Interview Skill

一个给 AI Agent 使用的结构化技术面试编排器。

它不是一个题库。它根据岗位要求（JD）、候选人简历和面试方法，动态决定下一题问什么。

下一题不是题库中的"下一题"，而是当前状态下最值得问的那个问题。

面试的目标不是问完更多问题，而是在有限来回内获得足够可靠的 Evidence， 从而判断候选人的真实能力。

让 LLM 充当面试官，最常见的三种失败模式：

本 Skill 遵循 Agent Skills 规范（目录根放置 SKILL.md + frontmatter）， 适用于 Claude Code 及兼容 Agent Skills 规范的实现。

git clone https://github.com/HYDtomako/interview-skill.git ~/.claude/skills/interview-skill

也可以作为项目级 Skill 直接放在项目根目录（或对应 Agent 的 skills 目录）使用。

1. 复制简历模板并填入真实简历：

   cp Candidate/Resume.example.md Candidate/Resume.md

   Candidate/Resume.md / Candidate/Resume.pdf 已在 .gitignore 中，永远不会被提交。 简历含个人信息，请勿 push 到公开仓库。

2. 把岗位要求填入 Candidate/JD.md（岗位定位 / 技术要求 / 能力优先级 / 面试时长）。

3. 对你的 Agent 说：

   用 interview-skill 对这个候选人做一场 60 分钟的模拟面试。

   它会先读 JD 与简历，给出考察计划，然后一题一题地问，最后输出基于 Evidence 的评估报告。

注意（设计上的故意行为）：

• 仓库只提供 Candidate/Resume.example.md 模板，真实简历需要你自己创建（.gitignore 保证不误提交）。
• 没有 JD / 简历时面试不会开始——编排器会停下来向你索取，而不是凭空编造候选人背景。

                        SKILL.md
                       编排器 / 路由
                            │
        ┌───────────────────┼───────────────────┐
        ↓                   ↓                   ↓
   Candidate/          Interview/           project/
    对象是谁              怎么面             可以问什么
        │                   │                   │
     JD.md          Interview Strategy.md   agent/
     Resume          Project Interview.md    minimind/
                    evidence.md              （按主题拆分的
                    evaluation.md             子文件 + 索引）
                    time_budget.md

职责边界是单向的：

project/  只提供"可以问什么"
Interview/ 永远决定"怎么问"
Candidate/ 影响"考察重点"，但不影响"面试方法"

领域文件里写得再多，也不能推翻追问方式和评估标准。

每一轮只提一个问题，等候选人回答后再决定下一题。禁止一次性抛出问题清单——面试不是问卷。

候选人说过，不等于候选人证明过。

用 E0–E5 标注每条评价的证据强度（只作标签，不换算分数）：

E1 和 E2 不算"证明过"。能讲清楚概念不等于能落地。

每一轮都重新计算下一题：

候选人回答 → 提取 Claim → 哪些已证明、哪些是缺口
    → 对照 JD：哪条能力最重要且证据最薄弱
    → 选出信息增益最高的问题 → 时间允许吗 → 提问

优先级判据：与 JD 相关度 > 未解决的风险 > 证据缺口 > 覆盖不足的能力。

候选人答不上来时最多走 4 步，然后收手：

1. 换角度复述同一问题
2. 缩小到具体子环节
3. 给出具体选项让其判断取舍
4. 仍无法回答 → 记为负面证据，记录缺口，换题

不允许在同一道题上无限打转，也不允许当场给出否定评价。

LLM 没有内置时钟，靠自我估算流逝时间会严重失准。所以放弃"已过 X 分钟"，改用来回计数：

AI 面时长可以放宽——没有真人体力限制，默认 60 分钟，用户同意可放宽到 90 分钟， 多出来的来回用于"为什么用这个技术"和"踩坑细节"的透彻拷问。 每 5 个来回做一次显式复盘，最后 2 个来回留给候选人提问。

Phase 0 有一个必做步骤：搜索目标方向的面经（优先牛客），关键词覆盖公司规模（大厂 / 中厂 / 初创） 与方向（AI 算法、AI Agent、LLM 应用等）。面经用于校准该方向的高频考点与追问点， 但它不是题库——追问仍由候选人的回答驱动（SKILL.md §3 第 4 步）。

每个回答闭合后，面试官给出 2–4 句结构化参考答案，然后要求候选人用自己的话复述一遍—— 不能"看懂"，要"说懂"。照抄参考答案是记忆、换说法补理由才是理解。 参考答案之后的复述证据等级上限 E2，复述时主动补充的新内容才算新增证据（SKILL.md §5.6）。

