메뉴
从中文互联网平台（小红书/B站/牛客/脉脉等）采集真实社招面试真题，只保留有明确来源的实际被问题目，过滤泛泛而谈内容。 支持 AI Agent、后端、前端、产品、测试、UI设计、算法 7 大角色，自动识别角色并加载专属知识模块配置， 输出带来源标注+公司分类+轮次标签的 Markdown 题集，并为每道题生成解答思路与参考答案。 触发词：面试题采集、收集XX面试题、更新面试题集、刷新面试题、跑一次面试题采集、整理面试题、XX面经、XX面试真题。 未指定角色时默认采集 AI Agent 面试题。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | interview-collector |
| description | 从中文互联网平台（小红书/B站/牛客/脉脉等）采集真实社招面试真题，只保留有明确来源的实际被问题目，过滤泛泛而谈内容。 支持 AI Agent、后端、前端、产品、测试、UI设计、算法 7 大角色，自动识别角色并加载专属知识模块配置， 输出带来源标注+公司分类+轮次标签的 Markdown 题集，并为每道题生成解答思路与参考答案。 触发词：面试题采集、收集XX面试题、更新面试题集、刷新面试题、跑一次面试题采集、整理面试题、XX面经、XX面试真题。 未指定角色时默认采集 AI Agent 面试题。 |
本 skill 从中文互联网平台系统采集多角色社招面试真题，进行清洗去重、模块分类，最终生成可直接用于复习备考的 Markdown 题集。核心价值在于"真实性"——只保留有明确来源的实际被问题目，过滤掉泛泛而谈的内容。
| 角色 | role_id | 配置文件 |
|---|---|---|
| AI Agent / 大模型工程师（默认） | ai-agent | references/roles/ai-agent.md |
| 后端开发 | backend | references/roles/backend.md |
| 前端开发 | frontend | references/roles/frontend.md |
| 产品经理 | product-manager | references/roles/product-manager.md |
| 测试 / QA | qa-testing | references/roles/qa-testing.md |
| UI设计 | ui-design | references/roles/ui-design.md |
| 算法工程师 | algorithm | references/roles/algorithm.md |
高流量平台题目置信度更高，采集优先级：小红书 > B站 > 牛客 > CSDN > 其他网站（脉脉、知乎、BOSS直聘、猎聘、培训机构等）。
全部 8 个步骤通过独立 Agent 执行，主会话负责编排调度：
| Step | Agent 数 | 执行模式 | 说明 |
|---|---|---|---|
| Step 0 | 0 | 串行 | 角色识别与配置加载（主会话直接执行） |
| Step 1 | 5 | 并行 | 按平台分组，5 个 Agent 同时采集 |
| Step 2 | 1 | 串行 | 汇总 Step 1 结果后清洗去重 |
| Step 3 | 1 | 串行 | 对清洗结果进行分类映射 |
| Step 4 | 1 | 串行 | 增量更新逻辑（合并历史数据） |
| Step 5 | 1 | 串行 | 生成主题目 Markdown 文件 |
| Step 6 | N（每组 5-10 题，约 25-40 个） | 逐组顺序 | 批量生成，减少 Agent 启动开销 |
| Step 7 | 2 | 串行 | 公司文件生成 + 索引校验 |
执行： 主会话在拉起任何采集 Agent 之前，先根据用户输入识别目标角色，加载对应配置文件。
根据用户输入消息中的关键词，匹配目标角色。匹配优先级：具体角色 > 默认角色。
| 角色 | role_id | 匹配关键词（任一命中即匹配） | 配置文件 |
|---|---|---|---|
| AI Agent（默认） | ai-agent | AI Agent, 大模型, LLM, Agent工程师, RAG, Agent面试 | references/roles/ai-agent.md |
| 后端开发 | backend | 后端, 后端开发, Java, Go, 服务端, 后台开发 | references/roles/backend.md |
| 前端开发 | frontend | 前端, 前端开发, React, Vue, JavaScript, TypeScript, Web | references/roles/frontend.md |
| 产品经理 | product-manager | 产品经理, PM, 产品面试 | references/roles/product-manager.md |
