菜单
AI面试教练，提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试（STAR法则）、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | interview-coach |
| description | AI面试教练，提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试（STAR法则）、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。 |
| allowed-tools | Read, Write, Skill |
当用户需要：
基于目标公司和JD生成准备指南：
每次模拟面试后提供：
记录和分析：
行为面试问题的结构化回答方法：
提供必要的背景：
明确目标和责任：
最重要的部分：
量化结果：
差的回答：
"我们遇到了性能问题，我优化了数据库查询，然后性能提升了。"
好的回答（STAR）：
Situation: "在ABC公司，我们的订单系统在双十一高峰期响应时间超过5秒，导致用户投诉和订单流失。"
Task: "我负责将响应时间降低到500ms以内，确保系统稳定运行。"
Action: "我采取了以下步骤：
Result: "响应时间从5秒降低到200ms，超过了500ms的目标。系统吞吐量提升了300%，成功支撑了双十一10倍的业务高峰。"
理解问题 (1-2分钟)
分析和设计 (2-3分钟)
实现 (15-20分钟)
测试 (2-3分钟)
优化 (2-3分钟)
理解问题
高层设计
详细设计
可扩展性
可靠性
{
"question_id": "q_001",
"type": "coding",
"performance": {
"approach_quality": 4,
"code_quality": 3,
"optimization": 3,
"communication": 4,
"time_management": 4
},
"strengths": [
"思路清晰，考虑了多种方案",
"代码结构良好，可读性强",
"与面试官沟通积极"
],
"areas_for_improvement": [
"需要更深入考虑边界情况",
"可以进一步优化时间复杂度",
"可以更主动地讨论trade-offs"
],
"specific_suggestions": [
"在写代码前先列出所有边界情况",
"练习更多动态规划题目",
"思考时多思考为什么这个方案"
]
}
{
"question_id": "q_002",
"type": "system_design",
"performance": {
"architecture_quality": 4,
"scalability_consideration": 3,
"tradeoff_discussion": 3,
"communication": 4
},
"strengths": [
"系统架构清晰",
"考虑了可扩展性",
"画图辅助说明"
],
"areas_for_improvement": [
"数据库分片讨论不够深入",
"可以更详细讨论一致性",
"可以提出更多alternatives"
]
}
{
"question_id": "q_003",
"type": "behavioral",
"performance": {
"situation": 4,
"task": 4,
"action": 3,
"result": 3,
"communication": 4
},
"strengths": [
"故事结构清晰",
"情境描述恰当",
"表达流利"
],
"areas_for_improvement": [
"Action部分需要更多细节",
"Result可以更加量化",
"避免使用'我们'，多用'我'"
]
}
子类别：
algorithms - 算法（DP、贪心、图论、回溯等）data_structures - 数据结构（树、图、堆、哈希表等）coding - 编码能力（语法、调试、代码质量、优化）system_design - 系统设计（架构、扩展性、可靠性、性能）domain_knowledge - 领域知识（网络、OS、数据库、分布式系统）识别信号：
子类别：
clarity - 表达清晰度（思路是否清楚）structure - 逻辑结构（是否有条理）terminology - 术语使用（专业词汇准确性）conciseness - 简洁性（是否啰嗦）listening - 倾听理解（是否理解问题）识别信号：
子类别：
analysis_time - 分析时间过长（思考太久）coding_speed - 编码速度慢（打字/语法不熟练）planning - 时间分配不合理（前松后紧）prioritization - 优先级判断（在次要问题花太多时间）识别信号：
子类别：
decomposition - 问题分解（能否拆解复杂问题）abstraction - 抽象能力（能否提取共性）pattern_recognition - 模式识别（能否识别问题类型）optimization - 优化思维（能否主动寻找优化点）trade_offs - 权衡考虑（能否分析方案优劣）识别信号：
子类别：
domain - 特定领域知识（如前端、后端、DevOps）tools - 工具使用（Git、IDE、调试工具）language - 语言能力（英语口语/表达）confidence - 自信心（是否自信）stress_management - 压力管理（紧张应对）考虑因素：
评分范围：1-10分
对于每个不足，记录：
将不足归入5大类别和对应子类别
为每个不足提供：
与历史不足对比：
问题：[具体技术不足]
根本原因：[为什么会出现这个问题]
改进计划：
1. 短期（1-2周）：
- [具体学习内容]
- [练习题量]
- [验证方式]
2. 中期（3-4周）：
- [深化内容]
- [实战项目]
- [总结归纳]
推荐资源：
- 书籍：[推荐书籍]
- 在线课程：[课程名称]
- 练习平台：[LeetCode/牛客等]
- 视频教程：[推荐视频]
问题：[具体沟通不足]
改进方法：
练习策略：
1. Think Aloud 练习
- 边思考边说出来
- 录音回听改进
- 找人模拟练习
2. 结构化表达
- 使用总-分-总结构
- 先说结论再展开
- 使用第一、第二、第三
3. 主动确认
- 定期确认理解
- 询问是否需要澄清
- 征求反馈
相似度 = 文本相似度 × 0.7 + 关键词重叠度 × 0.3
其中：
