面试助手

面试准备助手。用户提供简历和岗位JD后，支持两种模式：① 分析考点并生成针对性面试题目和参考答案；② 针对JD个性化修改简历，并说明每处改动的原因。适用于"帮我准备面试"、"根据JD出题"、"帮我改简历"、"简历怎么针对这个岗位优化"等场景。简历和JD支持 PDF/图片/Word/纯文字，自动识别格式。

Jzw6@jzw6

Install

openclaw skills install @jzw6/interview-coach

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）

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：
text
```
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 $SKILL_DIR/scripts/parse_input.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 %SKILL_DIR%\scripts\parse_input.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：

text

【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. ……
2. ……
3. ……

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：

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：

text

【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