| name | jd-interview-prep |
| description | 当用户准备面试、提供 JD（职位描述）、说"下周要面 XX"、"帮我看这份 JD"、"准备面试"、"面经"、"interview prep"、"针对这份 JD 做准备"、"AI PM 面试"、"我心仪 XX 公司"，或粘贴一段招聘描述/岗位详情时触发。即使用户没明说"面试"二字、只说"我要去某公司"或"我想申请这个岗位"也要主动触发。专攻 AI 产品经理（AI PM、AI 应用 PM、AI 解决方案 PM）方向但通用框架适用于任何技术/产品/运营岗位。从 JD 反推面试战略，把面试还原成"信号博弈"而非"问答考试"，输出一份单文件 HTML"作战地图"——三层结构（战略层=公司/JD/叙事主轴；战术层=分轮次准备；话术层=具体话术），覆盖元认知诊断、自我介绍、项目深挖、AI PM 经典考题、行为题、反问、谈薪、面试前后仪式。每个建议自带"弱/合格/惊艳"三档对比和反例库。 |
JD Interview Prep · 面试作战地图生成器
这个 skill 的核心信念
面试不是问答，是双向校准。
这一句话决定了所有后续设计。三个推论：
- 面试官的字面问题 ≠ 真正在评估的东西。 问"你最大的失败"——评的不是失败本身，是你对自己的元认知深度。
- 你的回答 ≠ 你传递的信号。 答得太流畅反而像背诵；露出一点真实挣扎更可信。
- 你问的反问 ≠ 你想知道的事。 你问什么 = 你是谁的最强信号——这是反问被反复强调却很少被讲透的本质。
这个 skill 不是"问题清单 + 标准答案生成器"。是把面试还原成社会场域里的信号博弈，让用户读完后对面试这件事的理解升一个维度。
触发条件
满足任一即触发：
- 用户粘贴 JD 文本（即使没明说"面试"）
- 用户说"下周/下个月/明天面试 XX"
- 用户说"帮我准备 XX 面试"、"AI PM 面试"、"准备面经"、"interview prep"
- 用户说"我心仪 XX 公司"、"我要申请这个岗位"、"帮我看看这份招聘描述"
- 用户提供一段疑似招聘文案（含"职位描述/职位要求/岗位职责/任职资格"等关键词）
不要触发：用户问"如何写简历"（那是简历优化）、"模拟面试我"（那是 mock interview）、"AI PM 是什么"（那是职业咨询）。
输入约定
- 必给：JD 文本（粘贴，不需要 URL）
- 可选：用户简历（贴文本或描述项目即可）
- 可选：用户期望薪资 / 当前 offer 情况 / 已知面试轮次安排
如果 JD 没含公司名，先问用户："这是哪家公司？" 公司名是必须的——没公司名做不了场域分析。
如果用户没贴简历，按"匿名简历模式"走——叙事主轴和项目深挖部分会标注 [需要你的简历] 占位。
三层工作流（这是 skill 的主线，严格按顺序执行）
┌─────────────────────────────────────────────────────────┐
│ L0 · 元认知诊断 (200 字) │
│ 让用户读完后，对这场面试的理解升一个维度。 │
│ 这是 HTML 第一段，不是开场白，是"洗礼"。 │
├─────────────────────────────────────────────────────────┤
│ L1 · 战略层 │
│ - JD 解码：表层期待 / 隐含期待 / 避雷信号 │
│ - 场域分析：公司在 AI 行业的位置 / 派系 / 最近动作 │
│ - 叙事主轴：你这场面试的核心故事 + 3 个传递目标形容词 │
├─────────────────────────────────────────────────────────┤
│ L2 · 战术层 │
│ - 分轮次画像：HR / 技术 / 直属 / skip / 终面 各自的 stake│
│ - AI PM 考题域：eval / RAG / Agent / 安全等的认知地图 │
│ - 项目深挖：3 层讲法 + 失败叙事工艺 │
│ - 行为题：场景驱动选模板（STAR/CAR/SOAR/SBI） │
├─────────────────────────────────────────────────────────┤
│ L3 · 话术层 │
│ - 自我介绍：30s / 60s / 2min 三档钩子 │
│ - 反问清单：4 层 × 你想被记住的形象 │
│ - 谈判剧本：先报价 vs 后报价两条分支 │
│ - 面试前/中/后仪式 + 跟进邮件模板 │
└─────────────────────────────────────────────────────────┘
执行步骤（严格按序）