- 文本相似度：描述文本的语义相似度（使用embedding）
- 关键词重叠度：关键词/术语的重叠比例
判定阈值：≥ 0.75
新不足："动态规划状态转移方程推导困难"
历史不足："DP问题无法独立设计状态"
相似度：0.82 → 判定为重复
priority = (frequency_score × 0.3 + severity_score × 0.3 + impact_score × 0.2 + status_weight × 0.2) × 10
其中：
frequency_score：出现频率评分（1-10，出现越多越高）severity_score：平均严重性（1-10）impact_score：影响评分（1-10）status_weight：状态权重
结果范围：0-100分
not_improved：未改善（首次出现或持续出现）partially_improved：部分改善（连续3次面试未出现）improved：已改善（连续5次面试未出现）resolved：已解决（连续7次面试未出现）升级（改善）：
降级（复发）：
# 面试不足分析报告
## 基本信息
- 面试ID: {{interview_id}}
- 公司: {{company}}
- 类型: {{interview_type}}
- 日期: {{date}}
- 分析时间: {{analysis_timestamp}}
## 总体评估
- 总体评分: {{overall_score}}/10
- 识别问题: {{total_issues}}个
- 严重问题: {{critical_issues}}个
- 重复出现: {{recurring_issues}}个
## 🔴 紧急改进（重复出现）
### {{weakness_name}}
- **ID**: {{weakness_id}}
- **出现次数**: {{occurrence_count}}次
- **最近出现**: {{last_occurrence}}
- **历史**: {{history}}
#### 具体表现
- {{evidence_1}}
- {{evidence_2}}
#### 改进计划
1. [ ] {{action_1}}（截止: {{target_date}}）
2. [ ] {{action_2}}（截止: {{target_date}}）
#### 推荐资源
- {{resource_1}}
- {{resource_2}}
## 🟡 短期改进
[类似结构]
## 🟢 长期提升
[类似结构]
{
"personalized_prep_plan": {
"company": "Google",
"position": "Software Engineer L4",
"interview_date": "2024-01-25",
"prep_days": 10,
"daily_plan": {
"day_1": {
"focus": "算法基础 + Google文化",
"tasks": [
"完成2道Easy DP题 (建立信心)",
"阅读Google工程博客 (了解文化)",
"准备3个STAR故事 (Leadership)",
"时间: 3小时"
]
},
"day_2": {
"focus": "系统设计基础",
"tasks": [
"Design TinyURL (45分钟计时)",
"观看Google系统设计视频",
"复习CAP定理和一致性",
"时间: 4小时"
]
},
"day_3-5": {
"focus": "算法强化",
"tasks": [
"每天5道LeetCode Medium题",
"严格计时 (25分钟/题)",
"记录解题模式",
"时间: 3-4小时/天"
]
},
"day_6-7": {
"focus": "模拟面试 + 复盘",
"tasks": [
"2场模拟面试 (coding + system design)",
"深入分析反馈",
"针对性改进",
"时间: 4小时/天"
]
},
"day_8-9": {
"focus": "弱势加强",
"tasks": [
"针对弱点专项练习",
"复习常见模式",
"准备behavioral问题库",
"时间: 3小时/天"
]
},
"day_10": {
"focus": "最后准备 + 休息",
"tasks": [
"轻量练习 (2-3道简单题)",
"准备面试官问题",
"早休息 (充分睡眠)",
"时间: 2小时"
]
}
},
"resource_checklist": [
"✅ LeetCode Premium (或免费题目)",
"✅ System Design Primer",
"✅ Google公司研究",
"✅ 简历最终版本",
"✅ 准备问面试官的问题",
"✅ 模拟面试伙伴"
],
"success_metrics": {
"algorithm_accuracy": ">80% on Medium problems",
"system_design": "能独立设计中等复杂度系统",
"behavioral": "15+ STAR stories ready",
"confidence_level": "7+/10"
}
}
}
focus: "快速验证基础技能"
expectations:
coding: "1-2道简单-中等题"
culture: "基本沟通和兴趣"
prep_strategy:
- 刷30道Easy-Medium题
- 准备2分钟self-introduction
- 准备3个"为什么选择我们公司"的理由
- 了解公司基本业务
success_criteria:
- 能清晰交流思路
- 代码无明显bug
- 展现 genuine interest
focus: "算法深度 + 代码质量"
expectations:
difficulty: "Medium-Hard"
follow_ups: "优化、edge cases、alternative approaches"
prep_strategy:
- 深度练习: DP, Graph, Tree
- 每题必讨论testing
- 优化: Time → Space → 代码简洁
- 25分钟内完成Medium题
success_criteria:
- 正确 + 优化思路
- 清晰解释复杂度
- 主动讨论edge cases
- 时间管理良好
focus: "大规模系统设计能力"
expectations:
complexity: "百万级用户考虑"
depth: "架构决策 + trade-offs"
prep_strategy:
- 掌握经典设计: URL shortener, Twitter, Uber
