interview-collector

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。

多角色社招面试题采集 Skill

概述

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。

支持角色

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

平台优先级（按流量置信度排序）

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）。

Agent 架构

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

---

Step 0：角色识别与配置加载

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。

0.1 角色匹配规则

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。

0.2 加载角色配置

1. 使用 Read 工具读取匹配到的角色配置文件（references/roles/{role_id}.md）

2. 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）
   • 搜索关键词（Section 2） — 各平台（小红书/B站/牛客/CSDN/其他WebFetch组/其他CDP组）的关键词列表
   • 知识模块（Section 3） — 模块表格（编号、模块名称、文件名、章节emoji、涵盖主题），用于 Step 3 分类和 Step 6 答案生成
   • 输出配置（Section 4） — 题集文件前缀、主标题模板、来源行、统计行、综合类文件名
   • 公司分类（Section 5） — 若配置文件有自定义公司分类则使用，否则使用 references/defaults/company-classification.md 中的默认 6 大类分类
   • 面试轮次定义（Section 6） — 若配置文件有此章节则读取，否则使用 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
   • 输出根目录 — 所有输出文件统一放在 samples/{role_id}/ 目录下，不同角色输出隔离

3. 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）
   • 若角色配置的 Section 5 / Section 6 有自定义值，覆盖对应默认值

4. 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

0.3 冲突处理

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。

0.4 快速路径检查（增量执行优化）

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：

1. 若 {题集文件前缀}_*.md 存在，且最新文件的日期为近 24 小时内：

   • 用户输入不含"重新采集/重新搜索/全量更新" → 跳过 Step 1-4，直接进入 Step 5
   • 用户输入含"解答/答案"但不含"采集/搜索" → 跳过 Step 1-5，直接进入 Step 6
   • 用户输入含"索引/公司文件" → 跳过 Step 1-6，直接进入 Step 7

2. 若 answers/_index.json 存在，且用户只要求补充解答：

   • 对比题集中的题目与 _index.json 中的已有题目
   • 跳过 Step 1-5，直接进入 Step 6，只生成缺失的解答

3. 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。

---

Step 1：并行平台搜索采集

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。

1.1 平台优先级（按流量置信度排序）

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

1.2 Agent 执行规则

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：

1. 角色配置文件 — 从 Step 0 已加载的配置中获取当前角色的 display_name、domain 和各平台搜索关键词
2. 对应平台的经验文件（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}。

---

1.3 平台采集 Agent（通用模板 + 平台参数表）

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

---

1.4 收集与汇总

5 个 Agent 全部完成后，主会话汇总所有输出：

1. 合并 5 个 Agent 返回的题目列表，按平台分组记录
2. 统计每个平台的采集成功/失败/跳过数量
3. 将汇总后的原始题目列表传递给 Step 2

错误处理：

• 单个 Agent 全部失败：记录为"该平台采集失败"，不阻断后续步骤
• 单个 Agent 部分搜索失败：正常合并成功部分
• web_access/CDP 完全不可用：小红书/B站/脉脉/BOSS直聘 Agent 将返回空结果；牛客/CSDN/知乎/掘金/博客园等使用 WebFetch 的 Agent 不受影响

---

Step 2：清洗与去重 Agent

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。

错误处理

• 若 Step 1 全部平台均无结果：Agent 报告"所有平台均无有效结果，建议扩大搜索范围或检查 web_access 可用性"
• 若清洗后题目 < 10：记录警告但继续后续步骤

---

Step 3：分类 Agent

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）

---

Step 4：增量更新 Agent

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。

---

Step 5：输出文件生成 Agent

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。

错误处理

• 若 samples/{role_id}/ 目录不存在，先创建再写入
• 写入后验证文件存在且非空，再进入 Step 6

---

Step 6：批量生成解答（每组 5-10 题，顺序追加）

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。

6.1 总体流程

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

6.2 Per-Batch Agent Prompt

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）

6.3 模块文件命名

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。

6.4 解答文件结构

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]
...