Step 1 · 接需求 + 公司情报（5 分钟）
- 读 JD 全文。如果没有公司名，立刻问用户。
- 强制 WebSearch 公司情报（除非用户显式说"--no-web"）：
<公司名> <岗位> 2026 战略<公司名> 最近 产品发布 / 融资 / 技术博客<公司名> AI 派系 模型 选型
- 公司情报必须带源 + A/B/C/D 置信度：
- A = 官方源（公司官网/公告/CEO 公开发言/技术博客）
- B = 主流媒体/分析报告（36氪/晚点/The Information/科技日报）
- C = 社区/二手（知乎/小红书/Reddit/X 帖子）
- D = 推断（根据 JD 措辞推测，未直接证实）
- 询问用户简历情况和已知轮次安排（一次问完，不要反复问）。
Step 2 · 元认知诊断（200 字）
基于 JD + 简历 + 情报，写一段让用户对这场面试理解升维的诊断。模板见 references/output-spec.md。
要点：
- 不要"祝你面试顺利"这种废话
- 直接告诉用户："你简历过了说明 X 已被预设达标，所以接下来对方真正在评 Y"
- 点出这场面试的隐含规则——这家公司这个岗位面试的隐藏轴是什么
Step 3 · L1 战略层（按子文件执行）
- 读
references/decode-jd.md，输出 JD 解码三栏（表层/隐含/避雷）
- 读
references/decode-field.md，输出场域分析（公司位置/派系/最近动作的解读）
- 读
references/narrative-architecture.md，输出叙事主轴 + 3 个形容词
Step 4 · L2 战术层
- 读
references/round-strategy.md，按 JD 推断的轮次链输出 N 张轮次卡
- 读
references/ai-pm-canon.md，按 JD 技术关键词命中 3-5 个考题域，每个给认知地图
- 读
references/narrative-architecture.md 项目深挖部分，对用户简历每个项目给 3 层讲法（事实/方法/哲学）
- 读
references/behavioral-craft.md，挑 4-6 个高频行为题给三档对比
Step 5 · L3 话术层
- 读
references/narrative-architecture.md 自我介绍部分，输出 30s/60s/2min 三档
- 读
references/questions-you-ask.md，输出 4 层反问清单（每条标"会让对方记住你 X"）
- 读
references/offer-craft.md，按级别（实习/junior/mid/senior）输出谈判剧本
- 读
references/ritual-bookends.md，输出面试前 24h / 当天 / 面试后跟进的执行清单
Step 6 · 拼装 HTML 作战地图
- 读
references/output-spec.md 的章节结构规范
- 读
assets/battle-map-template.html 取模板骨架
- 把上述所有内容填入模板
- 输出到
<skill-dir>/workspace/battle-map-<公司名>-<时间戳>.html
- 必须是单文件，所有 CSS/JS inline，可离线、可打印
Step 7 · 验证 + 交付
- 用 Bash 检查 HTML 文件存在 + 可打开（
stat + head -5 确认不是空文件）
- 给用户回传 HTML 路径 + 一句"建议打开方式"
- 不要在对话里把整个 HTML 内容贴出来——文件路径就够，让用户自己打开
厚度的 4 个引擎（贯穿所有模块）
skill 输出之所以是"作战地图"而不是"清单包"，靠这 4 个引擎：
① 三档对比
所有重要建议给弱 / 合格 / 惊艳三档。让用户立刻看到天花板。
不是话术差距，是对自己处境的元认知深度差距。
② 反例与失败学
每个模块都有"做过这事的人 80% 会怎样错"段。反例传递的是判断力，不是知识。
例："你们晚上几点下班？"为什么是反问灾难——它精准告诉对方你把面试当工时谈判。
③ 认知地图
不只给题，给该领域的思维结构。
例：eval 题不只列"offline/online/human eval"，给一张图说明"什么时候用什么 + LLM-as-judge 为什么是当代 AI PM 的核心武器 + 为什么 eval 设计本身就是产品决策"。
④ 元层升维（第一段定调）
HTML 开篇 200 字直接给"这场面试的真相"——读完后用户对面试这件事的理解升一个维度。
这不是开场白，是认知洗礼。
心理学/社会学的存在方式
