Interview intel

Skill Alexxiang2008/awesome-skills-map/skills/第2章面试准备/JobPrep_Skill_ForShare/interview-intel

面试准备与求职策略 Skill。用于根据公司名、职位、JD 和候选人简历生成完整面试准备包，包括公司情报、简历与 JD 匹配、面试策略、破冰话术和最终行动计划。适用于用户说“我想应聘...”“帮我准备面试”“分析这个 JD 和我的简历匹配度”“生成面试准备包”等场景。From its SKILL.md

Install

npx -y skills add Alexxiang2008/awesome-skills-map --skill interview-intel

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

5.0 KB, ~1.6k tokens by cl100k_base, as published. Nobody here has run it

Interview Intel

这是一个面试准备 Skill。目标是让候选人输入公司、职位、JD 和简历后，生成一套可直接使用的面试准备材料。

输出文件

每个公司会在 companies/[公司名]/ 下生成 5 个标准文件：

01_company_intel_brief.md：公司背景、业务、产品、竞争格局、职位切入点。
02_resume_jd_matching.md：简历与 JD 匹配度、优势、差距、应对话术。
03_interview_prep_report.md：HR、业务、终面/高管面试策略与 STAR 案例。
04_icebreaker_messages.md：30 秒、1 分钟、2 分钟自我介绍和破冰开场白。
05_final_analysis_report.md：综合评估、准备优先级、行动计划和复习清单。

关键原则

先读取真实简历，再生成内容。不要让子任务或后续推理凭空猜测候选人经历。
所有 STAR 案例、自我介绍、优劣势分析，都必须基于真实简历信息。
公司信息和行业信息需要尽量使用最新公开资料；如果无法联网或信息不足，要明确标注不确定性。
输出要具体、可背诵、可执行，避免泛泛而谈。
生成后要做一致性检查：姓名、学历、公司经历、年限、核心项目不能互相矛盾。

工作流程

1. 解析输入

从用户消息中提取：

company：公司名称
role：目标职位
jd：职位描述
resume_path：简历路径
industry：行业，可从 JD 推断
years：工作年限，可从简历或用户输入推断

2. 读取简历

先读取 PDF 简历文本。优先使用系统已有的 PDF 文本提取工具；如果失败，再尝试 Python PDF 库。

需要提取：

候选人姓名
学历和专业
工作年限
工作经历列表
核心技能
主要项目和量化成果
可用于 STAR 案例的 3-5 个真实成就

如果简历读取失败，不要继续生成完整材料；先请用户提供可读取的 PDF、Word 或纯文本简历。

3. 公司和 JD 分析

分析内容包括：

公司简介、核心产品、业务模式、融资或上市情况
最近动态、行业趋势、主要竞争对手
JD 中的硬性要求、软性要求、加分项
职位的真实诉求和可能面试重点
候选人与职位之间的优势和风险点

详细方法可按需参考：

references/company_research_guide.md
references/jd_analysis_framework.md
references/resume_jd_mapping.md

4. 生成面试准备包

将结果写入 companies/[公司名]/。如果目录不存在，先创建目录。

可使用 assets/ 下的模板控制输出结构：

assets/company_intel_brief_template.md
assets/interview_prep_report_template.md
assets/star_rewrite_template.md
assets/interview_round_notes_template.md
assets/resume_changelog_template.md

也可以使用统一脚本生成基础框架：

python3 interview-intel/scripts/all_in_one_v6.1.py \
  --base-path . \
  --company "公司名" \
  --role "职位名" \
  --jd-content "JD 内容" \
  --resume-version "简历文件名或版本" \
  --years 5

脚本主要用于生成标准文件框架。最终内容仍应结合真实简历、公司调研和 JD 分析补全。

5. 交叉验证

生成后检查：

5 个文件中的候选人信息是否一致。
学历、公司、职位、项目是否与原始简历一致。
是否出现简历里没有的经历、数字或公司名。
输出目录是否为 companies/[公司名]/。

发现不一致时，使用简历原文和用户输入覆盖错误内容。

最佳实践

先读 05_final_analysis_report.md，把握整体策略。
再读 01_company_intel_brief.md 和 02_resume_jd_matching.md，明确公司诉求与自身匹配。
面试前重点背诵 03_interview_prep_report.md 里的关键问题和 STAR 案例。
投递或联系招聘方时使用 04_icebreaker_messages.md。

文件夹约定

.
├── .claude/commands/jobprep.md
├── resumes/
├── companies/
└── interview-intel/
    ├── SKILL.md
    ├── scripts/all_in_one_v6.1.py
    ├── assets/
    └── references/

依赖

Python 3.8+
读取 PDF 时可能需要 pdfplumber、PyMuPDF 或系统 pdftotext

缺少依赖时，可以先尝试安装：

python3 -m pip install pdfplumber --user