Menú
채용공고를 분석하고 병렬 리서치 에이전트를 통해 면접 후기·기술 질문·회사 정보를 동시에 수집하여 직무별 맞춤형 면접 대비 예상 질문 문서를 생성합니다.
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
| name | hiring-prep-interview |
| description | 채용공고를 분석하고 병렬 리서치 에이전트를 통해 면접 후기·기술 질문·회사 정보를 동시에 수집하여 직무별 맞춤형 면접 대비 예상 질문 문서를 생성합니다. |
| user-invocable | true |
채용공고 URL(또는 붙여넣기)을 입력받아, 병렬 리서치 에이전트를 통해 실제 면접 후기와 예상 질문을 동시에 수집하고, 직무 유형에 따라 이력서 기반 딥다이브, 직무 특화 기술, CS 기초, 시스템 설계/문제 해결, 인성/컬처핏까지 커버하는 맞춤형 면접 대비 마크다운 문서를 생성합니다.
- 병렬 리서치: 4개 리서치 스테이지를 동시에 실행하여 수집 속도 최대화
- 직무별 맞춤: 백엔드/DevOps/프론트엔드/데이터/AI·ML/보안 등 직무 유형에 따라 질문 카테고리 동적 결정
- 이력서 연동: 이력서/자소서 제공 시 PARL 프레임워크 기반 프로젝트 딥다이브 질문 생성
- 시스템 설계 프레임워크: 업계 면접 패턴 분석 기반 4단계 접근법 내장
- 실제 후기 기반: 잡플래닛, 잡코리아, 캐치, 블라인드 후기 리서치
- <details> 답변 가이드: 각 질문에 펼침형 답변 가이드 포함
- 자기완결형 문서: 이 문서 하나로 면접 전 준비 완료
"준비할 채용공고의 URL 또는 내용을 붙여넣어주세요."
공고 입력 후 추가 안내:
"이력서 또는 자기소개서가 있으면 함께 제공해주세요.
제공 시 프로젝트 딥다이브 질문을 맞춤 생성합니다.
없어도 진행 가능합니다."
입력된 공고를 파싱하여 다음 정보를 추출한다:
- 회사명
- 포지션명
- 고용 형태 (신입/경력/무관)
- 업무 내용
- 필수 자격 요건 (Must-have)
- 우대 자격 요건 (Nice-to-have)
- 기술 스택 (언급된 언어, 프레임워크, 인프라, 도구)
- 기타 특이사항 (회사 특성, 문화 키워드)
공고의 포지션명과 업무 내용에서 직무 유형을 판별한다:
- "백엔드", "서버", "API", "Spring", "Django" → 백엔드
- "DevOps", "SRE", "인프라", "배포", "CI/CD", "플랫폼" → DevOps/인프라
- "프론트엔드", "React", "Vue", "UI", "웹 개발" → 프론트엔드
- "데이터", "ETL", "파이프라인", "Spark", "Kafka" → 데이터 엔지니어
- "AI", "ML", "머신러닝", "딥러닝", "LLM" → AI/ML
- "보안", "Security", "취약점", "침해", "관제" → 보안
- 복합 직무(예: "SW 배포 서비스 개발") → 가장 가까운 유형 + 보조 유형 판별
판별된 직무 유형은 이후 Step 3(리서치 키워드), Step 4(문서 구조), Step 5(질문 생성)에 사용된다.
추출 결과를 사용자에게 간략히 보여주고 진행 의사를 확인한다:
분석 완료:
- 회사: [회사명]
- 포지션: [포지션명]
- 직무 유형: [판별된 유형] (보조: [보조 유형, 있는 경우])
- 기술 스택: [목록]
이 정보를 바탕으로 면접 대비 문서를 생성합니다. 시작할까요?
(틀린 내용이 있으면 수정 내용을 알려주세요.)
