| name | wish-offers |
| description | 通用面试调研助手——输入任何公司+岗位+JD，自动生成完整的面试准备包。 必填字段（公司/JD）支持公司名、链接、文字粘贴等多种形式； 选填的个人背景支持 PDF 简历、Markdown 简历或文字描述； 项目可以直接传 GitHub / Demo 链接。 输出包括公司分析、岗位拆解、岗位匹配度、定制话术、STAR 案例、反向提问清单。 支持简化版（30 分钟速览）和深度版（基于个人背景的深度定制）。 适用于任何行业、任何公司、任何岗位的面试准备。 |
| metadata | {"version":"3.1","author":"桑达蕤","category":"面试准备","tags":["面试调研","求职准备","STAR 案例","话术定制","反向提问"],"created_date":"2026-04-27","updated_date":"2026-04-27","requirements":["WebSearch 工具（搜索目标公司和行业信息）","可选：md_to_pdf.py 脚本（PDF 转换）"],"input_params":[{"name":"company","type":"string | url","required":true,"description":"目标公司，支持两种形式：\n1. 公司名（中英文均可，如：Minimax、阿里云、字节跳动、Stripe）\n2. 公司官网 / 招聘页 / 招股书页的 URL（自动用 WebFetch 抓取）\n"},{"name":"position","type":"string","required":true,"description":"目标岗位简称（如：技术销售、产品经理、Java 开发、运营）"},{"name":"jd_content","type":"string | url","required":true,"description":"岗位描述（JD）内容，支持三种形式：\n1. 完整 JD 文字（直接粘贴 JD 全文）\n2. JD 链接（如 LinkedIn / BOSS / 公司招聘页 URL，自动 WebFetch 抓取）\n3. 关键要点（至少包含「核心职责」+「能力要求」两类内容）\n"},{"name":"version_type","type":"string","required":false,"default":"simplified","description":"调研深度：simplified（简化版）或 deep（深度版）","enum":["simplified","deep"]},{"name":"user_background","type":"string | object | file_path","required":false,"description":"用户背景（深度版强烈建议提供），支持三种形式：\n1. 文字描述（自由格式或 YAML 结构）\n2. 简历 PDF 文件路径（自动调用 Read 工具解析 PDF 文本）\n3. 简历 Markdown / Word 文件路径\n建议涵盖：工作年限、当前岗位、项目经历、核心技能、转型动机\n"},{"name":"key_projects","type":"string | url[] | file_path","required":false,"description":"核心项目，支持三种形式：\n1. 文字描述（项目背景 + 个人角色 + 量化结果）\n2. 项目链接列表（GitHub Repo、案例页面、Demo 链接）\n3. 如已包含在 user_background 简历里，本字段可省略\n"},{"name":"output_format","type":"string","required":false,"default":"markdown","description":"输出格式：markdown 或 pdf","enum":["markdown","pdf"]}],"output_format":["markdown","pdf"],"error_handling":["公司链接无法访问时，自动降级到公司名搜索","JD 链接抓取失败时，提示用户改为粘贴 JD 文字","PDF 简历解析为空或乱码时，提示用户改为文字描述","项目链接无效时，跳过该项目并提示用户","用户背景不足时，先生成通用模板，再引导补充"]} |
Wish Offers — 通用面试调研 Skill
用途
为任何公司、任何岗位的面试准备提供系统化调研支持。一次调用，输出可直接用于面试的完整准备包。
触发条件
当用户提到以下关键词时自动触发：
- "面试调研"、"准备面试"、"帮我准备 XX 公司的面试"
- "面试 XX 公司"、"XX 岗位 面试"
