面试助手 Interview Pro
AI-powered interview preparation assistant with full industry coverage.
核心优势：
- 🔍 集成搜索，获取最新招聘数据
- 🎭 真实模拟面试场景
- 📊 详细分析报告和评分
- 📝 与简历 Skills 联动
- 🌍 中英文支持
- 💼 全行业覆盖
触发条件
中文: "帮我准备面试" / "模拟面试" / "面试会问什么问题" / "优化简历" / "面试复盘"
English: "Help me prepare for interview" / "Mock interview" / "Optimize my resume"
行业覆盖
| 行业 | 岗位类型 | 面试特点 |
|---|
| 技术/互联网 | 开发、架构、测试、运维、产品 | 技术深度、系统设计 |
| 金融/银行 | 投行、基金、风控、审计、财务 | 专业知识、案例分析 |
| 市场/营销 | 市场经理、品牌、数字营销、公关 | 创意能力、案例展示 |
| 销售 | 销售代表、大客户、渠道 | 销售技巧、业绩展示 |
| 人力资源 | HRBP、招聘、培训、薪酬 | 沟通能力、案例分析 |
| 设计 | UI/UX、平面、交互设计师 | 作品集、设计理念 |
| 教育 | 教师、培训师、课程设计 | 教学能力、沟通表达 |
| 医疗/医药 | 医生、护士、医药代表 | 专业知识、沟通能力 |
| 法律 | 律师、法务、合规 | 法律知识、逻辑思维 |
| 咨询 | 管理/战略/IT咨询 | 问题解决、Case Interview |
| 制造业 | 生产、质量、供应链、采购 | 流程管理、成本控制 |
| 服务业 | 酒店、餐饮、客户经理 | 服务意识、应变能力 |
核心功能
1. 岗位分析
搜索最新招聘数据：
# 搜索岗位要求
curl -s "https://api.duckduckgo.com/?q={岗位}+招聘要求+2026&format=json" | python3 -c "
import sys, json; data = json.load(sys.stdin); print(data.get('Abstract', 'N/A')[:300])
"
输出格式：
📊 岗位分析报告
━━━━━━━━━━━━━━━━━━━━
岗位: {岗位名称} | 地区: {城市} | 经验: {X-Y年}
━━━━━━━━━━━━━━━━━━━━
📋 岗位要求: {要求列表}
💰 薪资范围: {初级/中级/高级}
🎯 核心技能: {技能列表}
📈 市场趋势: {趋势分析}
2. 面试问题预测
按行业分类：
金融/银行：
- 解释久期(Duration)和凸性
- 如何评估信用风险
- 描述 VaR 计算方法
- 财务报表分析案例
市场/营销：
- 如何制定产品上市策略
- 解释 AARRR 模型
- 设计社交媒体营销方案
- 用户增长方法
销售：
- 向我推销这支笔
- 客户说"太贵了"怎么回应
- 如何挖掘客户潜在需求
- 描述最大订单经历
人力资源：
- 描述招聘流程
- 如何设计绩效考核体系
- 部门离职率高怎么解决
- 员工与上级冲突怎么调解
设计：
- 描述设计流程
- 介绍最满意项目
- 如何平衡美观和易用性
- 熟练使用哪些设计工具
教育：
- 描述教学理念
- 5分钟讲解一个知识点
- 学生学习成绩下滑怎么帮助
- 如何处理课堂突发情况
法律：
- 分析一个法律案例
- 如何进行合同审查
- 如何向客户解释复杂法律问题
- 描述成功代理的案件
咨询 (Case Interview)：
- 估算某市场规模
- 分析某公司利润下降原因
- 设计增长策略
- 评估并购交易可行性
3. 模拟面试
面试官角色：
| 角色 | 风格 | 难度 |
|---|
| 技术面试官 | 专业、深入 | ⭐⭐⭐⭐ |
| HR 面试官 | 友好、全面 | ⭐⭐⭐ |
| 压力面试官 | 高压、挑战 | ⭐⭐⭐⭐⭐ |
| 部门负责人 | 务实、经验 | ⭐⭐⭐⭐ |
模拟流程：
🎭 模拟面试开始
━━━━━━━━━━━━━━━━━━━━
岗位: {岗位} | 轮次: {技术/行为/HR}
━━━━━━━━━━━━━━━━━━━━
面试官: 你好，请先做个自我介绍吧。
[用户回答]
面试官: [追问/点评/下一题]
...
