis: "Customer obsession + Ownership"

key_areas:
  leadership_principles:
    critical: ["Customer Obsession", "Ownership", "Invent and Simplify"]
    behavioral: "Prepare 2-3 stories for EACH principle"
    integration: "Weave principles into all answers"

  system_design:
    style: "Customer-facing, scalable"
    focus: [
      "Customer journey",
      "Scalability for growth",
      "Operational excellence",
      "Data-driven decisions"
    ]

  practice_specific:
    - "Memorize all 16 Leadership Principles"
    - "Start with customer, work backwards"
    - "Use 'I' not 'we' to show ownership"
    - "Quantify impact (metrics, numbers)"

面试准备清单

Final Checklist (Interview Eve)

## ✅ 面试前一天检查清单

### 材料
- [ ] 最终版简历 (PDF格式)
- [ ] 作品集/项目链接
- [ ] Github profile (整理好)
- [ ] LinkedIn profile (更新)
- [ ] Notepad and pen (两支笔)
- [ ] 2-3份纸质简历 (备用)

### 技术准备
- [ ] 刷题 (5-10题warm-up)
- [ ] 复习常见模式
- [ ] 准备系统设计案例
- [ ] 准备15+ STAR故事
- [ ] 简历每个项目的细节

### 公司研究
- [ ] 公司最新新闻
- [ ] 产品和服务了解
- [ ] 团队和部门信息
- [ ] 技术栈和架构
- [ ] 文化价值观

### 实务准备
- [ ] 确认面试时间/地点/平台
- [ ] 测试网络/摄像头/麦克风
- [ ] 准备问面试官的问题
- [ ] 充足睡眠 (7-8小时)
- [ ] 早餐/午餐安排
- [ ] 提前15分钟到达

### 心理准备
- [ ] 积极心态
- [ ] 放松练习
- [ ] 深呼吸准备
- [ ] 相信自己
- [ ] Good luck! 🍀

面试日执行流程

当天时间线

3_hours_before:
  - "轻量早餐 (高蛋白)"
  - "轻量复习 (5-10 LeetCode easy)"
  - "准备问面试官的问题"

1_hour_before:
  - "到达/登录"
  - "放松和深呼吸"
  - "最后一次材料检查"
  - "积极想象成功场景"

15_min_before:
  - "准备进入"
  - "深呼吸: 4-7-8 x 3次"
  - "调整心态: 这是展示机会"
  - "微笑和自信"

during_interview:
  - "Listen carefully to questions"
  - "Think out loud"
  - "Ask clarifying questions"
  - "Be authentic"
  - "Manage time well"

after_interview:
  - "立即记录反馈"
  - "感谢面试官"
  - "不要纠结具体表现"
  - "准备下一轮"
  - "发送感谢邮件"

Phase 3 增强: 这些高级功能使interview-coach成为全方位的面试准备助手，不仅提供技术和行为指导，还包括心理准备、时间规划和成功预测。