| name | hr-interview-prep |
| description | 从本地消息、岗位说明、HR 材料、表格、邮件或其他用户授权内容中提炼岗位胜任力，建立结构化面试包；在岗位包完成后，可基于脱敏候选人简历为各项胜任力生成针对性核验问题。用户提到岗位面试设计、结构化面试、面试题、面试评分表、面试官分工、简历追问或针对性面试问题时使用。外部系统属于可选输入源，默认只读，保留岗位证据、人工评分和招聘决策边界。 |
岗位面试设计
把岗位要求变成一套面试团队可以共同执行的面试包。核心产出是岗位胜任力、统一问题、面试官覆盖、行为锚定评分和结构化复盘。
价值与适用场景
适合以下工作：
- 新岗位启动前，建立面试轮次和面试官分工。
- 面试官需要一套统一问题和追问框架。
- 多位面试官覆盖同一岗位，避免重复提问和能力漏测。
- 面试前准备评分表，面试后独立提交证据和评分。
- 面试复盘需要区分事实、推断、缺失证据和待确认问题。
- HR 提供了岗位说明、招聘规范、历史面试材料或聊天记录，需要整理成可执行的面试包。
- 岗位信息散落在本地文档、邮件、消息导出、表格或人工口述中，需要先归一化再设计。
- 已有岗位面试包，HR 希望基于候选人脱敏简历准备针对性核验问题。
本 Skill 负责准备与整理面试材料。录用、淘汰、候选人排序、薪酬和合规决定由招聘负责人和面试团队依据组织规则完成。
什么时候使用
- “帮我设计这个岗位的面试计划。”
- “给产品经理出一套结构化面试题。”
- “怎么分配面试官，避免大家问重复问题？”
- “做一个 1 到 4 分的面试评分表。”
- “把面试复盘整理成有证据的结论。”
- “基于岗位面试方案和这份简历，准备候选人的针对性问题。”
- “找出这份简历里需要在面试中核验的经历。”
标准工作流
1. 固定岗位结果
先读取或确认岗位说明、岗位级别、关键工作结果、硬性要求和面试约束。岗位名称本身不足以支撑面试设计，缺少岗位结果时先标记假设。材料可以来自用户当前消息、本地文件、HR 提供的内容、邮件或聊天导出，也可以来自用户明确指定的外部系统。
读取材料时建立简短的证据台账：来源类型、来源标识、原文事实、可支持的岗位判断、冲突和未验证项。观点、偏好和传闻保留原有属性，不能升级成岗位要求。
2. 提炼 4–6 项胜任力
每项胜任力必须有：
- 名称和岗位相关定义。
- 可观察的行为信号。
- 至少 2 个行为问题。
- 至少 1 个情境问题。
- 可继续追问的证据问题。
- 1–4 分的行为锚定描述。
避免使用“气场”“文化匹配”“聪明”“稳定性”等无法观察或容易引入偏见的模糊词。需要评估沟通、协作等软技能时，写成具体行为和岗位结果。
3. 设计题库
对每项胜任力提供固定核心问题、情境问题和追问。核心问题应对同一岗位候选人保持一致；为残障、语言或合理面试安排提供必要调整时，记录调整理由，保持评价标准一致。
优先追问：情境、行动、本人贡献、结果、复盘。只把岗位相关信息放进评分依据，不把私人关系、健康、家庭、年龄、性别、宗教、民族或薪酬历史当作正向信号。
4. 分配面试轮次
让每一项胜任力至少被一个面试轮次覆盖，每个面试官有明确的观察范围。标记重复覆盖和无人覆盖的能力，避免让面试轮次堆叠成无意义的多轮聊天。
5. 准备评分表
使用 1–4 分行为锚定量表：
- 1：关键证据缺失，或例子与岗位结果明显不匹配。
- 2：有部分相关证据，但深度、本人贡献或结果有限。
- 3：证据完整，行为与岗位结果匹配，能说明本人贡献。
- 4：证据具体且有持续结果，能处理复杂情境并复盘改进。
评分必须引用证据。没有证据时写“未验证”，不能用印象补齐分数。
6. 独立提交后再复盘
每位面试官先独立填写事实、证据、评分和不确定项，再进行团队复盘。复盘结果区分：
- 已观察到的事实。
- 基于事实的解释。
- 仍缺失的证据。
- 可补充的面试或核验动作。
- 由人类决策者确认的最终结论。
7. 可选：生成候选人针对性追问
岗位面试包完成后，HR 可以提供候选人简历原件或脱敏后的工作经历摘要。原始简历只在用户明确授权的环境中临时读取，先抽取岗位相关主张、去除身份和受保护信息，再映射到已有胜任力并生成核验问题；不改变统一核心问题、评分锚定和面试官覆盖。
每个针对性问题要说明：
- 对应的岗位胜任力和面试轮次。
- 简历中需要核验的工作经历或主张。
- 本人贡献、决策过程、结果证据和复盘动作的追问。
- 面试官需要记录的事实、证据和未验证项。
候选人模式只处理经过脱敏的岗位相关工作经历。简历中的姓名、联系方式、年龄、性别、健康、家庭、宗教、民族、婚姻、地域和薪酬信息不进入问题生成。使用 scripts/build_candidate_questions.py，详细输入见 references/candidate-question-mode.md。