| 测试 | qa-testing | 测试, QA, 质量保证, 测试工程师, 自动化测试 | references/roles/qa-testing.md |
| UI设计 | ui-design | UI, UX, 交互设计, 视觉设计, 用户体验 | references/roles/ui-design.md |
| 算法 | algorithm | 算法, 算法工程师, ML, 机器学习, 深度学习, 推荐算法 | references/roles/algorithm.md |
兜底策略： 若用户输入中未命中任何特定角色的关键词，或仅包含通用词（如"面试题"、"采集"、"更新"），默认加载 references/roles/ai-agent.md。保证所有现有触发短语（"更新面试题集"、"跑一次面试题采集"等）在未提及其他角色时继续走 AI Agent 流程。
使用 Read 工具读取匹配到的角色配置文件（references/roles/{role_id}.md）
从配置文件中提取以下参数，供后续 Step 1-7 使用：
role_id — 角色唯一标识（用于输出子目录命名，如 samples/ai-agent/）display_name — 角色中文名（用于标题、报告文本）domain — 角色完整领域名（用于 Agent 描述文本）references/defaults/company-classification.md 中的默认 6 大类分类references/defaults/round-definitions.md 中的默认轮次定义；主会话在注入 Step 3 和 Step 7 Agent prompt 时替换 {{ROUND_DEFINITIONS}} 占位符samples/{role_id}/ 目录下，不同角色输出隔离加载基线配置： 主会话在 Step 0 时额外加载以下默认配置文件，供后续 Step 使用：
references/defaults/company-classification.md — 默认公司 6 大类分类references/defaults/round-definitions.md — 默认面试轮次定义（7 种轮次）若配置文件不存在或读取失败：报错并终止，提示用户检查角色配置
若用户输入匹配多个角色关键词（如"收集前端和后端面试题"），按匹配表中首次命中的角色为准，并在确认消息中告知用户当前识别的角色。若用户需要另一个角色，可明确指定。
角色识别与配置加载完成后，检查 samples/{role_id}/ 目录状态，判断是否可跳过部分步骤：
检查逻辑：
若 {题集文件前缀}_*.md 存在，且最新文件的日期为近 24 小时内：
若 answers/_index.json 存在，且用户只要求补充解答：
_index.json 中的已有题目其他情况 → 走完整 Step 0-7 流程
向用户确认： 命中快速路径时，向用户报告"检测到近期采集结果（{日期}），将跳过 Step X-Y，直接进入 Step Z"，让用户有机会选择全量重新运行。
核心依赖：web_access skill。 小红书、B站、脉脉等平台反爬严格，普通 HTTP 请求无法获取有效内容，必须通过 web_access skill 的 CDP 浏览器模式才能成功采集。web_access 是本 skill 正常工作的重要前提。
若确实无法使用 web_access，可降级使用 WebSearch/WebFetch 工具，但小红书、B站、脉脉等内容将大幅受限或完全无法获取，最终仅能覆盖牛客、CSDN、知乎等对搜索引擎友好的平台。
高流量平台题目置信度更高，严格按此顺序分配搜索资源：
| 优先级 | 平台 | 流量置信度 | Agent |
|---|---|---|---|
| 1（最高） | 小红书 | 极高 | Agent 1 |
| 2 | B站 | 高 | Agent 2 |
| 3 | 牛客 | 中 | Agent 3 |
| 4 | CSDN | 较低 | Agent 4 |
| 5（最低） | 其他（脉脉/BOSS直聘/猎聘/知乎/培训机构等） | 低 | Agent 5 |
5 个 Agent 同时拉起（并行执行），等待全部完成后汇总结果进入 Step 2。单个 Agent 失败不影响其他 Agent——记录失败原因后继续。
每个 Agent 执行前必须加载：
display_name、domain 和各平台搜索关键词references/site-patterns/ 目录下），了解 URL 结构、CDP 脚本模式和已知陷阱。若本地文件不存在，回退到 ${CLAUDE_SKILL_DIR}/web-access/references/site-patterns/{domain}.md所有搜索时间范围限定近 12 个月或者用户给定的时间范围，比如1-5月份。
通用兜底： 若角色配置中无对应平台的关键词配置，使用通用关键词：{display_name} 面试题 {时间范围}。
