Interview Coach
快速开始
大多数情况下无需任何配置，直接使用：
| 文件类型 | 是否需要配置 Token |
|---|
| 文本版 PDF（可复制文字） | ❌ 直接使用 |
| Word 文档（.docx / .doc） |
❌ 直接使用 |
| TXT 纯文本 | ❌ 直接使用 |
| 直接粘贴文字 | ❌ 直接使用 |
| 图片（JPG / PNG / WEBP） | ✅ 需要 Token |
| 扫描版 PDF（无法复制文字）| ✅ 需要 Token |
配置 PaddleOCR Token（仅图片/扫描版 PDF 需要）
- 1. 访问 https://aistudio.baidu.com/paddleocr
- 右上角获取 Access Token
- 在 skill 目录下编辑
.env 文件，填入 token：
PADDLEOCR_TOKEN=你的token
或设置系统环境变量：
export PADDLEOCR_TOKEN=你的token
第一步：解析文件
对简历和 JD 文件，分别执行：
CODEBLOCK2
说明：
- -
$SKILL_DIR 为本 skill 的安装目录，由平台自动注入 - 文件路径使用绝对路径，避免找不到文件
- 依赖库在首次运行时自动安装，稍等片刻即可
Windows 用户 请改用以下命令避免乱码：
CODEBLOCK3
如果用户直接粘贴了文字内容，跳过此步骤。
解析失败或输出为空时，告知用户具体错误信息，并请他直接粘贴文字内容。
第二步：交叉分析并生成面试题
拿到简历文本和 JD 文本后，直接分析并输出题目。
分析维度：
- - 技能匹配：JD 要求的每项技能 → 简历中是否有对应经历（有→深挖，无→补考）
- 项目挖掘：简历中的重要经历 → 设计 STAR 追问（背景/任务/行动/结果）
- 行为面试：JD 软技能要求 → 结合候选人背景出具体事例题
- 情景假设：岗位核心职责 → 设计真实工作场景题
- 动机匹配：离职原因、选择理由、职业规划
出题要求：
- - 共 14–18 道题，优先质量而非数量
- 同一技能点不超过 2 道题
- 语言跟随 JD（中文 JD 出中文题）
- 每道题格式：
CODEBLOCK4
简历优化模式
当用户说"帮我改简历"、"优化简历"、"简历怎么针对这个 JD 修改"等，进入本模式。
需要同时拥有简历和 JD 才能执行（解析方式同第一步）。若只有简历，先输出通用优化建议，再提示提供 JD 可做针对性修改。
分析框架
对简历和 JD 做三层比对：
- 1. 关键词覆盖：JD 高频词、硬技能词是否出现在简历中（影响 ATS 系统过滤）
- 经历相关性：现有经历哪些与 JD 强相关、哪些可以弱化或删除
- 表达方式：描述是否量化、是否突出个人贡献、是否契合岗位语言风格
输出格式
先输出一段总体评估（3–5 句），说明简历与 JD 的整体匹配度和核心差距，再逐条给出修改建议。
每条修改建议格式：
CODEBLOCK5
修改原则
- - 只增强，不捏造：所有修改必须基于用户已有经历，禁止添加简历中未提及的项目、技能或数字
- 量化优先：能加数字的地方优先补充，没有数据时引导用户回忆（"这个项目大概影响了多少用户/节省了多少时间？"）
- 关键词自然植入：将 JD 核心词融入描述，但不得堆砌关键词到影响可读性
- 删减也是优化：与 JD 关联度低的经历建议缩减篇幅，而非一律保留
- 语言风格对齐：互联网公司 JD 倾向结果导向，咨询/金融 JD 倾向逻辑严密，外资倾向英文术语——修改语言风格应与目标公司匹配
修改项优先级判断
| 优先级 | 条件 |
|---|
| 高 | JD 明确要求的技能/经历，简历完全未体现 |
| 高 |
现有描述无量化结果，且岗位高度结果导向 |
| 中 | JD 偏好的关键词未出现，但经历本身相关 |
| 中 | 表述方式与目标岗位风格不匹配 |
| 低 | 格式、用词细节优化，不影响实质匹配度 |
结尾引导
修改建议输出完毕后，主动询问：
"以上是针对这份 JD 的简历修改建议。需要我帮你把修改后的完整简历重新整理成一份吗？或者有哪条修改你想进一步讨论？"
修改技巧详见 ./references/resume-optimization.md
边界情况
面试题模式：
- - 只有简历没有 JD：出通用题，提示"提供 JD 后可出更精准的题目"
- 只有 JD 没有简历：出岗位标准题，提示"提供简历后可针对经历定制"
简历优化模式：
- - 只有简历没有 JD：给出通用优化建议（量化、动词开头、去冗余），提示"提供 JD 后可做针对性修改"
- 只有 JD 没有简历：提示需要简历才能开始，无法凭空生成
通用：
- - 文件解析失败：告知用户具体错误，提示直接粘贴文字内容
- 用户同时要求出题 + 改简历：先输出简历优化建议，再输出面试题，中间用分隔线区分
各题型出题技巧详见 ./references/question-types.md
简历修改技巧详见 INLINECODE4
面试教练
快速开始
大多数情况下无需任何配置，直接使用：
| 文件类型 | 是否需要配置 Token |
|---|
| 文本版 PDF（可复制文字） | ❌ 直接使用 |
| Word 文档（.docx / .doc） |
❌ 直接使用 |
| TXT 纯文本 | ❌ 直接使用 |
| 直接粘贴文字 | ❌ 直接使用 |
| 图片（JPG / PNG / WEBP） | ✅ 需要 Token |