6.5 增量模式 Q 编号

增量模式下，主会话在进入模块 M 的循环前执行：

1. 检查目标文件 samples/{role_id}/answers/{文件名}.md 是否存在
2. 若存在：读取文件，找到最后一个 ## Q 标题的编号（如 Q12），起始 Q = 12 + 1 = 13
3. 若不存在：起始 Q = 1（初次采集模式）
4. 验证"待生成解答"列表中不包含已有答案文件中的题目（与 Step 4 的差集做双重校验）

6.6 非角色相关题处理

归类为"其他 / 综合类"且标记为 [标记: 非角色相关题] 的题目：

• 不拉起 Agent 生成解答
• 在题集文件中仅保留题目文本，不标注 Module N，不生成解答链接
• 主会话在 Step 6 循环中自动跳过这类题目

6.7 错误处理

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

6.8 答案索引文件维护

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
• 只收录已成功生成解答的题目（## QN 已写入对应模块文件）
• 非角色相关题（不生成解答）不收录到索引中
• 增量模式：读取现有 _index.json，追加新题目条目，更新 updated 和 total_questions
• 文件保存到 {题集文件同目录}/samples/{role_id}/answers/_index.json

Step 4 读取优先级：

1. 先读 samples/{role_id}/answers/_index.json（~10K，5K tokens）→ 匹配已有答案
2. _index.json 不存在 → 回退到读取 module_*.md 文件（~932K，50 万 tokens）

---

Step 7：公司分类文件生成

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。

7.1 Agent 1：公司文件与索引生成

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）

7.2 Agent 2：索引校验

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：

• 检查 A（正向校验）：索引中每个链接指向的文件真实存在
• 检查 B（反向校验）：company/ 目录下每个文件在索引中有对应条目
• 检查 C（分类与统计一致性）：公司分类正确，统计数字一致

7.3 增量更新

公司分类文件同样支持增量更新：

• 新增题目时，对应公司文件追加新题到对应轮次 section
• 若该公司首次出现，创建新的公司文件
• 更新 company_index.md 中的公司列表

---

执行结束后的汇报

完成后，向用户汇报（角色：{display_name}）：

平台采集总览（按优先级排序）：

• 小红书（最高优先级）：成功/失败/跳过
• B站（高优先级）：成功/失败/跳过
• 牛客（中优先级）：成功/失败/跳过
• CSDN（较低优先级）：成功/失败/跳过
• 其他平台（最低优先级）：成功/失败/跳过

Agent 执行总览：

• Step 0: 角色识别 — 已识别为 {display_name}（{role_id}）
• Step 1: 5 个 Agent（并行），成功 N / 失败 N
• Step 2: 1 个 Agent（清洗去重），成功/失败
• Step 3: 1 个 Agent（分类），成功/失败
• Step 4: 1 个 Agent（增量更新），成功/失败
• Step 5: 1 个 Agent（输出文件生成），成功/失败
• Step 6: N 个 Agent（每组 5-10 题批量解答），成功 N / 失败 N
• Step 7: 2 个 Agent（公司文件 + 校验），成功/失败

数据统计：

• 本次新增题目数 / 累计题目总数
• 输出文件的完整路径（题集 + 解答）
• 解答文件生成情况（哪些模块生成了、各多少题）
• 公司分类文件生成情况（涉及多少家公司、分布哪些大类）
• 近期高频题 Top 5（简要列出）
• Step 6 失败题目清单（如有）

---

注意事项

• Step 0 先于一切执行：拉起任何采集 Agent 前必须先识别角色并加载配置，否则搜索关键词和模块分类将不正确
• Agent 失败不中断整体流程：单个 Agent 失败记录错误后继续下一步。Step 1 单平台 Agent 失败不影响其他平台；Step 6 单题 Agent 失败记录 Q 编号并跳过，不中断整个模块
• 平台优先级严格遵守：小红书 > B站 > 牛客 > CSDN > 其他，高优先级平台分配更多搜索资源和 Agent 查询次数
• Step 6 逐组 Agent 顺序执行：同模块内各组必须按顺序拉 Agent（非并行），确保追加写入不冲突；每组合并 10-20 题，减少 Agent 调用次数
• 搜索失败不等于 skill 失败——跳过并继续，最后汇报哪些平台访问失败
• 不采集、不尝试绕过付费内容
• 题目质量 > 题目数量：200 题上限是为了保证精选
• 输出文件名含日期，方便按版本追溯历史
• 生成完毕后必须执行 Step 7.2 公司索引校验（检查 A/B/C），确保所有链接指向的文件真实存在，分类和统计数据一致
• 增量模式下已有答案不重复生成：优先检查 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
• 必须加载站点经验文件：小红书/B站/脉脉等反爬严格的平台，直接用 web_access 通用 CDP 指令大概率失败。每次采集对应平台前，务必先用 Read 工具加载本 skill 的 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}.md
• 角色配置优先：所有搜索关键词、知识模块定义、输出文件命名均从角色配置文件读取，不得使用 SKILL.md 中的示例关键词作为默认值
• Agent prompt 模板外置：Step 1-7 的 Agent prompt 模板统一存放在 references/prompts/ 目录，主会话加载后替换 {{PLACEHOLDER}} 再注入 Agent
• 基线配置独立管理：公司分类和轮次定义默认值存放在 references/defaults/ 目录，角色配置可按需覆盖