- "面试话术"、"反向提问"、"STAR 案例"
- 关键短语："我下周面试"、"我拿到了 XX 的面试"
核心能力
1. 公司分析
- 基本盘：成立时间、融资、营收、市场地位
- 业务结构：核心产品、收入来源、业务线划分
- 战略方向：当前重点、未来 1-3 年规划
- 竞争格局：直接竞品、差异化优势、市场风险
2. 岗位拆解
- 职责定义：核心 KPI、日常工作内容
- 能力模型：硬技能、软技能、行业认知
- 薪酬范围：底薪、提成/奖金、整体收入预估
- 晋升路径：1-3 年的成长方向
3. 个人匹配度分析（深度版）
- 三大优势提炼：基于你的背景找出区别于其他候选人的独特卖点
- 短板识别与弥补话术：如何应对经验不足的质疑
- 6 个 STAR 案例：覆盖不同能力维度，可直接用于回答高频问题
- 电梯演讲：30 秒和 1 分钟两个版本
4. 面试话术包
- 高频问题回答模板（自我介绍、为什么来、最大缺点、期望薪资等）
- 行业特定问题应对（针对目标行业的专业问题）
- 异议处理（被质疑时怎么接）
5. 反向提问清单
- 关于岗位（必问 3 个）
- 关于支持（必问 3 个）
- 关于流程（必问 2 个）
- 关于发展（选问）
使用流程
核心原则：先问后做，不主动假设。
每次被触发后，先用一条消息把所有问题一次性列出来，等用户回答后再开始调研。
不能分多轮逐一追问，也不能在用户没有确认之前就默认进入分析阶段。
第一步：开场 + 一次性列出所有问题（固定话术）
每次被触发后，发送以下完整开场消息，所有问题一次性列出：
你好！我是 Wish Offers，帮你做面试调研的助手 🎯
先问你几件事，填完我就开始帮你准备。
━━━━━━━━━━ 必填（4 项）━━━━━━━━━━
【必填 1】目标公司是哪家？
公司名 或 官网/招聘页链接均可
【必填 2】应聘的岗位是什么？
说岗位名称就好，比如：后端工程师、技术销售
【必填 3】JD（职位描述）给我一下
直接粘贴 JD 文字，或发招聘页链接
【必填 4】你的个人背景
· 简历 PDF 路径，如 ~/Documents/简历.pdf
· 或直接描述：几年经验、做过什么公司/岗位、最重要的 2-3 个项目（带数据更好）
━━━━━━━━━━ 必选（2 项）━━━━━━━━━━
【必选 5】简化版 还是 深度版？
· 简化版：30 分钟出报告，公司分析 + 岗位拆解 + 高频问题 + 反向提问
· 深度版：完整准备包，含 STAR 案例 + 定制话术（基于你的背景深度定制）
【必选 6】输出格式：Markdown 还是 PDF？
· Markdown：在编辑器查看修改，方便做笔记
· PDF：方便手机查看或打印
━━━━━━━━━━━━━━━━━━━━━━━━━━━━
回复我就好，不用按格式，我来整理 ✍️
第二步：收到回复后补问缺失项
用户回复后，识别已有信息，仅对缺失字段进行追问，一次性列出所有缺失项，不要逐一分轮追问。
补问规则：
- ①②③ 必填，缺任何一个都要追问
- ④ 缺版本时追问
- ⑤ 简化版可不填；深度版无背景时说明"可先生成通用版，匹配度分析会较浅"
- ⑥ 格式必须确认，不能默认
第三步：确认信息，开始执行
收到所有信息后，复述一遍让用户确认：
好，帮你确认一下：
- 目标公司：{公司名}
- 目标岗位：{岗位}
- JD：已收到
- 调研版本：{简化版 / 深度版}
- 个人背景：{已提供 / 未提供}
- 输出格式：{Markdown / PDF}
没问题的话，我开始调研了 🚀
（有要改的现在说）
等用户确认后，进入解析与分析流程。
快捷输入支持
如果用户一次性提供了足够信息，自动识别已有字段，只补问真正缺失的部分（同样一次性列出，不要分轮追问）。
六项全齐时，直接跳到确认步骤。
第二步：解析输入源（Skill 自动执行）
根据用户提供的形式，分别处理：
2.1 处理「公司」字段
| 用户提供形式 | Skill 处理方式 |
|---|
| 纯公司名 | 直接进入第三步 WebSearch |
| URL（http/https 开头） | 调用 WebFetch 抓取页面内容，提取公司名、业务介绍、产品信息后，再走 WebSearch 补充 |
| 多个 URL | 逐一抓取，合并提取的关键信息 |
2.2 处理「JD 内容」字段
| 用户提供形式 | Skill 处理方式 |
|---|
| 文字（完整 JD） | 直接解析「核心职责」「能力要求」「加分项」 |
| URL | WebFetch 抓取，再解析 |
| 关键要点 | 直接使用，但提示用户补全可能更准确 |
抓取失败时的降级策略：
⚠️ 自动降级
原因：[链接无法访问 / 内容被反爬]
处理：请将 JD 文字直接粘贴给我，我会基于文字进行调研。
2.3 处理「user_background」字段
| 用户提供形式 | Skill 处理方式 |
|---|
| 文字 / YAML | 直接解析 |
