智能面试辅助skill-基于项目交互式深度面试+算法手撕

Smart Interview Prep 🎯

链接在文末，欢迎各位大佬提建议，使用

AI-Powered Full-Stack Mock Interview Skill --- 13 Tech Domains, 6 Interviewer Styles, Adaptive Follow-ups

根据简历和项目经历，生成真实面试中极大概率会被问到 的高价值问题。支持交互式模拟面试 和一键生成题库两种模式，全技术栈覆盖（前后端、移动端、数据/AI、云原生、安全、嵌入式、游戏等 13 个技术域），提供 6 种面试官风格、编码题、JD 匹配分析、AI 辅助开发考察与加权评分报告。

✨ Features

特性	说明
🌐 全技术栈覆盖	13 个技术域独立考点卡片库，按需加载
🎭 6 种面试官风格	严厉拷打 / 温和鼓励 / 专业高效 / 综合平衡 / 深挖学术 / 工程实践
💬 一问一答原则	强制每次只问一个问题，避免多问题并行导致对话混乱
🔗 追问链预生成	简历关键词自动触发 3-5 层追问链
💻 编码题	可选环节，覆盖多语言（Java/Python/Go/JS/C++），含参考解答和追问方向
🤖 AI 辅助开发考察	候选人提到 AI 工具经验时自动触发 Agent/RAG/MCP 等方向提问
📋 JD 匹配分析	提供岗位 JD 可针对性出题并分析匹配度
⭐ 加权评分报告	1-10 分制 × 6 维度加权，反馈措辞随面试官风格调整
⏱️ 时间控制	20/30/45/60 分钟可选，按阶段智能分配
🔧 纠错模式	严格模式（模拟真实压力）/ 即时引导模式（边面边学）
💾 中断恢复	支持面试中途退出并从断点继续

🚀 Quick Start

触发示例

直接对 AI 说：

复制代码

"下面是我的简历，请根据它给我做一轮模拟面试"
"请扮演严厉的面试官，拷打我的项目经历"
"我把 JD 和简历都贴给你，帮我分析匹配度并模拟面试"
"根据这份简历给我生成高频面试题库"
"请用英文根据我的简历做 mock interview，包含编码题"
"我是应届生，帮我来一次 45 分钟的温和型模拟面试"

📖 Usage

交互式模拟面试（默认模式）

粘贴简历文本到聊天框（推荐），也可提供简历文件路径
可选：提供目标岗位 JD、选择面试时长（20/30/45/60 min）、选择面试官风格
AI 解析简历/JD 并显示确认信息，确认无误后开始
AI 按风格逐题提问，根据回答质量自动追问（最多 5 层）
过程中可用 /skip 跳过、/hint 获提示、/report 查进度
/end 或达到上限后，输出完整评分报告

一键生成题库

粘贴简历文本或提供简历文件
输入 /mode bank
AI 一次性输出分类整理的高概率问题清单
每题标注概率评级、考察点、追问方向

编码题

面试开始前选择"需要编码题"（include_coding: true）
面试中 AI 根据你的技术栈从题库选题
完成编码后 AI review 代码并追问复杂度与优化方向

🎭 Interviewer Styles

风格	命令参数	体验
严厉拷打型	`strict`	高压快节奏，质疑每一个模糊回答
温和鼓励型	`gentle`	引导式提问，适合新手/实习
专业高效型	`efficient`	精准聚焦，时间控制严格
综合平衡型	`balanced`	默认风格，不走极端
深挖学术型	`academic`	追求原理，讨论式提问，不求广但求深
工程实践型	`practical`	生产视角，实战导向，数据说话

切换方式：面试开始前输入 /style <参数>

⌨️ Commands

命令	优先级	行为
`/skip`	P0	立即终止当前话题链，抛出下一题
`/end`	P0	立即终止整场面试，输出完整版 Markdown 报告
`/hint`	P1	输出当前问题的简短答题提示（≤ 3 句话）
`/report`	P1	输出当前进度精简报告，不结束面试
`/mode bank`	P0	切换到题库生成模式
`/mode interactive`	P0	切换到交互式模拟面试模式
`/lang zh-CN`	P1	切换为中文面试（仅开始前有效）
`/lang en-US`	P1	切换为英文面试（仅开始前有效）
`/style <name>`	P1	切换面试官风格（仅开始前有效）

命令不区分大小写，以 / 开头优先匹配。

📊 Scoring Rubric

面试结束后生成加权评分报告，包含 6 个维度：

维度	权重	考察重点
技术深度	25%	原理理解、源码/协议细节、trade-off 解释
项目经验	25%	项目规模、贡献清晰度、量化成果
系统设计能力	15%	架构设计、容量规划、扩展性、高可用、数据一致性
思维逻辑	15%	问题拆解、表达条理、追问自洽
表达能力	10%	流畅度、术语准确度
学习能力	10%	AI 工具使用、技术趋势跟进