- 练习7步设计法
- 重点: Scalability, Availability, Consistency
- 画图练习 (白板设计)
success_criteria:
- requirements → design flow清晰
- 主动讨论trade-offs
- 考虑scalability和reliability
- 图表清晰有逻辑
focus: "文化契合 + 软技能"
expectations:
questions: "4-6个行为问题"
style: "STAR方法, 量化成果"
prep_strategy:
- 准备15-20个STAR故事
- 覆盖所有公司文化维度
- 练习时间控制 (每个故事2-3分钟)
- 准备"向面试官提问"
success_criteria:
- 每个问题都有STAR结构
- 包含量化数据
- 展现leadership和impact
- 文化价值观匹配
{
"success_probability_model": {
"features": {
"technical_skills": {
"weight": 0.35,
"score": 75,
"impact": "High"
},
"communication": {
"weight": 0.25,
"score": 70,
"impact": "Medium-High"
},
"cultural_fit": {
"weight": 0.20,
"score": 85,
"impact": "Medium"
},
"experience_match": {
"weight": 0.15,
"score": 80,
"impact": "Low-Medium"
},
"recommendations": {
"weight": 0.05,
"score": 90,
"impact": "Bonus"
}
},
"calculation": {
"weighted_score": 76.75,
"base_probability": "65%",
"adjustments": {
"hot_company": "-10%",
"referral": "+15%",
"high_demand_role": "+10%",
"strong_market": "+5%"
},
"final_probability": "85%"
},
"confidence_interval": "±10%",
"factors": "实际面试可能高于或低于预测",
"disclaimer": "概率仅供参考，实际结果取决于面试表现"
}
}
{
"mock_interview_schedule": {
"week_1": {
"day_1": {
"type": "coding",
"company": "Google",
"difficulty": "Medium",
"focus": "Time management",
"partner": "AI or peer"
},
"day_3": {
"type": "system_design",
"company": "Amazon",
"topic": "Design Uber",
"focus": "Trade-offs discussion"
},
"day_5": {
"type": "behavioral",
"company": "Meta",
"questions": ["Leadership", "Conflict", "Failure"],
"focus": "STAR structure"
}
},
"week_2": {
"frequency": "3 mock interviews",
"progression": "Easy → Medium → Hard",
"companies": ["Google", "Meta", "Amazon", "Netflix", "Stripe"],
"types": ["coding", "system_design", "behavioral", "hr"]
}
}
}
## 面试心态指南
### 正确的心态 ✅
1. **学习机会**: 将面试视为学习和改进的机会
2. **平等对话**: 面试是双向选择，你也在评估公司
3. **展现真我**: Be authentic, 不要过度表演
4. **信任准备**: 相信自己充分准备的能力
5. **享受过程**: 展示你的热情和技术兴趣
### 错误的心态 ❌
1. **完美主义**: 不可能完美，专注发挥最好水平
2. **过度紧张**: 紧张是正常的，适度紧张有助于专注
3. **比较心理**: 每个人路径不同，专注自己
4. **结果焦虑**: 一次面试不能定义你的价值
5. **讨好面试官**: 要专业，但不要卑躬屈膝
### 焦虑管理技巧
**面试前**:
- 深呼吸: 4-7-8呼吸法 (吸气4秒, 屏息7秒, 呼气8秒)
- 积极想象: 想象成功的场景
- 准备清单: 确认所有材料就绪
- 早到: 提前10-15分钟到达
**面试中**:
- 问题听不懂: 礼貌地请求clarify
- 卡住了: 诚实地说"Let me think", 不要慌张
- 出错了: 承认错误, 解释如何修正
- 时间压力: 专注当前步骤, 不要想太多
**面试后**:
- 记录: 立即记录问题和你的回答
- 复盘: 客观分析哪些做得好/不好
- 放下: 不要纠结，准备下一个
- 感谢: 发感谢信给面试官
emphasis: "技术卓越 + 可扩展性"
key_areas:
algorithms:
priority: "High"
focus: ["DP", "Graph", "Tree", "Greedy"]
pattern: "Start easy → Medium → Hard quickly"
system_design:
style: "Distributed systems at scale"
hot_topics: [
"Large-scale storage",
"Distributed consensus",
"Load balancing",
"Data center design"
]
cultural:
values: ["Googleyness", "Curiosity", "Helpfulness"]
behaviors:
- "Think from user perspective"
- "Collaborative problem solving"
- "Learning orientation"
- "Open to feedback"
practice_specific:
- "Practice explaining complex systems simply"
- "Prepare examples of learning new things"
- "Discuss projects with broad impact"
- "Think about scalability from day 1"
emphasis: "Impact + Infrastructure"
key_areas:
practical_coding:
style: "Real-world problems"
focus: ["System-oriented", "Production-ready"]
common: ["API design", "Data pipelines", "Tooling"]
system_design:
style: "Infrastructure at massive scale"
hot_topics: [
"Edge computing",
"CDN design",
"Real-time systems",
"Storage optimization"
]
cultural:
values: ["Move fast", "Ship code", "Impact"]
behaviors:
- "Focus on shipping value quickly"
- "Discuss real-world impact"
- "Show pragmatism over perfection"
- "Demonstrate ownership"
practice_specific:
- "Prepare examples of fast iterations"
- "Discuss trade-offs concretely"
- "Show bias for action"
- "Emphasize user impact"
emphasis: "Customer obsession + Ownership"
key_areas:
leadership_principles:
critical: ["Customer Obsession", "Ownership", "Invent and Simplify"]
behavioral: "Prepare 2-3 stories for EACH principle"
integration: "Weave principles into all answers"
system_design:
style: "Customer-facing, scalable"
focus: [
"Customer journey",
"Scalability for growth",
"Operational excellence",
"Data-driven decisions"
]
practice_specific:
- "Memorize all 16 Leadership Principles"
- "Start with customer, work backwards"
- "Use 'I' not 'we' to show ownership"
- "Quantify impact (metrics, numbers)"
## ✅ 面试前一天检查清单
### 材料
- [ ] 最终版简历 (PDF格式)
- [ ] 作品集/项目链接
- [ ] Github profile (整理好)
- [ ] LinkedIn profile (更新)
- [ ] Notepad and pen (两支笔)
- [ ] 2-3份纸质简历 (备用)
### 技术准备
- [ ] 刷题 (5-10题warm-up)
- [ ] 复习常见模式
- [ ] 准备系统设计案例
- [ ] 准备15+ STAR故事
- [ ] 简历每个项目的细节
### 公司研究
- [ ] 公司最新新闻
- [ ] 产品和服务了解
- [ ] 团队和部门信息
- [ ] 技术栈和架构
- [ ] 文化价值观
### 实务准备
- [ ] 确认面试时间/地点/平台
- [ ] 测试网络/摄像头/麦克风
- [ ] 准备问面试官的问题
- [ ] 充足睡眠 (7-8小时)
- [ ] 早餐/午餐安排
- [ ] 提前15分钟到达
### 心理准备
- [ ] 积极心态
- [ ] 放松练习
- [ ] 深呼吸准备
- [ ] 相信自己
- [ ] Good luck! 🍀
3_hours_before:
- "轻量早餐 (高蛋白)"
- "轻量复习 (5-10 LeetCode easy)"
- "准备问面试官的问题"
1_hour_before:
- "到达/登录"
- "放松和深呼吸"
- "最后一次材料检查"
- "积极想象成功场景"
15_min_before:
- "准备进入"
- "深呼吸: 4-7-8 x 3次"
- "调整心态: 这是展示机会"
- "微笑和自信"
during_interview:
- "Listen carefully to questions"
- "Think out loud"
- "Ask clarifying questions"
- "Be authentic"
- "Manage time well"
after_interview:
- "立即记录反馈"
- "感谢面试官"
- "不要纠结具体表现"
- "准备下一轮"
- "发送感谢邮件"
Phase 3 增强: 这些高级功能使interview-coach成为全方位的面试准备助手，不仅提供技术和行为指导，还包括心理准备、时间规划和成功预测。
职业发展顾问。分析技能差距、推荐学习路径、规划职业发展、指导角色转换。帮助你做出战略性的职业决策。
智能协调器，编排多个技能和命令完成端到端的工作流。自动规划和执行复杂的多步骤任务。
分析职位描述（JD）以提取关键信息、技能要求、资格条件。识别核心技能、软技能、经验要求。用于简历匹配、面试准备、技能差距分析。当用户提供JD文本或添加公司信息时自动触发。
LinkedIn职位导入器。解析LinkedIn职位发布，提取JD和公司信息，批量导入求职系统。
薪资谈判专家。分析Offer、进行市场调研、生成谈判策略、起草还盘、对比多个Offer。帮助你获得最优薪资package。
智能面试问题生成器。基于JD分析、用户简历和公司特点，生成定制化面试问题。支持技术面试、系统设计、行为面试（STAR）、HR面试。提供不同难度级别（简单/中等/困难）。自动维护问题库，追踪练习历史。与jd-analyzer和interview-coach集成。