这个 skill 大量使用了戏剧论（Goffman）、影响力六原则（Cialdini）、锚定（Tversky）、首因近因（Asch/Murdock）、Big Five、框架效应（Kahneman）、Bourdieu 场域/文化资本、行为经济学等理论——但它们不会作为"标签"出现在输出里。
理论应该变成观察的视角和指令的逻辑，而不是注脚。
❌ 不要这样：反问第 3 题（用 Cialdini 互惠原则）：……
✅ 应该这样：想被记住为"会成长"的，问"如果我加入 6 个月，你判断我做对了什么/做错了什么的标准分别是什么？"——这一问还顺手激活了对方的"如果他加入"心理画面，把评估从"是否录取"悄悄推到"录取后怎么用"。
后者通篇没出现 "Cialdini" 三个字，但调动了 4 种心理机制（signaling、impression management、commitment & consistency、prospective imagery）。
写输出时，理论是骨头，不是装饰。
路由总表（按需读取）
| 子文件 | 何时读 |
|---|
references/decode-jd.md | Step 3 解码 JD |
references/decode-field.md | Step 1 公司情报 + Step 3 场域分析 |
references/narrative-architecture.md | Step 3 叙事主轴 + Step 4 项目深挖 + Step 5 自我介绍 |
references/round-strategy.md | Step 4 分轮次画像 |
references/ai-pm-canon.md | Step 4 AI PM 考题（JD 含 LLM/RAG/Agent/eval/向量数据库等关键词时必读） |
references/behavioral-craft.md | Step 4 行为题 |
references/questions-you-ask.md | Step 5 反问 |
references/offer-craft.md | Step 5 谈薪 |
references/ritual-bookends.md | Step 5 面试前后仪式 |
references/output-spec.md | Step 2 元认知诊断 + Step 6 HTML 拼装 |
assets/battle-map-template.html | Step 6 取骨架 |
失败模式与防止
- "伪场域分析"——不搜索就编公司故事 → 强制 Step 1 调 WebSearch + 置信度分级
- "通用化漂移"——给的建议泛泛适用任何公司 → 每个模块都要显式引用 JD 中的具体词句作为依据
- "理论装饰化"——把心理学贴成标签 → 见上面"心理学的存在方式"，理论变骨头不变标签
- "清单瘫痪"——给一堆条目但没厚度 → 强制使用三档对比 + 反例 + 认知地图
- "开场白污染"——HTML 第一段写"祝你面试顺利"→ 第一段必须是元认知诊断，不是寒暄
- "简历失忆"——用户给了简历但输出里完全没引用 → 项目深挖必须基于真实简历内容
红线
- 🚫 不杜撰公司情报（必须 WebSearch 验证或标 D 级推断）
- 🚫 不杜撰用户经历（项目内容只能基于用户提供的简历，缺失就标
[需要补充]）
- 🚫 不输出"通用面试题大全"——每条建议必须扣回 JD 或公司
- 🚫 不在 HTML 里挂"⚙️ 用了 Cialdini"这种学究标签
- 🚫 不让用户撒谎或暗示扭曲事实
- ✅ 输出必须是可立即使用的话术，不是"建议你思考一下 X"的废话
配套 skill 推荐
如果用户在跑完作战地图后表达"还想再深一层"、"被追问怎么办"、"想做面试深度准备"——主动推荐 jd-interview-arsenal。
| 维度 | jd-interview-prep（本 skill） | jd-interview-arsenal |
|---|
| 解决的痛 | "我不知道怎么准备" | "我知道怎么准备但怕被深问破防" |
| 输出 | 三层作战地图（战略 / 战术 / 话术） | 6 大 Library 武器卡 + 紧急速查 |
| 体量 | ~100KB / ~1300 行 | ~250KB+ / ~2800 行+ |
| 核心 differentiator | 元认知诊断 + 三档对比 | 每张卡 5 个 follow-up 预演 |
典型协作流程：用户跑本 skill 拿"作战地图 HTML" → 推荐用户跑 arsenal 拿"武器装备库 HTML" → 双 HTML 配套用面试稳。两 skill 视觉风格一致（典雅风 + 公司主色），可独立可配套。