.pdf 文件路径 | 调用 Read 工具（自动支持 PDF → 文本），提取工作经历、项目、技能 |
.md / .txt 文件路径 | 调用 Read 工具读取 |
.docx 文件路径 | 提示用户先转为 PDF 或 Markdown |
2.4 处理「key_projects」字段
| 用户提供形式 | Skill 处理方式 |
|---|
| 文字描述 | 直接解析 |
| GitHub Repo URL | WebFetch 抓取 README 和项目描述 |
| 案例 / Demo URL | WebFetch 抓取页面，提取项目背景和成果 |
| 已包含在 user_background 简历里 | 跳过本字段 |
2.5 解析完成后的内部数据结构
parsed_input:
company:
name: "<公司名>"
industry: "<推断行业>"
extra_facts: ["<从 URL 抓取的额外事实>"]
position:
name: "<岗位名>"
jd_summary:
core_responsibilities: ["职责 1", "职责 2", ...]
requirements: ["要求 1", "要求 2", ...]
bonus_points: ["加分项 1", ...]
user_background:
years_of_experience: "<X 年>"
current_role: "<岗位>"
industries: ["..."]
projects: ["项目 1", "项目 2", ...]
skills: ["..."]
motivation: "<转型动机>"
resolved_at: "<当前时间>"
第三步：加载对应版本的 Prompt
- 简化版：加载
prompts/simplified_research.md
- 深度版：加载
prompts/deep_research.md
第四步：公司信息补充搜索（WebSearch）
基于解析结果，执行以下搜索（用 {company} 替换公司名）：
基础信息搜索:
- "{company} 公司介绍 业务"
- "{company} 融资 估值"
- "{company} 财报 营收"
- "{company} 创始人 团队"
产品与战略搜索:
- "{company} 核心产品"
- "{company} 战略方向 2026"
- "{company} 最新动态 新闻"
竞品与行业搜索:
- "{company} 竞品 对比"
- "{company} 所在行业 趋势"
- "{company} 市场份额"
岗位与文化搜索:
- "{company} {position} 招聘"
- "{company} {position} 薪资 脉脉"
- "{company} 公司文化 内部评价"
注意：第二步已经从 URL 抓到的信息不要重复搜索，避免浪费配额。
第五步：JD 与用户背景的匹配分析
把第二步解析出的 jd_summary 和 user_background 进行逐项对比：
match_analysis:
- requirement: "<JD 中的某项要求>"
user_evidence: "<用户背景中可印证的项目/技能>"
match_level: "完全匹配 / 基本匹配 / 经验有限 / 无相关经验"
coverage_strategy: "<如何在面试中弥补>"
简化版：在「岗位深度分析」里展示一段总结。
深度版：作为「岗位匹配度评估」的核心模块输出。
第六步：加载术语和话术模板
prompts/terminology.md：按公司行业挑选术语速查表prompts/interview_scripts.md：通用面试话术框架
第七步：生成最终报告
按 Prompt 模板的输出结构生成完整调研报告。
第八步：可选 PDF 输出
如果用户要 PDF：
- 调用
md_to_pdf.py 脚本（如已配置）
- 或建议使用 VS Code Markdown PDF 插件 / 在线工具
命令示例
示例 1：最简调用（公司名 + 岗位 + 简短 JD）
帮我准备 字节跳动 后端开发 的面试
JD：负责抖音核心服务后端开发，需要 Go / Java，3 年以上分布式经验，
熟悉高并发，了解微服务架构。
示例 2：JD 是链接
公司：Stripe
岗位：Solutions Engineer
JD：https://stripe.com/jobs/listing/solutions-engineer/xxx
Skill 会自动 WebFetch 抓取 JD 页面。
示例 3：公司也是链接
公司主页：https://www.minimaxi.com/
招聘页：https://www.minimaxi.com/careers/xxx
岗位：大模型技术销售
JD：https://...
