Interview system designer

＃ 招聘面试体系与流程设计

核心原则：面试信号 = 结构化（每轮目标互不重叠）+ 证据化（每个分数附可观察行为）+ 校准化（同岗同量规、定期对齐）。把面试从「凭感觉」变成可复用、可度量、可审计的系统：轮次按职级编排，胜任力按岗位映射，打分用统一 1-4 量规并要求书面理由，再用历史数据回测偏差与一致性。无结构 + 无统一评分 = 噪声，不是信号。

何时使用

适用于：为某岗位+职级从零编排面试 loop（轮次、时长、形式、面试官要求）；把岗位关键胜任力映射到每轮考察点；生成按胜任力组织、含 1-4 评分量规与追问的题库；撰写标准化评分卡与去偏检查清单；用一批面试打分数据做偏差检测、面试官一致性校准与季度审计。

不该用边界：不负责招聘渠道获取/sourcing 运营、简历筛选执行、ATS/日历系统的实际对接落地（只产出可导出的结构化数据）；不做薪酬谈判与 offer 审批；不替代属地劳动法/合规的法律裁决——去偏与合规结论须经法务复核。本技能聚焦面试体系的设计、标准化与校准，不替代日常招聘运营。

步骤

建议顺序：定 loop → 映胜任力 → 出题库与量规 → 配评分卡与去偏清单 → 收集数据后做校准审计。三个 Python 脚本仅用标准库，无第三方依赖。

1 · 设计面试 loop（按职级编排轮次）

• 用 loop_designer.py 生成基线 loop（角色、职级、可选团队/自定义胜任力）。职级→轮次基线：
  • junior/mid：精简，侧重基础、调试、成长潜力（Screen + Coding + 可选 System Design + Behavioral）。
  • senior：加 System Design 与 Leadership 轮，评估权衡质量、带教与跨团队协作。
  • staff+/principal：聚焦架构方向与组织影响（Architecture + Technical Strategy + Influence + Behavioral）。
• 原则：每轮目标显式且不重叠；平衡考察深度与候选人体验；为每轮指定所需面试官能力与校准等级（High/Standard）。

2 · 映射岗位胜任力 四大胜任力域：技术深度（实现/设计/质量）、问题解决（处理模糊性、优先级）、协作（沟通、干系人对齐）、领导力（owner 意识、带教、影响力）。把岗位关键胜任力分配到具体轮次，确保每个核心胜任力至少被一轮独立考察，避免单轮过载或重复。

3 · 生成题库与评分量规

• 用 question_bank_generator.py 按胜任力生成题库，题型含 technical（编码/系统设计/领域题）、behavioral（STAR 法，问过往真实经历）、situational（假设场景考决策）。
• 每题配 1-4 评分量规与不同质量回答的校准示例、追问探针。统一 1-4 量规（见下「指令」），跨可比岗位复用同一基线量规。

4 · 评分卡 + 去偏检查清单 评分卡要求：用统一量规、面试结束立即打分、每个分数附具体证据、独立打分后再讨论、不做候选人之间的横向比较、极端分（1 和 4）必须书面说明理由。去偏关键动作：题目标准化、按写好的题面提问不即兴发挥、盲筛简历（初筛去掉姓名/院校/照片）、多元面试小组、对强 yes/no 要求书面理由。

5 · 数据校准与审计（季度）

• 用 hiring_calibrator.py 分析一批面试打分，做偏差检测、面试官一致性、分数分布与趋势分析，输出针对性的辅导建议。
• 硬约束：统计分析至少需 5 场面试，且数据须含 candidate_id、interviewer_id、scores、date 等必填字段；不足会报「数据不足」。
• 季度跑偏差审计：识别打分离群的面试官、按人群看通过率、对比面试分与新人实际绩效，据此更新题库与培训。

指令

统一 1-4 评分量规（跨岗位基线，不要随岗位漂移）

4：超出该职级预期，证据强
3：稳定达到预期
2：部分达标，存在明显缺口
1：未达基线要求

生成命令（脚本仅依赖 Python3 标准库）

# 1. 设计面试 loop（角色 + 职级；level: junior|mid|senior|staff|principal）
python3 loop_designer.py --role "Senior Software Engineer" --level senior
python3 loop_designer.py --role "Product Manager" --level mid --team growth \
  --competencies leadership,strategy,analytics
python3 loop_designer.py --input assets/sample_role_definitions.json --output loops/ --format json

# 2. 按胜任力生成题库（含量规 + 追问；题型 technical/behavioral/situational）
python3 question_bank_generator.py --role "Frontend Engineer" \
  --competencies react,typescript,system-design
python3 question_bank_generator.py --role "Product Manager" \
  --question-types behavioral,leadership --num-questions 15