5 个 Agent 并行拉起，主会话为每个 Agent 加载 references/prompts/step1-platform-agent.md 通用模板，替换 {{PLACEHOLDER}} 后注入对应平台的参数。
平台参数表：
| Agent | 平台 | 工具 | 优先级 | 经验文件 | 结果数 | 特殊说明 |
|---|---|---|---|---|---|---|
| 1 | 小红书 | web_access CDP | 最高 | references/site-patterns/xiaohongshu.md | 3-5 | 搜索 URL: https://www.xiaohongshu.com/search_result?keyword={关键词}&type=51；图片笔记需 OCR 提取文字 |
| 2 | B站 | web_access CDP | 高 | references/site-patterns/bilibili.md | 5 | CDP 页面内 fetch 调用搜索 API /x/web-interface/search/type?search_type=video&keyword={关键词}&order=likes；过滤 bvid 为空的；字幕通过 aisubtitle.hdslb.com 获取（不带 Referer 头） |
| 3 | 牛客 | WebSearch + WebFetch | 中 | - | 5 | 静态 HTML，WebFetch 即可获取完整正文，无需 CDP |
| 4 | CSDN | WebSearch + WebFetch | 较低 | - | 5 | 静态 HTML，WebFetch 获取正文 |
| 5 | 多平台（脉脉/BOSS直聘/猎聘/知乎/掘金/博客园/培训机构等） | WebFetch 组 + CDP 组 | 最低 | references/site-patterns/zhipin.com.md（仅 CDP 组） | 3-5 | WebFetch 组（知乎/掘金/博客园/51CTO/猎聘/培训机构）优先执行；CDP 组（脉脉/BOSS直聘）后执行，BOSS直聘必须先 Read 经验文件 |
关键词来源： 各 Agent 从角色配置 Section 2 的对应平台章节获取搜索关键词，兜底使用 {display_name} 面试题 2025 2026。
通用模板： 见 references/prompts/step1-platform-agent.md。主会话替换占位符：
{{PLATFORM_NAME}} → 平台名{{TOOL}} → 采集工具{{DISPLAY_NAME}} → 角色中文名{{SITE_PATTERN_INSTRUCTION}} → 经验文件加载指令（有经验文件的平台替换为具体 Read 指令，无则替换为"无需加载"）{{PLATFORM_CHARACTERISTICS}} → 平台特征描述{{KEYWORD_SECTION}} → 角色配置中关键词章节名{{RESULT_COUNT}} → 每条搜索结果数{{FALLBACK_KEYWORDS}} → 兜底关键词{{OPERATION_FLOW}} → 操作流程{{EXTRACTION_METHOD}} → 内容提取方法5 个 Agent 全部完成后，主会话汇总所有输出：
错误处理：
依赖： Step 1 所有 5 个平台 Agent 全部完成。
执行： 主会话汇总 Step 1 的原始采集结果，从 references/prompts/step2-cleaning.md 加载 Agent prompt 模板，替换 {{DISPLAY_NAME}} 和 {{STEP1_ALL_RESULTS}} 后拉起 1 个 Agent 执行清洗去重。
依赖： Step 2 清洗去重完成。
执行： 主会话将 Step 2 清洗后的题目列表注入分类 Agent 上下文。从 references/prompts/step3-classification.md 加载 Agent prompt 模板，替换以下占位符后拉起 1 个 Agent 执行三维护分类（知识模块 + 公司类别 + 面试轮次）：
{{DISPLAY_NAME}} → 角色中文名{{STEP2_CLEANED_RESULTS}} → Step 2 输出{{MODULE_TABLE}} → 从角色配置 Section 3 加载的模块表格{{COMPANY_CLASSIFICATION}} → 从 references/defaults/company-classification.md 加载（或角色配置 Section 5 覆盖）{{ROUND_DEFINITIONS}} → 从 references/defaults/round-definitions.md 加载（或角色配置 Section 6 覆盖）依赖： Step 3 分类完成。
执行： 主会话将 Step 3 分类后的题目列表注入增量更新 Agent。从 references/prompts/step4-incremental.md 加载 Agent prompt 模板，替换 {{DISPLAY_NAME}}、{{ROLE_ID}}、{{STEP3_CLASSIFIED_RESULTS}}、{{OUTPUT_DIR}}、{{FILE_PREFIX}} 后拉起 1 个 Agent 处理历史数据合并和解答状态检查。