材料来源与可选系统适配
本 Skill 不依赖飞书、ATS、HRIS 或任何特定招聘系统。优先使用用户已经提供的内容和本地材料，再考虑外部读取。常见输入包括：
- 用户粘贴的岗位说明、招聘负责人要求或面试目标。
- Markdown、纯文本、JSON、CSV、XLSX、DOCX、PDF、邮件导出和聊天记录导出。
- 脱敏后的历史面试题、评分表、复盘记录和组织招聘规范。
- 用户口述的岗位结果、面试约束和团队分工；口述内容要标记为“待确认”。
不同 Agent 的文件读取能力可能不同。无法解析的文件先要求用户提供可读文本或结构化导出，再继续生成面试包。材料整理方法见 references/material-intake.md。
飞书可选适配
只有用户明确要求读取飞书材料时，才使用用户身份和最小读取范围：
lark-cli auth status --json --verify
支持 auth status --json --verify 的环境必须确认 identity=user、verified=true。当前 CLI 构建若没有 auth 子命令，可退回 contact +get-user --as user 或 task +get-my-tasks --as user 做只读兼容探测。
可读取用户明确授权的岗位说明、招聘规范、面试模板或脱敏表格：
lark-cli docs +search --query "产品经理 岗位说明" --as user --json
lark-cli docs +fetch --doc "https://example.feishu.cn/docx/XXXX" --scope full --doc-format markdown --as user --json
lark-cli sheets +cells-get --url "https://example.feishu.cn/sheets/shtXXXX" --sheet-name "岗位要求" --range "A1:Z80" --include value,formula --as user --json
读取顺序和字段边界见 references/feishu-cli.md。日历创建、消息发送、候选人状态修改和 Offer 操作不属于本 Skill 默认能力；用户明确要求时转交相应系统 Skill，并先输出待执行草案。
输出要求
输出一份完整面试包：
- 岗位结果与设计假设。
- 4–6 项胜任力及观察信号。
- 面试轮次、面试官角色和覆盖关系。
- 每项胜任力的行为题、情境题和追问。
- 1–4 分锚定评分表。
- 独立反馈与团队复盘模板。
- 未验证信息、数据缺口和人工决策边界。
推荐使用 scripts/build_interview_kit.py 生成可复用 Markdown 或 JSON 面试包。输入结构见 references/input-schema.md。
必须停止的情况
- 需要读取外部系统时，用户身份、租户或资源授权范围无法确认。
- 岗位结果和评价标准缺失，无法形成可复核的胜任力定义。
- 用户要求根据姓名、年龄、性别、民族、健康、家庭、宗教、私人关系或薪酬历史作出评价。
- 用户要求 Agent 自动录用、淘汰、排序候选人，或把总分直接当成录用决定。
- 用户要求发送消息、创建日程、修改候选人状态或发 Offer，却没有单独确认和对应写入权限。
停止时说明具体阻塞点，并给出恢复所需的最小信息。
参考文件
AGENT-GUIDE.md：适用于所有 Agent 的触发、输入、执行、输出和停止规则。references/material-intake.md：本地消息、HR 材料和多格式文件的通用整理方法。references/input-schema.md：岗位、胜任力、面试轮次和题库输入结构。references/candidate-question-mode.md：候选人脱敏经历、针对性追问和公平边界。references/feishu-cli.md：飞书作为可选输入源时的用户态读取命令与最小权限顺序。references/safety-boundaries.md：偏见、隐私、评分和人工决策边界。scripts/build_interview_kit.py：本地面试包生成与结构校验脚本。scripts/build_candidate_questions.py：基于岗位包和脱敏经历生成候选人针对性追问。tests/fixtures/：不含候选人个人信息的测试输入。UPSTREAM.md：上游版本、公开先例、差异和许可证说明。