# 3. 打分数据校准/偏差分析（analysis-type: comprehensive|bias|calibration|interviewer|scoring）
python3 hiring_calibrator.py --input assets/sample_interview_results.json \
  --analysis-type comprehensive
python3 hiring_calibrator.py --input historical_data.json --trend-analysis --period quarterly

打分数据 JSON 结构（喂给 hiring_calibrator）

[{
  "candidate_id": "candidate_001", "role": "Senior Software Engineer",
  "interviewer_id": "interviewer_alice", "date": "2024-01-15T09:00:00Z",
  "scores": {"coding_fundamentals": 3.5, "system_design": 4.0, "communication": 3.5},
  "overall_recommendation": "Hire"
}]

校准与去偏 baseline

• 定期跑面试官校准会；对比各面试官的打分方差；用「先独立打分再讨论」的结构化 debrief。
• 每个胜任力独立打分，防 halo/horn 效应（一项强/弱带偏整体）；不做候选人横向比较，只对照岗位标准。
• 关注偏差类型并各自缓解：亲和偏差（偏好与己相似者→聚焦岗位胜任力、多元小组）、确认偏差（追问诱导预期答案→用标准化题）、归因/文化/学历/经验偏差（→看候选人在成果中的实际作用、重技能展示而非背景）。

示例

为资深 SWE 出一套 loop（senior，5 轮约 300 分钟）：Technical Phone Screen(45min, 虚拟) → Coding Deep Dive(75min) → System Design(75min, 协作白板) → Behavioral(45min) → Technical Leadership(60min, 讨论式)。每轮标 Objectives + Focus Areas + 所需面试官能力 + 校准等级；System Design / Coding / Leadership 标 High calibration。评分卡含加权评估维度（System Architecture/Technical Leadership/Mentoring 高权重，Communication 高权重，Cultural Fit/Learning Agility 中权重）。

季度校准审计：① 收集 ≥5 场打分 → hiring_calibrator.py --analysis-type comprehensive。② 发现某面试官系统性高 0.6 分 → 标为离群，安排校准辅导。③ 按人群看通过率与分数分布找偏差信号 → 触发去偏清单复查。④ 把面试分与到岗 6 个月绩效做相关性回测，据此修订题库与 bar。

注意事项

• 数据下限：统计分析最少 5 场面试，字段不全（缺 candidate_id/interviewer_id/scores/date）会报「数据不足」；角色名会做常见映射（engineer→software_engineer），自定义岗位选最接近标准岗位 + 指定自定义胜任力。
• 去偏是描述性纪律不是口号：按题面提问、给所有候选人同等澄清与思考时间、笔记记行为与原话而非印象、避免「seems like / appears to be」之类主观措辞。
• 法律合规红线（结论须经法务复核）：受保护特征——年龄、种族、宗教、性别、国籍、残疾、退伍军人身份、孕育、性取向、性别认同等。禁止提问：家庭计划/婚育、年龄（除非 BFOQ）、宗教/政治、残疾状况（无障碍自愿披露除外）、无定罪关联的逮捕记录、与岗位无关的财务/信用。文档只记岗位相关观察，勿记录受保护特征。
• 常见反模式：单轮过载而忽视其他胜任力信号；用无结构面试 + 无统一评分；跳过面试官校准会；不记录理由就改 bar；让明星候选人豁免文化/能力标准。
• debrief 纪律：先各自独立分享分数再讨论；分歧大时回到证据；挑战讨论中的偏见性措辞；最终决定基于岗位要求而非团队偏好，并书面记录依据与异议。
• 持续改进：按「到岗质量/留存/绩效」回测面试设计的预测效度，定期更新题库；评分卡可导出为结构化数据对接 ATS / 日历，但本技能不负责该对接的实现。

互见

• loop_designer.py / question_bank_generator.py / hiring_calibrator.py —— 三个零依赖脚本：loop 编排、题库生成、打分校准；另有 scripts/interview_planner.py 为精简版 loop 生成器。
• references/competency_matrix_templates.md —— 各工程岗位胜任力矩阵与分职级期望；references/bias_mitigation_checklist.md —— 全流程去偏清单与法律合规提醒；references/debrief_facilitation_guide.md —— 结构化 debrief 框架；references/interview-frameworks.md —— 职级→轮次、1-4 量规与校准基线。
• related：company-culture-architect（文化准则为「谁适合/不适合」提供面试可观察判据，但 culture fit 须证据化、非刻板印象）；与一线招聘运营、绩效流程组合落地。

---

本条采编自 alirezarezvani/claude-skills（MIT 许可证）。