综合得分 = 各维度加权求和，保留 1 位小数。等级锚点：⭐ 较差 / ⭐⭐ 不足 / ⭐⭐⭐ 一般 / ⭐⭐⭐⭐ 良好 / ⭐⭐⭐⭐⭐ 优秀。

🗂️ Supported Tech Domains

#	技术域	覆盖方向
1	前端	框架机制 / 性能优化 / 状态管理 / 工程化 / CSS / 跨端 / SSR / 微前端
2	后端	数据库 / 缓存 / 分布式 / 消息队列 / 接口设计
3	移动端	iOS / Android / Flutter / React Native / 启动优化 / 跨平台选型
4	数据与 AI	数据分析 / 数据工程 / 机器学习 / LLM 应用 / 微调 / 评估基准
5	云原生	容器 / K8s / 服务治理 / 可观测性 / 平台工程 / Service Mesh / eBPF
6	测试与质量	测试分层 / 自动化 / 契约测试 / 性能测试 / 质量保障
7	音视频	编解码 / 传输协议 / 音频处理链 / 多人视频架构 / QoS/QoE
8	安全工程	应用安全 / 认证授权 / 基础设施安全 / API 安全 / mTLS
9	运维/SRE	SLO/SLI/SLA / 发布体系 / 监控告警 / 故障管理 / 容量成本
10	大数据	Spark/Flink / 存储 / Kafka / 实时数仓 / OLAP / CDC / 数据治理
11	嵌入式/IoT	MCU/RTOS / Linux 驱动 / 通信协议 / 低功耗 / 调试工具 / 安全启动
12	游戏/图形	渲染 / 性能 / 引擎 / 网络同步 / 游戏 AI / 物理引擎
13	通用基础	计算机网络 / 数据结构 / 设计模式 / DevOps / 操作系统 / 并发模型

📁 Project Structure

复制代码

smart-interview-prep/
├── SKILL.md                  # 入口文件（核心规则 + 执行闭环）
├── README.md                 # 使用说明（本文件）
├── rules/
│   ├── global-rules.md       # 全局规则展开细则
│   └── interview-process.md  # 面试流程、出题策略、追问链
├── templates/
│   ├── full-report.md        # /end 完整版报告模板
│   ├── simple-report.md      # /report 精简版报告模板
│   └── resume-confirm.md     # 简历解析确认模板
└── reference/
    ├── tech-index.md         # 13 技术域总索引
    ├── tech-*.md             # 各技术域考点卡片（13 个文件）
    ├── interviewer-styles.md # 6 种面试官风格话术
    ├── score-rubric.md       # 评分 Rubric 完整锚点
    ├── coding-challenges.md  # 编码题库
    ├── level-language-rules.md # 语种与级别规则
    ├── ai-dev-knowledge-base.md     # AI 应用开发知识库
    └── ai-dev-tools-knowledge-base.md # AI 辅助开发实践知识库

📥 Supported Input

输入方式	说明
聊天框粘贴文本	✅ 最稳定，推荐优先使用
`.txt` / `.md`	✅ 纯文本与 Markdown 支持稳定
`.pdf`	⚠️ 依赖宿主解析能力，可提取文本的 PDF 成功率较高
`.docx`	⚠️ 依赖宿主解析能力，复杂排版可能失败
图片（PNG/JPG）	❌ 不支持，请直接粘贴文本

文件解析失败时，请直接粘贴简历文本。

❓ FAQ

Q: 追问最多几轮？

A: 同一话题最多追问 5 轮，第 5 轮后强制切换新题目。

Q: 可以中途切换模式/风格吗？

A: /mode 可切换但会清空当前面试状态。风格仅开始前可通过 /style 切换，面试中也支持自然语言切换（如"换个温和一点的"）。

Q: 面试可以中断后继续吗？

A: 可以。中途退出会生成《中途报告》，之后说"继续上次面试"即可从断点恢复。

Q: 一定要上传文件吗？

A: 不需要。最推荐直接把简历文本粘贴到聊天框。

Q: 支持哪些技术栈？

A: 全技术栈覆盖，共 13 个技术域（见上方 Supported Tech Domains）。

Q: 评分怎么算的？

A: 1-10 分制，6 个维度（技术深度/项目经验/系统设计能力/思维逻辑/表达能力/学习能力）统一权重加权计算，不按背景区分。

Q: AI 辅助开发考察是什么？

A: 当候选人提到使用过 Copilot、Cursor、Claude Code、做过 RAG 项目或 Agent 开发时，自动触发 AI 方向追问（Agent Loop、RAG、MCP、Prompt Cache 等）。

Q: 编码题支持什么语言？

A: Java / Python / Go / JS / TS / C++，根据你的技术栈自动匹配。

Q: 一场面试最多/最少多少题？

A: 硬上限 25 题（达到自动收尾），软下限 8 题（不足 8 题结束时会提示参考价值有限）。

⚙️ Configuration

Skill 通过 SKILL.md frontmatter 定义的可配置参数：

参数	类型	默认值	说明
`mode`	string	`interactive`	`interactive`（交互）或 `bank`（题库）
`language`	string	`auto`	`auto` / `zh-CN` / `en-US`
`interviewer_style`	string	`balanced`	6 种风格可选
`duration`	integer	`30`	20 / 30 / 45 / 60 分钟
`include_coding`	boolean	`false`	是否包含编码题
`error_mode`	string	`strict`	`strict`（严格）/ `guide`（引导）
`focus_areas`	array	`[]`	指定重点考察方向
`jd_content`	string	---	目标岗位 JD 内容

📄 License

MIT

链接