| 扫描版 PDF（无法复制文字）| ✅ 需要 Token |
配置 PaddleOCR Token（仅图片/扫描版 PDF 需要）
- 1. 访问 https://aistudio.baidu.com/paddleocr
- 右上角获取 Access Token
- 在 skill 目录下编辑 .env 文件，填入 token：
PADDLEOCR_TOKEN=你的token
或设置系统环境变量：
bash
export PADDLEOCR_TOKEN=你的token
第一步：解析文件
对简历和 JD 文件，分别执行：
bash
python $SKILLDIR/scripts/parseinput.py <文件完整路径>
说明：
- - $SKILL_DIR 为本 skill 的安装目录，由平台自动注入
- 文件路径使用绝对路径，避免找不到文件
- 依赖库在首次运行时自动安装，稍等片刻即可
Windows 用户 请改用以下命令避免乱码：
bash
set PYTHONIOENCODING=utf-8 && python %SKILLDIR%\scripts\parseinput.py <完整路径>
如果用户直接粘贴了文字内容，跳过此步骤。
解析失败或输出为空时，告知用户具体错误信息，并请他直接粘贴文字内容。
第二步：交叉分析并生成面试题
拿到简历文本和 JD 文本后，直接分析并输出题目。
分析维度：
- - 技能匹配：JD 要求的每项技能 → 简历中是否有对应经历（有→深挖，无→补考）
- 项目挖掘：简历中的重要经历 → 设计 STAR 追问（背景/任务/行动/结果）
- 行为面试：JD 软技能要求 → 结合候选人背景出具体事例题
- 情景假设：岗位核心职责 → 设计真实工作场景题
- 动机匹配：离职原因、选择理由、职业规划
出题要求：
- - 共 14–18 道题，优先质量而非数量
- 同一技能点不超过 2 道题
- 语言跟随 JD（中文 JD 出中文题）
- 每道题格式：
【题目 N】
分类：技术硬技能 / 项目经历 / 行为面试 / 情景假设 / 动机匹配
难度：易 / 中 / 难
出题依据：（一句话，关联到 JD 或简历的具体点）
题目：……
答题要点：
- 1. ……
- ……
- ……
参考答案：……（100-200字）
⚠️ 红线提示：……（什么样的回答说明有问题）
简历优化模式
当用户说帮我改简历、优化简历、简历怎么针对这个 JD 修改等，进入本模式。
需要同时拥有简历和 JD 才能执行（解析方式同第一步）。若只有简历，先输出通用优化建议，再提示提供 JD 可做针对性修改。
分析框架
对简历和 JD 做三层比对：
- 1. 关键词覆盖：JD 高频词、硬技能词是否出现在简历中（影响 ATS 系统过滤）
- 经历相关性：现有经历哪些与 JD 强相关、哪些可以弱化或删除
- 表达方式：描述是否量化、是否突出个人贡献、是否契合岗位语言风格
输出格式
先输出一段总体评估（3–5 句），说明简历与 JD 的整体匹配度和核心差距，再逐条给出修改建议。
每条修改建议格式：
【修改项 N】优先级：高 / 中 / 低
位置：（简历中的具体模块，如工作经历·XX公司·第二条）
问题：（一句话说明当前写法的不足）
修改原因：（关联到 JD 的具体要求，说清楚为什么这么改）
原文：
……
建议改为：
……
改动说明：
- - ……（每处改动对应一条说明，解释改了什么、为什么）
修改原则
- - 只增强，不捏造：所有修改必须基于用户已有经历，禁止添加简历中未提及的项目、技能或数字
- 量化优先：能加数字的地方优先补充，没有数据时引导用户回忆（这个项目大概影响了多少用户/节省了多少时间？）
- 关键词自然植入：将 JD 核心词融入描述，但不得堆砌关键词到影响可读性
- 删减也是优化：与 JD 关联度低的经历建议缩减篇幅，而非一律保留
- 语言风格对齐：互联网公司 JD 倾向结果导向，咨询/金融 JD 倾向逻辑严密，外资倾向英文术语——修改语言风格应与目标公司匹配
修改项优先级判断
| 优先级 | 条件 |
|---|
| 高 | JD 明确要求的技能/经历，简历完全未体现 |
| 高 |
现有描述无量化结果，且岗位高度结果导向 |
| 中 | JD 偏好的关键词未出现，但经历本身相关 |
| 中 | 表述方式与目标岗位风格不匹配 |
| 低 | 格式、用词细节优化，不影响实质匹配度 |
结尾引导
修改建议输出完毕后，主动询问：
以上是针对这份 JD 的简历修改建议。需要我帮你把修改后的完整简历重新整理成一份吗？或者有哪条修改你想进一步讨论？
修改技巧详见 ./references/resume-optimization.md
边界情况
面试题模式：
- - 只有简历没有 JD：出通用题，提示提供 JD 后可出更精准的题目
- 只有 JD 没有简历：出岗位标准题，提示提供简历后可针对经历定制
简历优化模式：
- - 只有简历没有 JD：给出通用优化建议（量化、动词开头、去冗余），提示提供 JD 后可做针对性修改
- 只有 JD 没有简历：提示需要简历才能开始，无法凭空生成
通用：
- - 文件解析失败：告知用户具体错误，提示直接粘贴文字内容
- 用户同时要求出题 + 改简历：先输出简历优化建议，再输出面试题，中间用分隔线区分
各题型出题技巧详见 ./references/question-types.md
简历修改技巧详见 ./references/resume-optimization.md
