面试准备包：从一份 JD 到一套可练的材料
不是给「面试技巧」，而是把 JD 变成可执行的三天训练计划：每条要求对应一个问题、一个回答脚手架、一个评分锚点。
用户拿到的是一个文件夹，不是一段建议。
交付物
| 文件 | 内容 | 用途 |
|---|---|---|
00-使用说明.md |
三天训练计划 + 包内导航 | 先看这个 |
01-JD拆解.md |
逐条要求（硬性/职责/加分）+ 关键要求 + 匹配度 | 第 1 天 |
02-匹配矩阵.csv |
每条要求 → 简历证据 → 缺口 → 应对策略 | 第 1 天填 |
03-面试题库.md |
12 道题（按 JD 能力抽取）+ 追问 + 好/坏信号 + STAR 提示 | 第 2 天练 |
04-评分表.csv |
每题 1/3/5 分锚点 + 自评/互评 | 第 2–3 天 |
05-反问清单.md |
14 个反问 + 听什么 | 面试前 10 分钟 |
何时使用
- 拿到 JD，想知道「会问什么、我差在哪、怎么练」。
- 面试总答不到点上，需要结构化题库和评分标准。
- 转行/跳槽，需要把经历映射到目标岗位要求。
- 用户提到：面试准备、面试题、JD 拆解、模拟面试、评分表、匹配度。
不适用：
- 代写简历、编造经历——拒绝。
- 薪资谈判、offer 选择——不同技能。
- 群面/无领导小组讨论的现场技巧——本包只覆盖结构化面试。
前置检查
- JD 必填：至少 5 条职责/要求，少于 30 字无法拆解。
- 简历可选：不提供也能生成题库，但匹配矩阵的「证据」列会空着；强烈建议提供。
- 岗位名称：用于文件标题和题目取舍；不知道就写「目标岗位」。
- 隐私：简历含个人信息，只在本机处理；生成的包里不要写身份证号、完整手机号。
执行流程
第 1 步：生成包
python scripts/pack_builder.py \
--jd "JD.txt" \
--resume "简历.docx" \
--role "产品运营" \
--questions 12 \
--out "面试准备包"
只给 JD 也能跑：
python scripts/pack_builder.py --jd "JD.txt" --role "数据分析师" --out "面试准备包"
第 2 步：带用户填匹配矩阵
打开 02-匹配矩阵.csv，按匹配度分三档处理：
| 匹配度 | 策略 | 具体动作 |
|---|---|---|
| ≥ 60% | 直接证据 | 写清项目、动作、结果数字 |
| 30–59% | 可迁移 | 找相邻经验，说明迁移逻辑 |
| < 30% | 补课或坦诚 | 给学习计划，不编造 |
不要替用户填证据。可以问：「这条你有没有做过类似的事？哪怕规模小一点。」
第 3 步：练题，不背稿
- 每题先写 5 个关键词（背景/目标/动作/结果/反思），再口述 90 秒。
- 录音回放，删形容词，补数字。
- 用
04-评分表.csv自评；低于 3 分的题重写。
第 4 步：模拟面试
让用户找朋友按题库抽 5 题，追问一次；用评分表打分；记录「卡住的点」，回到第 3 步。
判断规则
| 情况 | 处理 |
|---|---|
| JD 少于 5 条要求 | 告知信息不足，请补全职责/任职要求，不硬生成 |
| 简历缺失 | 照常生成，匹配列留空；说明补简历后重跑 |
| 简历与 JD 行业跨度大 | 降低匹配权重，增加「可迁移能力」提示，不劝退 |
| 题目与 JD 无关 | 重新抽取：题目关键词必须命中 JD；否则用核心能力题补齐 |
| 同一能力超过 2 题 | 截断，保证能力覆盖多样性 |
| 用户要求「押题」 | 明确做不到；只能按 JD 能力项准备，不承诺命中 |
题目选择逻辑（脚本已实现）：
- 每道题带一组关键词（数据/增长/项目/冲突等）。
- 统计关键词在 JD 中的命中数，命中越多越优先。
- 每个能力最多 2 题，保证覆盖。
- 不足 12 题时，用核心能力（成就动机/责任心/数据/项目/协作/复盘）补齐。