依赖： Step 4 增量更新完成。
执行： 主会话将 Step 4 的合并后完整题目列表注入输出文件生成 Agent。从 references/prompts/step5-output.md 加载 Agent prompt 模板，替换 {{DISPLAY_NAME}}、{{ROLE_ID}}、{{OUTPUT_DIR}}、{{STEP4_FINAL_QUESTION_LIST}}、{{FILE_PREFIX}}、{{MAIN_TITLE}}、{{SOURCE_LINE}}、{{STATS_LINE}}、{{MODULE_EMOJI_MAP}}、{{OTHER_MODULE_FILE}} 后拉起 1 个 Agent 生成主题目 Markdown 文件。
samples/{role_id}/ 目录不存在，先创建再写入依赖： Step 5 主题目文件生成完成。
核心设计： 原方案每题独立 Agent（200 次调用）导致大量 token 浪费在 Agent 启动开销上（每次 ~8000-12000 tokens system overhead）。改为每组 10-20 题合并为一个 Agent（不到10题默认一个Agent），Agent 调用次数从 200 降至 10-20。10-20 题的上下文远未达到迷失阈值，答案质量不受影响。
主会话按以下嵌套循环执行：
从 Step 4 输出中获取"待生成解答题目清单"（按模块分组）
加载角色配置 Section 3 模块表格，获取模块列表（编号、模块名称、文件名）。
FOR 每个模块 M in [1, 2, ..., N, 0(其他/综合类)]（N 由角色配置的模块数量决定）:
├── 检查模块 M 是否有"待生成解答"的题目
├── IF 该模块无新题目 → SKIP，记录"模块 M 无新题目，跳过"
├── IF 该模块有新题目：
│ ├── 确定起始 Q 编号（见 6.5）
│ ├── 确定目标文件路径：{output_dir}/samples/{role_id}/answers/{文件名}.md（文件名从角色配置 Section 3 表格的 `文件名` 列读取）
│ │
│ └── 将模块 M 的新题目按 5-10 题一组拆分（≤5 题不拆，6-10 题一组，11-15 题拆两组，类推）:
│ ├── LAUNCH NEW Agent（注入：从 references/prompts/step6-answer-batch.md 加载的 prompt + 本组题目列表 + 起始 Q编号 + 追加模式 + 目标文件路径）
│ ├── WAIT for agent to complete
│ ├── Verify: agent 已将本组所有 Q{N} 追加写入目标文件
│ ├── IF 写入成功 → N = N + 本组题目数
│ ├── IF 某题写入失败 → 记录"Q{N} 生成失败: {原因}"，N = N + 1，继续下一组
│ ├── IF 整组失败 → 逐题重试该组题目（回退到单题 Agent 模式），继续
│ └── CONTINUE to next batch
│
└── 模块 M 所有新题目处理完成 → 下一个模块
所有模块处理完成 → 生成 _index.json（见 6.8）→ 进入 Step 7
主会话从 references/prompts/step6-answer-batch.md 加载 prompt 模板，替换以下占位符后注入 Agent：
{{DISPLAY_NAME}} → 角色中文名{{ROLE_ID}} → 角色标识{{OUTPUT_DIR}} → 输出根目录{{MODULE_NAME}} → 当前模块名称{{MODULE_NUMBER}} → 当前模块编号{{MODULE_FILENAME}} → 当前模块文件名（角色配置 Section 3）{{START_N}} → 起始 Q 编号{{END_N}} → 结束 Q 编号{{BATCH_SIZE}} → 本组题目数{{BATCH_QUESTIONS}} → 本组题目列表（含来源标签）模块文件命名从角色配置 Section 3 表格的 文件名 列读取。综合类文件使用角色配置 Section 4 中的 综合类文件名（默认 module_00_other）。
所有解答文件统一保存到： {题集文件同目录}/samples/{role_id}/answers/ 目录下。
每个模块解答文件追加后的结构：
# {模块名称} - 面试题解答
> 生成日期：YYYY-MM-DD | 共 N 题
---
## Q1：[题目内容]
### 考察点
[一句话]
### 解答思路
1. [第一步]
2. [第二步]
3. [第三步]
### 参考答案
[详细回答，300-500 字]
**加分项：** [额外知识点]
---
## Q2：[题目内容]
...