이 단계가 문서의 품질을 결정한다. Step 2에서 추출한 {회사명}, {포지션명}, {주요기술}, {직무유형} 정보를 바탕으로
4개의 독립적인 리서치 스테이지를 동시에 실행한다.
각 스테이지는 서로 독립적인 정보 소스를 대상으로 하므로 병렬 실행이 가능하다:
아래 4개 Codex researcher 서브에이전트 호출을 동시에 발사한다 (순서 없이 병렬 실행, 최대 5개 동시 에이전트 제한 내):
spawn_agent(
agent_type="researcher",
message="[STAGE:1] 면접 후기 수집
회사명: {회사명}
포지션: {포지션명}
아래 검색어로 웹 검색을 수행하라:
1. '{회사명} 면접 후기'
2. '{회사명} {포지션명} 면접 질문'
3. '{회사명} 면접 분위기'
검색 결과에서 잡플래닛(jobplanet.co.kr), 잡코리아(jobkorea.co.kr), 캐치(catch.co.kr),
블라인드(teamblind.com), 링커리어(linkareer.com) URL을 식별하라.
식별된 URL에 페이지 읽기를 시도하라. 차단되거나 실패하면 검색 스니펫 텍스트만 활용하고 계속 진행한다.
수집 후 아래 형식으로 결과를 반환하라:
[면접 메타]
- 면접 형태: (1:1 / 패널 / 다대일 / 토론 / 확인 불가)
- 면접 시간: (분 / 확인 불가)
- 면접 분위기: (편안함 / 압박 / 보통 / 확인 불가)
- 면접 난이도: (X.X/5.0 / 확인 불가)
- 후기 출처: (사이트명 + 후기 건수)
[자주 나온 질문 패턴]
- (질문1)
- (질문2)
- ...
[차단·실패 목록]
- (차단된 사이트 또는 '없음')
"
)
spawn_agent(
agent_type="researcher",
message="[STAGE:2] 기술 면접 질문 리서치
회사명: {회사명}
포지션: {포지션명}
직무 유형: {직무유형}
필수 기술 스택: {필수 기술 스택 목록}
우대 기술 스택: {우대 기술 스택 목록}
이 직무의 CS 포커스 영역: {CS 빈도 매트릭스에서 해당 직무의 '높음' 이상인 카테고리 목록}
(이 영역의 질문을 우선 수집하라. '낮음' 또는 '없음' 영역은 수집하지 않는다.)
아래 검색어로 웹 검색을 수행하라:
1. '{회사명} {포지션명} 기술 면접'
2. '{주요기술1} 면접 질문'
3. '{주요기술2} 면접 질문'
4. '{포지션명} 기술면접 질문'
5. '{직무유형} CS 면접 질문' (직무 특화 CS 질문)
6. '{회사명} 라이브 코딩' / '{회사명} 코드 리뷰 면접' (개인 블로그 velog·tistory 우선)
특히 **라이브 코딩·라이브 코드 리뷰**를 하는 회사인지, 한다면 어떤 스타일인지(본인 제출 코드/과제 리뷰, 즉석 문제, 어떤 지적·리팩터링·트레이드오프 질문이 들어오는지)를 반드시 확인하라. 이 정보는 개인 경험 블로그에 상세히 정리된 경우가 많다. 자세한 소스·추출 스키마·신뢰도 기준은 `hiring-common/interview-research.md`를 따른다.
