面试复盘专家

把面试录音转写文本丢进去，AI 对照结构化语料库，逐题诊断你踩了什么坑、下次该怎么答。

不是预测你能不能过，而是告诉你这场面试里你到底输在哪。

先看结果：报告长什么样

先给你看一段真实输出（示例虚构，格式与真实诊断完全一致），再决定要不要往下读。

① 开场就把分数量化摆出来

识别问题数：5 个 ｜ 检测陷阱：10 个（严重 3 · 中等 5 · 轻微 2）
主动输出 2 个  vs  追问触发 8 个 ⚠️
加权总分：1.6 / 3.0（偏弱）

一句话总结：你的回答几乎全部停留在"形容词层"和"回避层"——没有数字、没有冲突、
没有判断，只提供了大量无法验证的自我描述。面试官拿不到任何可以记住你的锚点。

② 每个坑都指名道姓，附你自己说过的原话

🔴 自杀式自我介绍（严重）

你的原话："我就是一个普通的人，在上一家公司主要负责一些运营相关的工作，
        也没什么特别值得说的。"

诊断：面试官要的是价值锚点，不是谦虚。面试是价值交换场景，自我贬低直接把
      起评分归零。更关键的是——你后面所有回答的说服力，都会被这句开场反向打折。

③ 不只说你错了，直接给你改写版本

匹配框架：30 秒电梯演讲（我是谁 → 我做成过什么 → 我为什么来）

推荐回答示例：
"我是做用户运营的，最擅长从沉默用户里挖增量。上一份工作我接手时月活留存 58%，
用分层召回策略三个月做到 71%，挽回约 1.2 万用户。看到贵司这个岗位要解决的
正是留存问题，所以我来了。"

④ 最后收口成三条能练的动作

🥇 优先级 1：把形容词全部替换成"标签 + 数字 + 场景"
规则很简单——每说一个形容词，后面必须跟一个数字或一件具体的事。
说不出数字，就把这个形容词删掉。

练习计划：
  1. 列出你的 3 个核心优势
  2. 每个优势配一个数字（增长率、人数、金额、周期均可）
  3. 写成 30 秒版本，录音自测，控制在 150 字以内

完整 4 部分报告见 examples/sample-report.md，对应的输入文本见 examples/sample-input.txt。

它和普通「问 AI」有什么不同

同样的转写文本丢给通用大模型，你会得到一段"听起来挺有道理"的建议。区别在于底座：

| | 通用大模型 | interview-coach | |---|---|---| | 判断依据 | 通用知识，现编 | 128 题库 / 24 意图 / 88 陷阱 / 72 维度 / 20 框架 | | 结论可追溯 | ❌ 无法溯源 | ✅ 每条诊断必须引用你的原话作为证据 | | 题不在库里 | 照编不误 | ✅ 降级到意图层模式诊断，标注「置信度：低」 | | 改进建议 | "建议你多举例" | ✅ 指定框架 + 结构步骤 + 按你背景改编的示例 | | 会编造吗 | 会 | ✅ 宁可说"我诊断不了"，也不硬套 |

一句话：一个是聊天，一个是体检。

语料资产

| 资产 | 数量 | 文件 | |---|:---:|---| | 面试题库（去重后） | 128 题 · 11 大类 | references/question-bank.md | | 考察意图定义 | 24 个（E01–E24） | references/intents-and-pitfalls.md | | 陷阱模式（结构化字段） | 88 个 | references/pitfall-patterns.md | | 评分维度（3 档量规） | 72 个 | references/scoring-rubrics.md | | 改进框架（含正反案例） | 20 个 | references/improvement-frameworks.md |