示例 4：用户背景是 PDF 简历
帮我做深度版调研
公司：阿里云
岗位：技术销售
JD：（粘贴的 JD 文字）
我的简历：/Users/xxx/Documents/我的简历.pdf
Skill 会自动 Read 这个 PDF 并提取关键信息。
示例 5：项目是 GitHub 链接
公司：Anthropic
岗位：Forward Deployed Engineer
JD：（链接或文字）
简历：~/resume.pdf
重点项目：
- https://github.com/myname/llm-eval-pipeline
- https://github.com/myname/agent-framework
示例 6：完整深度版（混合形式）
帮我做深度版面试调研，要 PDF 输出
公司：Minimax
岗位：大模型技术销售
JD：https://www.minimaxi.com/careers/xxx
背景：5 年 SRE，做过 SHEIN 和沐瞳，想转销售
简历：/Users/me/Documents/简历_2026.pdf
项目链接：
- https://github.com/me/aiops-toolkit
- 千万级上云项目（文字补充：签约阿里云 1500 万，零故障迁移）
数据来源与可靠性
推荐的可靠来源（按可靠性排序）
| 来源 | 适用 | 可靠性 |
|---|
| 公司官网/招股书/财报 | 财务、战略、产品 | ★★★★★ |
| 官方技术博客/Newsroom | 技术细节、产品更新 | ★★★★★ |
| 36氪、虎嗅、财新等权威媒体 | 行业分析、商业动态 | ★★★★☆ |
| LinkedIn、脉脉员工分享 | 内部文化、团队规模 | ★★★☆☆ |
| 看准网、Glassdoor | 薪资范围、面试体验 | ★★★☆☆ |
| 知乎、小红书 | 主观评价、补充视角 | ★★☆☆☆ |
信息缺失时的处理
如果某些信息无法获取，明确标注：
⚠️ 数据获取限制
[具体信息] 无法从公开渠道获取，原因：[链接失效 / 内容受限 / 信息未公开]
替代方案：
- 使用 [备用来源]
- 基于行业平均水平估算（已标注）
- 建议在面试中直接询问验证
输出文件结构
输出/
├── {公司名}_{岗位}_面试调研报告.md # 主报告
├── {公司名}_{岗位}_面试调研报告.pdf # 可选 PDF
└── 附件/
├── 术语速查表.md # 行业术语
├── 话术模板.md # 通用话术
└── STAR案例集.md # 深度版专属
Prompt 模板对应
| Prompt 文件 | 用途 |
|---|
prompts/simplified_research.md | 简化版调研框架 |
prompts/deep_research.md | 深度版调研框架（含 STAR、话术） |
prompts/terminology.md | 行业术语指南（按行业匹配） |
prompts/interview_scripts.md | 通用面试话术与反向提问 |
错误处理示例
公司无法搜索到
⚠️ 公司信息有限
「{company}」的公开信息较少，可能是：
- 创业初期的小公司
- 公司名称拼写需要确认
- 信息保密度较高（如军工、政府类）
建议：
1. 确认公司全称（中英文）
2. 提供公司官网链接
3. 通过该公司员工或猎头获取一手信息
4. 我可以基于行业标准给出通用调研框架
岗位信息不明确
⚠️ 岗位信息需要细化
「{position}」在不同公司可能有不同含义。请补充：
1. 是技术岗、商务岗还是混合岗？
2. 主要工作是 ToB 还是 ToC？
3. 是否有具体的 JD 链接？
明确这些后，调研结果会更精准。
版本历史
| 版本 | 日期 | 更新内容 |
|---|
| 3.1 | 2026-04-27 | 必填项支持链接（公司 URL、JD URL）；新增 JD 必填字段；选填项支持 PDF 简历自动解析；项目支持 GitHub/Demo 链接；新增「输入解析」阶段 |
| 3.0 | 2026-04-27 | 改造为通用版，支持任何公司、任何岗位 |
| 2.0 | 2026-04-27 | 合并简化版和深度版，适配 OpenClaw |
| 1.0 | 2026-04-27 | 初始版本，仅 Minimax 特化 |
项目地址
Skill 版本：v3.0（通用版）
更新日期：2026-04-27
适配平台：OpenClaw / Cursor