增量模式下，主会话在进入模块 M 的循环前执行：
samples/{role_id}/answers/{文件名}.md 是否存在## Q 标题的编号（如 Q12），起始 Q = 12 + 1 = 13归类为"其他 / 综合类"且标记为 [标记: 非角色相关题] 的题目：
| 场景 | 处理方式 |
|---|---|
| 单题解答失败（组内部分题） | 记录 Q{N}: 生成失败（{原因}），组内其他题正常追加，不中断整组 |
| 整组 Agent 失败（所有题未生成） | 将该组题目拆为单题 Agent 逐题重试（回退模式） |
| 整个模块所有 Q 失败 | 记录"模块 M 全部生成失败"，继续下一个模块 |
| Agent 写入验证失败 | 标记 Q{N} 为"待重试"，继续后续题目；模块结束后统一汇报失败列表 |
| 目标目录不存在 | Agent 创建 samples/{role_id}/answers/ 目录后再写入 |
| 文件写入冲突 | 同模块内组与组之间顺序执行，不会有并发写入冲突 |
每次 Step 6 完成后，主会话生成/更新 samples/{role_id}/answers/_index.json，供后续增量运行时 Step 4 快速判断已有答案（无需读取全部答案文件）。
索引文件格式：
{
"updated": "YYYY-MM-DD",
"total_questions": 200,
"modules": {
"{模块文件名}": {
"name": "{模块名称}",
"questions": [
{"q": 1, "text": "题目内容"},
{"q": 2, "text": "..."}
]
},
...
"module_00_other": { "name": "其他 / 综合类", "questions": [...] }
}
}
模块列表从角色配置 Section 3 表格动态生成，文件名和名称一一对应。综合类固定使用角色配置中的
综合类文件名。
生成规则：
text 字段为题目内容（不含来源标签、模块标签等元数据），用于 Step 4 文本匹配## QN 已写入对应模块文件）_index.json，追加新题目条目，更新 updated 和 total_questions{题集文件同目录}/samples/{role_id}/answers/_index.jsonStep 4 读取优先级：
samples/{role_id}/answers/_index.json（~10K，5K tokens）→ 匹配已有答案_index.json 不存在 → 回退到读取 module_*.md 文件（~932K，50 万 tokens）依赖： Step 6 所有模块的逐题解答全部生成完毕。
执行： 主会话先拉起 Agent 1 生成公司文件 + 索引，再拉起 Agent 2 执行校验。两个 Agent 串行执行。
主会话从 references/prompts/step7-company-files.md 加载 Agent prompt 模板，替换以下占位符后注入：
{{DISPLAY_NAME}} → 角色中文名{{ROLE_ID}} → 角色标识{{OUTPUT_DIR}} → 输出根目录{{STEP5_OUTPUT_FILE_PATH}} → Step 5 生成的主题目文件路径{{FILE_PREFIX}} → 题集文件前缀（角色配置 Section 4）{{MODULE_FILE_MAP}} → 模块编号→文件名映射（角色配置 Section 3）{{COMPANY_CLASSIFICATION}} → 从 references/defaults/company-classification.md 加载（或角色配置 Section 5 覆盖）{{ROUND_DEFINITIONS}} → 从 references/defaults/round-definitions.md 加载（或角色配置 Section 6 覆盖）依赖： Agent 1 完成所有公司文件和 company_index.md 的生成。
主会话从 references/prompts/step7-validation.md 加载 Agent prompt 模板，替换 {{ROLE_ID}} 和 {{OUTPUT_DIR}} 后注入。
校验三项检查：
公司分类文件同样支持增量更新：
company_index.md 中的公司列表完成后，向用户汇报（角色：{display_name}）：
平台采集总览（按优先级排序）：
Agent 执行总览：
数据统计：
samples/{role_id}/answers/ 已有解答文件，仅对新题目生成答案并追加写入，不覆盖已有内容，不创建 _new.md 临时文件references/site-patterns/{domain}.md（优先），若本地文件不存在则回退到 ${CLAUDE_SKILL_DIR}/web-access/references/site-patterns/{domain}.mdreferences/prompts/ 目录，主会话加载后替换 {{PLACEHOLDER}} 再注入 Agentreferences/defaults/ 目录，角色配置可按需覆盖