Interview Prep（通用面试准备助手）

Overview

将"简历 + 目标岗位 JD"转化为一份结构化的面试准备文档，并在需要时开启逐题评分的模拟面试。方法论通用，不绑定任何行业或岗位——核心是把候选人的真实经历与 JD 的能力要求做精确映射，并把口语化的自我叙述整理成可直接背诵的逐字稿。

When to Use

• 用户说"帮我准备 XX 岗位的面试""面试准备""mock interview""模拟面试""写个面经/面试稿""自我介绍怎么讲"
• 用户提供了简历（PDF/文本）和/或岗位 JD，希望梳理怎么答
• 用户想针对某岗位做高频题、简历深挖、公司研究
• 用户想练习面试（逐题问答 + 即时反馈）

Workflow

完整 SOP 见 references/interview_prep_playbook.md。核心九步：
1. 收输入：读取简历（PDF 用 PyPDF2，见 playbook）、记录 JD、收集用户补充语料与偏好。
2. 拆 JD：提炼岗位定位、核心模块、关键系统/工具、能力要求 3–4 项。
3. 拆简历：提取经历、数据、技能；标注"可被追问的深挖点"。
4. 匹配度：列强匹配项（主动强调）+ 潜在差距（提前准备口径）。
5. 自我介绍：用"岗位理解 + 能力映射"结构（先讲对岗位理解，再分 Part A/B/C 对应 JD 核心能力，每段一句经历收口）。
6. 高频题：基于岗位类型生成通用问题集，逐题给参考回答 + 追问 + 可背逐字稿。
7. 简历深挖：表格（简历表述/可能被追问/准备要点）+ 逐点逐字稿。
8. 公司行业：一句话定位 + 业务/技术要点（如适用，用 WebSearch 核实）。
9. 提问清单：准备 3–5 个反问面试官的问题。

产出文档用 assets/interview_prep_template.md 模板写入工作区 outputs/。

Key Principles（必须遵循）

• 诚实原则：缺口不夸大。没有某经历时统一口径"理解逻辑 + 接触过相关流程 + 给标准 SOP 能快速上手"，被追问也接得住。
• 数字/名字核对：所有数字（简历量、百分比、人名）开口前在脑中过一遍，避免说错（如把人名、350 说成 30）。
• 口语转逐字稿：用户口语语料整理成通顺、可直接背诵的成稿，而非要点罗列。
• 追问扩写：面试官可能深挖的每个点都扩成逐字可背话术，不只用要点。
• 岗位先行：自我介绍与回答先证明"读懂岗位"，再映射经历，优于流水账式罗列。
• 不绑定行业：可用任意岗位作示例，但方法论通用于所有岗位。

Mock Interview Mode（可选）

用户要求练习时，切换面试官视角，一题一题问，答完即时给三维度评分（岗位匹配度/逻辑清晰度/证据说服力，各 10 分）+ 硬性纠偏。评分维度与反馈话术见 references/mock_interview_rubric.md。

Resources

• references/interview_prep_playbook.md — 九步工作流详细 SOP、自我介绍结构模板、高频题生成逻辑、PDF 简历读取方法
• references/mock_interview_rubric.md — 模拟面试评分维度与即时反馈话术
• assets/interview_prep_template.md — 面试准备文档 Markdown 模板（复制到 outputs/ 后填充）