候选人沉默、反问面试官、主动索要提示——这些情况都有明确应对（SKILL.md §5.5）：

• 沉默 → 走降级阶梯，最多再推进 2 个来回后记为负面证据、换题
• 反问 → 区分"澄清型"（正常回答）与"反客为主型"（一句话拉回主动权）
• 索要提示 → 只给范畴提示、不给答案；给过提示的 Claim 证据等级上限 E2

project/ 下每个领域都是带索引的子目录，而不是单个大文件：

先读 project/<领域>/README.md（索引 + 总则）
        ↓
命中具体主题后再读对应子文件

避免"候选人提了一句 RAG，就把整套知识库全塞进上下文"。

本 Skill 不打分。 打分机制不可靠——一个数字掩盖了证据结构，把"背概念"和"真做过"混进同一个分值。

评估输出的是基于证据的直接反馈与不足，围绕 Candidate/JD.md 定义的 8 个能力维度 （默认见下表，优先级由 JD 决定）：

三个关键设计：

• 每个维度只回答三个问题：验证到什么程度（E 级）、具体表现、不足 / 风险
• 有效证据少于 2 条的维度标注"证据不足"——只给观察性反馈，不进入总体判断的支撑
• Ownership 未验证时置信度整体下调——无法证明候选人真正负责过，其余"强表现"都不是"能干活"的证据
• 报告重点输出候选人的潜在问题（只列举不深挖 / 无数据 / 无坑 / 学习型项目等）， 每个潜在问题给出坐实它的验证方式

结论只有三档倾向性意见（匹配 / 部分匹配 / 不匹配），不带数字，必须绑定证据。

interview-skill/
├── SKILL.md                    编排器入口 + 硬性约束 + 核心决策循环
├── README.md
├── LICENSE                     MIT
├── .gitignore                  忽略简历与运行时状态文件
│
├── Candidate/                  岗位与候选人材料
│   ├── JD.md                   岗位要求 + 能力优先级（占位，替换为真实 JD）
│   ├── Resume.example.md       简历模板（入库）
│   ├── Resume.md               真实简历（已 gitignore，不提交）
│   └── Resume.pdf              真实简历 PDF（已 gitignore）
│
├── Interview/                  方法层：怎么面、怎么判
│   ├── Interview Strategy.md   考察优先级（实习/项目/开源/论文/竞赛）
│   ├── Project Interview.md    项目追问规范【权威】
│   ├── evidence.md             Claim 类型与 E0–E5 记录格式
│   ├── evaluation.md           证据强度标签、维度反馈、反馈式报告模板（不打分）
│   └── time_budget.md          来回数预算与动态分配
│
└── project/                    知识层：可以问什么（二级按需加载）
    ├── agent/                  Agent 方向（13 个子文件 + 索引）
    │   └── README.md           索引 + 总则 + 触发关键词
    └── minimind/               LLM / Transformer 方向（12 个子文件 + 索引）
        └── README.md

1. 在 project/ 下建子目录，例如 project/rag/
2. 写一个 README.md，包含子文件索引表（主题 → 文件 → 触发关键词）和该领域的提问总则
3. 按主题拆成子文件，不要堆成一个大文件；每个子文件标题编号从 1 起连续
4. 在 SKILL.md §3.1 的领域索引表里追加一行

领域文件只写"可以问什么"，不要在里面规定面试流程或评估标准。

编辑 Candidate/JD.md 的四部分：岗位定位、技术要求、能力优先级、面试时长。

能力优先级最关键——它直接决定追问篇幅和反馈重点（用于分配，不打分）。

• Candidate/Resume.md、Candidate/Resume.pdf 与运行时 interview_state.md 均在 .gitignore 中，不会被提交
• 面试过程中禁止询问婚育、年龄、家庭、地域、宗教、健康等与岗位无关的信息
• 不得基于学校、学历、性别、外貌下结论（SKILL.md §1.3）
• 每个关键结论必须能追溯到具体 Evidence

• 领域库只覆盖两个方向：Agent 应用 与 LLM/Transformer（MiniMind 项目）。面其他方向需要先自建领域文件。
• 依赖 Agent 自身能力：不做代码执行、白板或运行环境，Coding 题靠候选人描述思路。
• 简历解析靠 Agent 自身：.pdf 简历依赖 Agent 的 PDF 读取能力，.md 更可靠。
• 评估是证据驱动的倾向，不是裁定：证据覆盖不足的维度只给观察性反馈；Unverified 只作待验证假设，不转正负结论。

MIT。使用时可按需修改 LICENSE 中的作者信息。