interview-coach

by jzw6

Install this Skill

curl -fsSL -o interview-coach.zip https://skill.seembox.com/api/v1/skills/interview-coach/download && unzip interview-coach.zip

Download interview-coach.zip

SKILL.md About

---
name: interview-coach
description: 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。
metadata:
  openclaw:
    emoji: "🎯"
    requires:
      bins:
        - python
        - uv
    optionalEnv:
      - name: PADDLEOCR_TOKEN
        description: "PaddleOCR AIStudio Access Token，仅处理图片或扫描版 PDF 时需要。文本 PDF、Word、TXT 文件无需配置，可直接使用。"
        link: "https://aistudio.baidu.com/paddleocr"
    install:
      - id: uv
        kind: uv
        label: Install uv
        bins:
          - uv
---

# 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）

1. 访问 https://aistudio.baidu.com/paddleocr
2. 右上角获取 Access Token
3. 在 skill 目录下编辑 `.env` 文件，填入 token：
   ```
   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：

```
【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：

1. **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）
2. **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
3. **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：

```
【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`

_meta.json Metadata

{
  "ownerId": "kn7a04v8dqbbfw5b6wex89zt1x82jv7j",
  "publishedAt": 1774517642830,
  "slug": "interview-coach",
  "version": "1.0.0"
}