Job intel
Open-source AI workbench for interview prep: resume + JD to role intel, story bank, scripts, mock interviews, and live copilot.
npx -y skills add YunyueLi/greenroom --skill job-intelAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 4 stars4 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.
What its author says it does
Copied from the file, not written here
Deconstructs a job description and builds interview intelligence — JD-to-evidence matching, company and product research, interviewer profiling, recruiter-vs-team discrepancy checks, and next-round question forecasting. Use when the user shares a JD or job link, names a company they will interview with, asks to analyze a position (拆解 JD / 分析这个岗位 / 查一下这家公司 / 面试官是谁 / 下一轮会考什么), or after a round when the next interviewer is known. Do NOT use for writing the answer script itself (use interview-script) or post-interview review (use debrief).
The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
4.2 KB, as published. Nobody here has run it
job-intel · 岗位情报
把一个岗位变成一份可备战的情报文件 jobs/<slug>/intel.md。原则：证据驱动——匹配结论必须能指到候选人材料里的具体证据，查不到的就写查不到，不编。
前置
- 定位工作台（找
profile.md+jobs/；没有则建议先跑 greenroom 入口 skill 初始化）。 - 没有
jobs/<slug>/job.md就先建：slug 用小写连字符（如acme-ai-pm），frontmatter 含type: job / company / role / status / source，正文放 JD 原文。 - 读
profile.md、story-bank.md，作为匹配分析的证据池。
产出 intel.md 的六个部分
1. JD 逐条匹配表
JD 的每条要求一行，证据只能来自工作台材料：
| JD 要求（原文） | 我的证据 | 匹配度 | 风险/缺口 | 面试策略 |
|---|---|---|---|---|
| （逐条抄原文） | 指向具体项目和数字；无则写「材料未见直接证据」 | ✅强 / ⚠️中 / ❌弱 | 会被追问什么 | 有证据→用哪个经历卡哪个角度；无证据→怎么正面回应缺口 |
表后给一段判断：这个岗位真正在招什么人（JD 措辞背后的核心诉求，通常 1-2 条，其余是装饰）。
2. 公司与产品
用 web 搜索补齐：公司近况（融资/组织变化/战略转向）、目标产品的当前状态、竞品格局、近期公开发言（创始人/业务负责人访谈是考题富矿）。每条结论带来源链接；搜不到的写「未核实」。
3. 面试官档案（拿到名字就做，价值极高）
- 背景：履历、做过什么方向、公开内容（博客/播客/演讲/社交账号）。
- 风格推断：技术出身→会往机理追问；业务出身→要结果和数字；投资背景→看判断和盘子大小。
- prefer 什么人：从其背景推断雷区与加分项（例：面试官自己是某背景出身，慎打「我比你懂你的领域」的牌；面试官明确说过喜欢无包袱的人，就少打资历牌）。
- 给出 2-3 条具体打法调整建议，写明推断依据，标注置信度。
4. 双轨核对：猎头描述 vs 实际岗位
猎头/HR 描述的岗位和业务团队实际在招的岗位经常有出入（汇报线、职级、是负责人还是组员）。把两边说法并排列出，差异处标 ⚠️，列出该向谁核实什么问题。差异本身就是反问环节的好问题。
5. 下轮考题预测
依据：JD 关键词、面试官背景、本轮面试官透露的信息（debrief 里常有下轮剧透）、该公司公开面经（带来源）。输出 5-10 个预测题，按概率排序，每题一行注明预测依据。这份清单直接喂给 interview-script 和 mock-interview。
6. 渠道情报
面经、社区帖子、内部消息，逐条带来源和日期，可信度分级（一手/二手/传闻）。
写入约定
- frontmatter：
type: intel / job: <slug> / updated: <date>。 - 调研中发现的硬数字（公司估值、产品数据）只是背景情报，逐条带来源；查不到的写「未核实」，不替公司编数字。
- 发现 JD 或情报与用户既有材料冲突（例：用户准备讲的方向公司刚砍掉），单独列一节「⚠️ 冲突提醒」。
- 全部写完后更新
job.md的status和updated。
触发后的最小流程
用户只给了一个 JD 没说别的 → 建 job.md → 跑六部分 → 汇报匹配表的强弱结论 + 考题预测 top3 + 建议的下一步（通常是 story-bank 或 interview-script）。