여러 소스를 종합하여 기술 질문을 우선순위별로 정리하라:
- 우선순위 1: 필수 스택 관련 질문 (원리 → 실무 경험 → 트레이드오프 구조)
- 우선순위 2: CS 기초 질문 (직무별 CS 포커스 영역에 해당하는 것만)
- 우선순위 3: 우대 스택 관련 질문
- 우선순위 4: 포지션 일반 기술 질문
수집 후 아래 형식으로 결과를 반환하라:
[직무 특화 기술 질문]
우선순위1:
- (기술명): (질문)
- (기술명): (질문)
우선순위3:
- (기술명): (질문)
우선순위4:
- (질문)
[CS 기초 질문] (직무별 포커스 영역만)
- (CS 카테고리): (질문)
- (CS 카테고리): (질문)
[라이브 코딩/코드 리뷰] (후기에서 확인된 경우만)
- 실시: (예/아니오/불명)
- 스타일: (본인 코드 리뷰 / 즉석 문제 / 페어 프로그래밍 등)
- 자주 나온 지적·질문: (의도/엣지/리팩터링/트레이드오프/테스트 중 무엇)
[실제 후기 출처 질문] (출처가 명확한 경우만)
- '(실제 질문 텍스트)' — 출처: (사이트명)
"
)
spawn_agent(
agent_type="researcher",
message="[STAGE:3] 회사 정보 및 도메인 리서치
회사명: {회사명}
포지션: {포지션명}
아래 검색어로 웹 검색을 수행하라:
1. '{회사명} 기업 정보'
2. '{회사명} 기술 블로그'
3. '{회사명} tech blog'
4. '{회사명} 핵심 가치 기업 문화'
기술 블로그 또는 회사 공식 사이트 URL이 검색되면 페이지 내용을 가져온다.
페이지 읽기 실패 시 검색 스니펫만 활용하고 계속 진행한다.
수집 후 아래 형식으로 결과를 반환하라:
[회사 기본 정보]
- 주요 사업 영역: (설명)
- 주요 제품/서비스: (목록)
- 회사 규모/단계: (스타트업 / 중견 / 대기업 / 확인 불가)
[기술 스택 및 아키텍처] (기술 블로그 기반)
- 확인된 스택: (목록 또는 '블로그 없음 / 확인 불가')
- 주목할 기술적 특징: (설명 또는 '확인 불가')
[문화 및 핵심 가치]
- 핵심 가치: (목록 또는 '확인 불가')
- 면접에 반영될 문화적 특징: (설명)
[최근 이슈]
- (최근 뉴스, 서비스 변화, 전략적 방향 등 / 확인 불가)
[참고 URL 목록]
- (실제로 접근한 URL 목록)
"
)
spawn_agent(
agent_type="researcher",
message="[STAGE:4] 컬처핏 및 인성 면접 리서치
회사명: {회사명}
포지션: {포지션명}
아래 검색어로 웹 검색을 수행하라:
1. '{회사명} 인성 면접'
2. '{회사명} 컬처핏 질문'
3. '{포지션명} 인성 면접 질문'
4. '기업 면접 STAR 행동 질문'
수집 후 아래 형식으로 결과를 반환하라:
[인성·컬처핏 질문 패턴]
- 협업/갈등 경험: (자주 나오는 질문 패턴)
- 문제 해결 경험: (자주 나오는 질문 패턴)
- 실패와 학습: (자주 나오는 질문 패턴)
- 성장 방식: (자주 나오는 질문 패턴)
- 커뮤니케이션: (자주 나오는 질문 패턴)
[회사 특유의 인성 패턴] (후기 기반으로 확인된 경우만)
- (특유 패턴 또는 '특별한 패턴 확인 불가')
[STAR 기반 예상 질문 목록]
- (질문1)
- (질문2)
- ...
"
)
각 스테이지는 독립적으로 실행된다. 한 스테이지가 실패하거나 정보를 수집하지 못하더라도 나머지 스테이지 결과는 그대로 활용한다. 모든 스테이지 완료 후 결과 합성 단계로 진행한다.
4개 스테이지가 모두 반환되면 다음 형식으로 내부 요약을 작성한다 (사용자에게 미출력):
[합성 요약]
스테이지1 (면접 후기):
- 메타 정보: [수집 결과 / 확인 불가]
- 자주 나온 질문: [목록]
- 차단 사이트: [목록]
스테이지2 (기술 질문):
- 직무 특화 기술 질문: [목록]
- CS 기초 질문: [목록]
- 실제 후기 출처 질문: [목록]
스테이지3 (회사 정보):
- 사업 영역: [정보]
- 기술 스택 (블로그 기반): [정보]
- 핵심 가치: [정보]
스테이지4 (인성·컬처핏):
- STAR 질문 목록: [목록]
- 회사 특유 패턴: [정보]
[리서치 한계]
- 정보 부족 영역: [목록]
- 직접 방문 필요 사이트: [목록]
Step 2의 공고 분석(직무 유형 포함)과 Step 3의 합성 결과를 바탕으로 문서 섹션을 설계한다.