输出格式
包内文件固定命名（00–05），不要改顺序，方便用户按天使用。
正文回复用户时给这个骨架（≤10 行）：
面试包已生成：面试准备包/（6 个文件）
JD 拆成 8 条：硬性 2、职责 5、加分 1。
最该补的 3 条：留存分析、A/B 测试、用户分层（匹配度都低于 30%）。
先填 02-匹配矩阵.csv，再按 03-面试题库.md 练 12 题；04 是评分表。
质量规则（决定它值不值钱）
- 每题必须能追溯到 JD：题库文件的题目顺序与 JD 能力项对应；不能给通用 100 问。
- 追问必须具体：问「样本量多少」「如果重来改哪步」，不问「你有什么优点」。
- 评分锚点必须可观察：1 分=说不清/无证据，3 分=说清但缺结果，5 分=结构+数字+反思。
- 不编造用户经历：矩阵和答案草稿都留空，让用户填。
- 承认边界：不押题、不保证通过、不替代真实项目经验。
常见错误 → 怎么改（反模式）
| 反模式 | 问题 | 正确做法 |
|---|---|---|
| 给 100 道通用题 | 用户练不完，也不针对岗位 | 12 题，按 JD 能力抽 |
| 题目只有问题没有追问 | 练不出深度 | 每题配 1 个追问 + 好坏信号 |
| 评分表只有「优/良/差」 | 无法自评 | 用可观察行为写 1/3/5 锚点 |
| 替用户写答案 | 面试一问就穿 | 给脚手架，关键词让用户填 |
| 把匹配度当录用概率 | 误导 | 说明是字符级粗筛，只用于找缺口 |
| 承诺「押中题」 | 不现实，且违规宣传 | 明确只能按能力项准备 |
FAQ
Q：没有简历能生成吗？
A：能。题库、评分表、反问清单都可用；匹配矩阵的证据列空着。补 --resume 重跑即可。
Q：题目是怎么选的？
A：按 JD 关键词命中数排序，每个能力最多 2 题，再用核心能力补齐到 12 题。不是随机抽。
Q：匹配度 20% 是不是没戏？
A：不是。匹配度只反映「简历文字与 JD 文字的字符重合」，用来找缺口。低匹配可以用可迁移经验、项目作品、学习计划补。
Q：能生成英文面试题吗？
A：当前题库是中文；英文岗位可以把 JD 翻成中文后生成，或让模型按同一结构翻译题库。
Q：评分表怎么用？
A：自评一遍，找朋友互评一遍；两项差距大的题，说明自我认知有偏差，优先重练。
Q：包里的问题会重复吗？
A：同一能力最多 2 题，且题目 id 唯一；如果 JD 关键词覆盖不足，会用核心能力题补齐，不会重复。
验收清单
- [ ] 6 个文件齐全，命名与顺序正确。
- [ ] 每条 JD 要求都在
01和02中出现，编号一致。 - [ ] 题库题量 = 用户要求（默认 12），同一能力 ≤ 2 题。
- [ ] 每题都有追问、好信号、坏信号、STAR 提示。
- [ ] 评分表 1/3/5 锚点可观察，不是「优/良/差」。
- [ ] 没有替用户编造经历或数字。
- [ ] 明确写了「不押题、不保证通过」。
边界与免责
- 题库基于通用能力模型与 JD 关键词，不保证命中真实面试题。
- 匹配度是字符级粗筛，不是录用概率，也不评估潜力与软素质。
- 不替代真实项目经验；低匹配时应补课或调整目标岗位，而不是包装。
- 简历与 JD 只在本机处理，不上传。
- 面试结果受岗位、竞争、时机等多因素影响，本包只提高准备度。
参考资源
references/question-bank.json—— 24 道题、13 个能力项、含追问与评分信号；脚本的数据源。references/jd-taxonomy.md—— 要求分类规则与拆解方法。references/scoring-rubric.md—— 1–5 分评分锚点与打分示例。references/red-flags.md—— 面试官常见顾虑与诚实的应对方式。templates/反问清单.md—— 14 个反问及「听什么」。scripts/pack_builder.py—— 生成器；参数与退出码见文件头。