📊 面试评分: {X}/10
4. 简历优化
与 resume-studio / resume-html 联动：
用户: "帮我准备面试，顺便优化简历"
↓
interview-pro: 分析岗位要求，提供优化建议
↓
resume-studio: 生成优化后的简历
优化建议模板：
📝 简历优化建议
━━━━━━━━━━━━━━━━━━━━
目标岗位: {岗位}
━━━━━━━━━━━━━━━━━━━━
🎯 关键词: {必须包含/建议添加}
📊 项目经验: {突出/强化/补充}
💡 技能展示: {第一/二/三梯队}
📋 格式建议: {STAR法则、量化成果}
5. 面试分析报告
完整分析报告模板：
📊 面试分析报告
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
岗位: {岗位} | 公司: {公司} | 日期: {日期}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🎯 总体评分: {X}/100 | 评级: {优秀/良好/合格/待提升}
📈 一、各维度评分
┌─────────────┬────────┬────────┐
│ 维度 │ 得分 │ 评级 │
├─────────────┼────────┼────────┤
│ 专业知识 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
│ 沟通表达 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
│ 逻辑思维 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
│ 问题解决 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
│ 团队协作 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
│ 岗位匹配度 │ {X}/10 │ ⭐⭐⭐⭐⭐ │
└─────────────┴────────┴────────┘
📝 二、问题详细分析
问题: {问题}
你的回答: {回答}
评分: {X}/10
✅ 优点: {优点}
❌ 不足: {不足}
💡 优化回答: {参考答案}
🏆 三、强项分析
1. {强项} - {表现} - 建议: {建议}
⚠️ 四、弱项分析
1. {弱项} (影响度: 高/中/低)
问题: {描述}
改进: {方案}
时间: {预计}
📚 五、学习资源推荐
📖 书籍: {书名} - {推荐理由}
🎥 课程: {课程} - {平台}
💻 资源: {资源} - {链接}
📅 六、改进计划
短期 (1周): {事项}
中期 (1月): {事项}
长期 (3月): {事项}
🎯 七、下次面试建议
回答问题: {建议}
非语言: {建议}
准备工作: {建议}
📊 八、表现趋势 (多次对比)
| 次数 | 总分 | 专业 | 沟通 | 趋势 |
|------|------|------|------|------|
| 第1次 | {X} | {X} | {X} | - |
| 第2次 | {X} | {X} | {X} | ↑/↓ |
💬 九、面试官可能的评价
正面: {评价}
录用可能性: {X}%
📌 总结
优势: {总结}
不足: {总结}
下一步: {行动}
与其他 Skills 集成
📄 简历 Skills 联动
| Skill | 功能 | 安装 |
|---|
| resume-studio | Word/PDF 简历 | npx clawhub@latest install resume-studio |
| resume-html | HTML 简历 | npx clawhub@latest install resume-html |
联动场景：
- 面试+简历优化 — interview-pro 分析岗位 → resume-studio 生成简历
- 模拟面试+调整 — interview-pro 评估表现 → resume-studio 调整简历
- 批量投递 — interview-pro 分析多家公司 → resume-studio 生成定制简历
🔍 深度研究联动
npx clawhub@latest install research-orchestrator
# 面试准备 + 行业研究
📄 文档生成联动
npx clawhub@latest install word-studio
npx clawhub@latest install pdf-studio
# 生成 PDF/Word 面试报告
完整示例
用户: "帮我准备字节跳动 Python 开发工程师面试"
AI 执行：
🎯 面试准备开始
━━━━━━━━━━━━━━━━━━━━
岗位: Python 开发工程师
公司: 字节跳动
━━━━━━━━━━━━━━━━━━━━
🔍 搜索最新招聘数据...
[执行搜索]
📊 岗位分析:
- 核心要求: Python, Django, 微服务, 高并发
- 薪资: 25-45K
- 加分项: AI/ML经验
📝 面试问题预测:
1. 技术: Python GIL, Django生命周期, 高并发设计
2. 行为: 项目经验, 团队协作, 问题解决
🎭 开始模拟面试...
[进行模拟]
📊 面试分析报告:
[生成详细报告]
📝 简历优化建议:
- 关键词: Python, Django, 微服务
- 项目: 突出性能优化经验
快速触发短语
中文: 帮我准备面试 / 模拟面试 / 面试问题 / 优化简历 / 面试复盘
English: Help me prepare / Mock interview / Interview questions / Optimize resume
版本历史
- v1.1.0 (2026-04-16): 全行业覆盖、详细分析报告、简历联动
- v1.0.0 (2026-04-16): 初始版本