필수 섹션 (모든 직무 공통):
1. 자기소개 & 지원동기
2. 이력서/자기소개서 기반 질문 (프로젝트 딥다이브)
3. 직무 특화 기술 질문
4. CS 기초 질문 (직무별 맞춤)
5. 시스템 설계 또는 문제 상황 해결 질문
6. 인성/컬처핏 질문
7. 면접 팁 & 역질문
8. 참고 링크
각 섹션의 내용은 직무 유형에 따라 달라진다 (아래 매핑 테이블 참조).
조건부 섹션 (정보가 충분할 때만 포함):
- 도메인 특화 질문: 회사의 사업 영역(보안/금융/커머스 등)에 특화된 질문 포함
- 회사 특화 질문: 회사 특유의 문화/가치/방법론과 연관된 질문
공고 분석(Step 2)에서 파악된 직무 유형에 따라 각 섹션의 내용을 결정한다:
| 섹션 | 백엔드 | DevOps/인프라 | 프론트엔드 | 데이터 엔지니어 | AI/ML | 보안 |
|---|---|---|---|---|---|---|
| 이력서 기반 | DB 설계, API 설계, 성능 최적화 경험 딥다이브 | 자동화 경험, 장애 대응, 인프라 구축 딥다이브 | 상태 관리, 렌더링 최적화, UI/UX 판단 딥다이브 | 파이프라인 설계, 데이터 품질, ETL 경험 딥다이브 | 모델 선택 이유, 실험 설계, 서빙 경험 딥다이브 | 취약점 분석, 침해 대응, 보안 솔루션 경험 딥다이브 |
| 직무 특화 기술 | Spring/JPA, DB 트랜잭션, 캐싱, 메시지 큐 | CI/CD, Docker/K8s, 배포 전략, 모니터링 | React/Vue, 브라우저 렌더링, 번들 최적화 | Kafka/Spark, SQL 심화, Airflow | ML 알고리즘, 딥러닝 구조, 모델 서빙 | OWASP, 암호화, IDS/IPS, 코드 사이닝 |
| CS 기초 | DB(매우높음) + 네트워크(높음) + OS(높음) | 리눅스(매우높음) + 네트워크(매우높음) + OS(높음) | 브라우저/JS런타임(매우높음) + 네트워크(중간) | DB(매우높음) + 분산처리(높음) + OS(중간) | 통계/수학(매우높음) + 알고리즘(높음) | 네트워크(매우높음) + 암호화(높음) + OS(높음) |
| 시스템 설계/문제 해결 | URL 단축기, 알림 시스템, 대용량 트래픽 처리 설계 | CI/CD 파이프라인 설계, 배포 장애 대응 시나리오 | 뉴스피드 UI, 자동완성, 성능 최적화 시나리오 | 실시간 파이프라인, 데이터 레이크 설계 | 모델 서빙 시스템, A/B 테스트 설계 | 침해사고 대응 시나리오, 보안 아키텍처 검토 |
같은 CS 주제라도 직무별로 출제 포인트가 다르다. 리서치 에이전트(Stage 2)가 수집한 질문을 아래 매트릭스에 따라 직무에 맞는 CS 질문만 선별한다:
| CS 카테고리 | 백엔드 | DevOps | 프론트엔드 | 데이터 | AI/ML | 보안 |
|---|---|---|---|---|---|---|
| 운영체제 | 높음 (프로세스/스레드, 동기/비동기) | 높음 (cgroup/namespace, OOM) | 낮음 | 중간 | 중간 (GPU 스케줄링) | 중간 |
| 네트워크 | 높음 (HTTP, REST, CORS) | 매우높음 (TCP, DNS, L4/L7, iptables) | 중간 (CORS, 캐시) | 낮음 | 낮음 | 매우높음 (TLS, MITM) |