四层解耦架构

即使你的题不在题库里，它也不会瞎编——这是它和聊天式 AI 的根本区别。

面试录音转写文本（口语化 / 角色混杂 / 含噪声）
        ↓
┌─ Layer 0 · 对话解析 ─────────────────────────┐
│  角色分离 → 对话分段 → 问题提取 → 回答重组 → 噪声过滤
│  输出：结构化 Q&A 单元（标记"主动说" vs "被追问才说"）
└──────────────────────────────────────────────┘
        ↓
┌─ Layer 1 · 题目索引 ─────────────────────────┐
│  你的问题 ↔ 128 道题库做语义匹配
│  命中 → 映射到考察意图；未命中 → 降级到 Layer 2
└──────────────────────────────────────────────┘
        ↓
┌─ Layer 2 · 诊断模式 ─────────────────────────┐
│  对照 24 意图 × 88 陷阱逐项扫描，按 72 维度 3 档打分
│  每条结论必须引用你的原话作为证据
└──────────────────────────────────────────────┘
        ↓
┌─ Layer 3 · 改进建议 ─────────────────────────┐
│  匹配 20 个命名框架，输出：框架名 + 结构步骤 + 改编示例
└──────────────────────────────────────────────┘
        ↓
            面试复盘报告（4 部分）

降级机制：题目不在库里？Layer 2 用 24 种考察意图做模式诊断，Layer 3 照样给框架——只是标注「置信度：低」。

安装

SkillHub CLI

skillhub install interview-coach-xionghaizi

手动接入任意支持 Skill 的客户端

SKILL.md 是自包含的技能定义（YAML frontmatter + 分层指令），references/ 是运行时读取的语料。

把 SKILL.md 放到客户端的技能目录（如 Claude Code 的 .claude/skills/）
把 references/ 一并放入同级
对话中触发：「帮我复盘这段面试」

怎么用

输入：一段面试录音的转写文本（纯文本，1,000–50,000 字）。不需要标注说话人——Layer 0 会自动分离角色。

面试官：请用三到五分钟做个自我介绍。
候选人：嗯……我就是一个普通的人，在上一家公司主要负责一些运营相关的工作，也没什么特别值得说的。
面试官：能具体说说吗？
候选人：就是日常的一些用户运营，然后也做过一些活动吧。

输出：4 部分诊断报告

整体诊断概览 — 话题数 / 意图覆盖 / 陷阱统计 / 主动输出 vs 追问触发 / 整体评分
逐题诊断 — 意图解码 → 回答摘要 → 各维度评分（附原话证据）→ 陷阱检测 → 改进建议
整场模式总结 — 高频陷阱排名、得分趋势、跨话题系统性问题
下次改进 TOP3 — 每项含「涉及话题 → 具体表现 → 改进方法 → 练习计划」

九条约束（它为什么不会瞎编）

这个技能有一条硬规矩：宁可说"我诊断不了"，也不编造。

只用语料诊断，超范围明确声明
陷阱检测必须引用你的原话作为证据
改进建议必须给结构（框架 + 步骤 + 示例），不给空话
匹配失败必须声明，不硬套
不编造面试官心理，只引用意图库
角色分离不确定时跳过，不猜测
复合问题必须附原始对话证据链
必须区分「主动输出」与「被追问才输出」
噪声不参与诊断

置信度标注：🟢 高（精确匹配）／🟡 中（模式匹配）／🔴 低（超范围，仅供参考）

局限性（我们不想骗你）

| 能做 | 不能做 | |---|---| | 识别面试问题，匹配题库或考察意图 | 无法验证你记忆/转写的准确性 | | 检测陷阱模式并附证据 | 无法评估语气、表情、节奏等非语言维度 | | 指出回答与框架的结构差距 | 无法判断面试官的真实想法 | | 给出结构化改进方案 | 无法预测面试结果 | | 跨题目识别回答模式 | 语料覆盖有边界（128 题不可能穷尽所有问题） |

隐私

全部语料不含任何真实人名、公司名称、联系方式、薪资数字或个人身份信息。
本技能仅对你的输入文本做诊断，不向任何第三方上传。

许可证（双许可）

| 内容 | 许可 | 可商用？ | |---|---|:---:| | SKILL.md、架构、方法论、文档骨架 | MIT（LICENSE.txt） | ✅ 可以 | | references/ 下的语料内容 | CC BY-NC-SA 4.0（LICENSE-DATA.txt） | ❌ 不可商用 |

一句话：方法可以拿去造你自己的工具（包括商用），这套现成语料不能拿去卖。

本项目是「语料驱动 Skill 体系」的一个实践样本：方法不是资产，语料才是。