| 데이터베이스 | 매우높음 (인덱스, 트랜잭션, N+1) | 중간 (백업/복구) | 낮음 | 매우높음 (쿼리 최적화, 샤딩) | 중간 (벡터DB, 임베딩 저장) | 낮음 |
| 자료구조/알고리즘 | 높음 | 낮음 | 중간 | 중간 | 높음 (행렬 연산, 그래프) | 낮음 |
| 통계/수학 | 없음 | 없음 | 없음 | 중간 | 매우높음 (확률분포, 선형대수, 가설검정) | 없음 |
| 리눅스 시스템 | 낮음 | 매우높음 (명령어, 파일 권한, systemd) | 없음 | 낮음 | 낮음 | 높음 (SELinux, 하드닝) |
| 보안 | 중간 (OWASP, JWT) | 높음 (Secrets, 이미지 스캔) | 중간 (XSS, CSRF) | 낮음 | 낮음 | 매우높음 |
| 분산시스템 | 높음 (CAP, 메시지 큐) | 높음 (스케일링, SLO) | 낮음 | 높음 (MapReduce, Kafka) | 중간 (분산 학습) | 낮음 |
같은 주제라도 직무마다 묻는 관점이 다르다:
빈도가 "낮음" 또는 "없음"인 카테고리의 질문은 생성하지 않는다.
채용공고의 기술 스택과 업무 내용, 그리고 스테이지2 리서치 결과를 종합하여 질문 우선순위를 결정한다:
가중치 산정:
1. 필수 자격 요건에 명시된 기술 → 최우선
2. 실제 후기에서 수집된 질문 (스테이지1·2) → 필수 포함
3. 우대 자격 요건에 명시된 기술 → 차순위
4. 업무 내용에서 반복 언급된 키워드 → 차순위
Step 2~4의 분석을 바탕으로 마크다운 문서를 생성한다.
# {회사명} [{고용형태}] {포지션명} — 면접 준비 가이드
> **직무 유형**: [판별된 직무 유형]
> **면접 형태**: [수집된 정보 / 미확인]
> **면접 특성**: [수집된 분위기 / 미확인]
> **면접 난이도**: [X.X/5.0 (출처) / 미확인]
> **참고 출처**: [수집된 출처 목록. 예: 잡플래닛 XX건, 잡코리아 XX건 등]
---
## 목차
1. [자기소개 & 지원동기](#1-자기소개--지원동기)
2. [이력서/자소서 기반 질문](#2-이력서자소서-기반-질문)
3. [직무 특화 기술 질문](#3-직무-특화-기술-질문)
4. [CS 기초 질문](#4-cs-기초-질문)
5. [시스템 설계 / 문제 해결 질문](#5-시스템-설계--문제-해결-질문)
6. [인성/컬처핏 질문](#6-인성컬처핏-질문)
7. [{도메인 특화 제목}](#7-...) [조건부]
8. [{회사 특화 제목}](#8-...) [조건부]
9. [면접 팁 & 역질문](#N-면접-팁--역질문)
10. [참고 링크](#N-참고-링크)
---
각 질문은 다음 형식으로 작성한다:
### Q{번호}. {질문 내용}
<details>
<summary>답변 가이드</summary>
**{핵심 포인트 또는 구조 안내}**
{답변 가이드 내용}
> "예시 답변 문구" (있는 경우)
**꼬리질문 대비:**
- "{예상 꼬리질문}"
- "{예상 꼬리질문}"
</details>
---
1. 자기소개 & 지원동기 섹션
포함할 질문 유형:
각 질문의 답변 가이드에 포함할 내용:
2. 이력서/자기소개서 기반 질문 섹션 (프로젝트 딥다이브)
이력서/포트폴리오가 제공된 경우에만 포함. 미제공 시 직무 일반 프로젝트 질문으로 대체.
이력서의 각 프로젝트/경험에 대해 PARL 프레임워크로 딥다이브 질문을 생성한다:
딥다이브 구조:
턴 A - Problem: "이 프로젝트에서 해결하려던 핵심 문제는?"
턴 B - Approach: "왜 그 기술/방법을 선택했나? 다른 대안은?"
턴 C - Result: "결과를 어떻게 측정했나? 수치가 있나?"
턴 D - Learning: "단점은? 다시 한다면 다르게 할 부분?"
이력서 서술 품질에 따라 질문 방향이 달라진다:
- [문제-해결-성과] 구조로 잘 작성된 항목 → 깊이 탐색 (트레이드오프, 확장 시나리오)
- 기능 나열만 있는 항목 → "왜?" 질문으로 사고 과정 검증
- 수치가 있는 성과 → "어떻게 측정했나?" 꼬리질문
- 수치가 없는 성과 → "결과를 어떻게 측정했나?" 질문
자기소개서가 제공된 경우:
각 질문의 답변 가이드에 포함할 내용:
직무별 매핑 테이블의 "이력서 기반" 행에 따라 딥다이브 관점을 조정한다.
3. 직무 특화 기술 질문 섹션
포함 원칙:
답변 가이드에 포함할 내용:
4. CS 기초 질문 섹션 (직무별 맞춤)
직무별 CS 질문 빈도 매트릭스에서 "높음" 이상인 카테고리의 질문만 포함한다.
작성 원칙:
예시:
5. 시스템 설계 또는 문제 상황 해결 질문 섹션
직무 유형과 경력 수준에 따라 시스템 설계 또는 상황/문제 해결 질문을 포함한다.
신입/주니어(0-2년):
- 시스템 설계 질문을 포함하되, 기대 수준을 명시
- "면접관이 힌트를 주며 유도하는 형태"
- 기본 컴포넌트(클라이언트, 서버, DB) 이해 수준
- 많은 회사에서 시스템 설계 라운드를 생략하거나 축소 진행
경력(3년+):
- 본격적인 시스템 설계 질문
- 지원자가 주도하여 요구사항 명확화부터 시작
- 트레이드오프 선택과 방어 능력 기대
각 시스템 설계 질문의 <details> 답변 가이드에 아래 4단계 구조를 포함한다 (업계 면접 패턴 분석 기반):
**Step 1: Clarifying Questions (3-10분) — 문제 이해 & 범위 설정**
- Functional Requirements: 핵심 기능 목록 (P0/P1/P2 우선순위)
- Non-Functional Requirements: DAU, 읽기:쓰기 비율, 지연 목표, 가용성 목표
- Back-of-Envelope Estimation: QPS = DAU × 요청수/일 ÷ 86,400
- 예시 질문 목록 제시
- Do: 요구사항 목록 작성 후 면접관 확인
- Don't: 질문 없이 설계 시작하는 행위
**Step 2: High-Level Design (10-15분) — 고수준 설계 & 합의**
- API 설계: 각 기능 → API endpoint 대응
- 데이터 모델: 핵심 Entity 3-5개, 관계 정의, DB 선택 기준
- 핵심 컴포넌트 다이어그램: Client → LB → API Server → Cache → DB → MQ → CDN
- Do: 단계적으로(endpoint별) 구축, 면접관과 합의
- Don't: 기본 기능 전에 캐시/샤딩 레이어링
**Step 3: Deep Dive (10-25분) — 핵심 컴포넌트 심층 설계**
- 2-3개 핵심 컴포넌트 선택하여 심층 설계
- Trade-off 논의: SQL vs NoSQL, Sync vs Async, Strong vs Eventual Consistency
- 병목 해결: 읽기(인덱스→Replica→캐시→CDN), 쓰기(Scale-up→샤딩→큐→파티셔닝)
- Do: 면접관 피드백에 유연하게 대응
- Don't: 모든 컴포넌트를 동일 깊이로 다루려는 행위
**Step 4: Wrap Up (3-5분) — 마무리**
- 운영/모니터링: p50/p95/p99 지연, 에러율
- 복원성: Retry, Circuit Breaker, Graceful Degradation
- 다음 스케일 단계: 10배 트래픽이면 어디가 먼저 병목?
- Do: 핵심 trade-off 한 문장씩 요약
- Don't: 새 컴포넌트를 이 단계에서 처음 도입
직무별 대표 시나리오:
- 백엔드: "API 응답 시간이 3배 증가", "DB 연결 풀 고갈", "동시성 버그"
- DevOps: "배포 직후 에러율 40% 급증", "Pod CrashLoopBackOff", "CDN 캐시 무효화 누락"
- 인프라/SRE: "디스크 100%", "DNS 해석 실패", "CPU Load 10배"
- 프론트엔드: "LCP 8초", "메모리 누수로 SPA 크래시"
- 데이터: "파이프라인 3시간 지연", "데이터 정합성 불일치"
- AI/ML: "모델 추론 지연 급증", "A/B 테스트 결과 모순"
- 보안: "침해사고 탐지 후 초기 대응", "취약점 제로데이 대응"
각 시나리오의 답변 가이드에 포함할 내용:
6. 인성/컬처핏 질문 섹션
스테이지4의 STAR 기반 질문 목록과 회사 특유 패턴을 활용한다.
STAR 기법 기반 질문:
각 답변 가이드에 STAR 구조(상황-과제-행동-결과) 명시.
7. 도메인 특화 질문 섹션 (조건부)
회사의 사업 영역이 특수한 경우에만 포함. 스테이지3의 사업 영역 정보를 활용한다. 예: 보안 기업 → 보안 개념, 금융 기업 → 금융 도메인, 커머스 → 대규모 트래픽/결제
8. 회사 특화 질문 섹션 (조건부)
스테이지4에서 회사 특유의 면접 패턴이 확인된 경우에만 포함. 예: 특정 방법론을 강조하는 회사, 특정 가치를 반드시 묻는 회사 등.
9. 면접 팁 & 역질문 섹션
필수 포함 항목:
형식:
## {N}. 면접 팁 & 역질문
### 실제 면접 후기 기반 팁
1. [팁 1]: [구체적 설명]
2. [팁 2]: [구체적 설명]
...
### 예상 시간 배분
| 구간 | 시간 | 내용 |
|------|------|------|
| ... | ... | ... |
### 역질문 예시
- "[역질문 1]"
- "[역질문 2]"
- "[역질문 3]"
10. 참고 링크 섹션
스테이지1·3에서 접근을 시도한 URL을 모두 나열한다. 페이지 읽기가 차단된 경우에도 링크는 포함 (직접 방문 안내).
## {N}. 참고 링크
- [잡플래닛 {회사명} 면접후기](URL)
- [잡코리아 {회사명} 면접 질문](URL)
- [캐치 {회사명} 면접후기](URL)
- [블라인드 {회사명} 면접](URL)
- [{기타 수집된 링크}](URL)
생성된 문서를 현재 작업 디렉터리에 저장한다.
파일명 형식: {회사명}_{포지션명}_면접준비.md
예: 안랩_SW배포서비스개발_면접준비.md
예: 토스_백엔드엔지니어_면접준비.md
예: 카카오_프론트엔드개발자_면접준비.md
저장 후 사용자에게 알린다:
문서가 저장되었습니다: ./{회사명}_{포지션명}_면접준비.md
[리서치 요약]
- 수집된 면접 후기: [건수 또는 "정보 부족"]
- 주요 출처: [목록]
- 생성된 예상 질문: [총 개수]개
- [차단된 사이트가 있는 경우] 일부 사이트는 직접 방문이 필요합니다: [목록]
생성된 문서는 아래 기준을 충족해야 한다:
분량:
- 예상 질문 총 20개 이상
- 섹션별 최소 질문 수:
- 자기소개 & 지원동기: 3개 이상
- 이력서 기반 질문: 이력서 제공 시 3개 이상 (미제공 시 생략)
- 직무 특화 기술 질문: 5개 이상
- CS 기초 질문: 3개 이상 (직무별 매트릭스에서 "높음" 이상만)
- 시스템 설계/문제 해결: 2개 이상
- 인성/컬처핏: 3개 이상
- 전체 문서 300줄 이상
내용:
- 모든 필수 기술 스택 커버
- 모든 질문에 <details> 답변 가이드 포함
- 실제 후기 데이터 반영 (수집 가능한 경우)
- 회사/포지션 특화 내용 포함 (일반적 내용만 있으면 안 됨)
- CS 질문은 직무별 빈도 매트릭스에 부합하는 것만 포함
- 시스템 설계 질문에 4단계 프레임워크 답변 가이드 포함
형식:
- 목차 포함
- 헤더에 면접 메타 정보 (형태/분위기/난이도/직무유형)
- <details> 블록으로 답변 가이드 접기
- 코드 예시 또는 비교표가 필요한 곳에 적극 활용
| 실패 유형 | 처리 방법 |
|---|---|
| 페이지 읽기 차단 (잡플래닛, 블라인드 등) | 검색 스니펫 텍스트만 활용. 링크는 참고 링크에 포함 |
| 웹 검색 결과 없음 | 공고 분석 + 포지션 일반 기준으로 대체 |
| 회사 정보 부족 | 공고 텍스트에서 최대한 추출. "회사 정보 미확인" 명시 |
| URL 자체 없음 (붙여넣기만 제공) | 회사명으로 웹 검색 진행 |
| 특정 스테이지 에이전트 실패 | 해당 스테이지 결과를 "확인 불가"로 처리. 나머지 스테이지 결과로 문서 완성 |
어떤 실패 상황에서도 문서 생성은 완료한다. 리서치 실패는 문서 내 해당 섹션에 "리서치 정보 부족 — 실제 후기는 [사이트명]에서 직접 확인하세요."로 명시한다.
면접관 관점에서 포트폴리오의 감점 요소를 적발하는 비판적 레드팀 리뷰. 수치 정합성 대조(표·대시보드·캡션), 서사–근거 불일치, 과장·용어 인플레·인과 과장을 Cartesian doubt(방법적 회의) 기반으로 찾아낸다. PASS/REJECT 점수 판정이 아니라 "면접관이 파고들 감점 포인트" 목록이 산출물.
특정 회사가 주어지면 코딩테스트 후기(라이브 코드 리뷰 스타일 포함)를 리서치해 실제 전형을 재현하고, FAANG 스타일 4차원 루브릭으로 코딩 테스트를 시뮬레이션합니다. 후기가 없으면 이력서·포폴·공고 기반으로 폴백합니다.
특정 회사가 주어지면 면접 후기(전형 라운드·라이브 코드 리뷰·자주 나온 질문)를 리서치해 실제 면접을 재현하고, 이력서 기반 기술/인성/임원 면접을 FAANG 스타일 루브릭으로 시뮬레이션합니다. 후기가 없으면 이력서·포폴·공고 기반으로 폴백합니다.
포트폴리오의 프로젝트 품질, 기술적 의사결정, 실무 역량을 실전 기준으로 평가합니다. 표·대시보드·캡션의 수치 정합성 대조(Consistency & Evidence Audit)를 포함합니다.
이력서, 자기소개서, 포트폴리오에 대해 리서치 기반의 구조화된 피드백을 제공합니다.
채용 공고를 분석하여 해당 회사에 맞는 채용 프로세스를 시뮬레이션합니다. 회사별 맞춤 또는 일반 프로세스 지원.