{"id":"3b92f083-a373-4a44-a822-e71d194d1054","entityType":"agent","slug":"clawhub-soulzhong-interview-evaluation","name":"Interview Evaluation","canonicalUrl":"https://www.xpersona.co/agent/clawhub-soulzhong-interview-evaluation","canonicalPath":"/agent/clawhub-soulzhong-interview-evaluation","generatedAt":"2026-10-12T19:12:36.534Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":null},"description":"Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写... Skill: Interview Evaluation Owner: soulzhong Summary: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写... Tags: latest:1.0.3 Version history: v1.0.3 | 2026-05-27T13:36:36.200Z | auto - Version metadata removed from SKILL.md for clarity (was previously version: 0.1.0). - No changes to instructions, workflow, or","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 966 downloads reported by the source. Last updated 10/12/2026.","installCommand":"clawhub skill install s173pxpf8zadbjg09cr1s8pzpn83h9dd:interview-evaluation","sourceUrl":"https://clawhub.ai/soulzhong/interview-evaluation","homepage":"https://clawhub.ai/soulzhong/skills/interview-evaluation","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/soulzhong/interview-evaluation","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/soulzhong/skills/interview-evaluation","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":60,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":null},"stars":null,"forks":null,"downloads":966,"likes":null,"task":null,"library":null,"packageName":null,"latestVersion":"1.0.3","tractionLabel":"966 downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-12T00:41:31.828Z","emptyReason":null},"lastUpdatedAt":"2026-10-12T00:41:31.897Z","lastCrawledAt":"2026-10-12T00:41:31.828Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-13T00:41:31.828Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.3","createdAt":"2026-05-27T13:36:36.200Z","changelog":"- Version metadata removed from SKILL.md for clarity (was previously version: 0.1.0). - No changes to instructions, workflow, or evaluation structure. - Documentation is otherwise unchanged; keeping content and usage guidance stable.","fileCount":9,"zipByteSize":16713},{"version":"1.0.2","createdAt":"2026-05-14T13:42:43.941Z","changelog":"Update [[resume-screening]] cross-references to [[recruiting-resume-screening]] after slug rename.","fileCount":8,"zipByteSize":15479},{"version":"1.0.1","createdAt":"2026-05-14T13:21:53.972Z","changelog":"Add homepage link to GitHub source repository (https://github.com/SoulZhong/recruiting-skills).","fileCount":8,"zipByteSize":15468},{"version":"1.0.0","createdAt":"2026-05-14T09:51:31.019Z","changelog":"Initial release of the interview-evaluation skill, providing a comprehensive framework for generating Chinese-language, structured interview evaluations based on transcripts, recordings, or interviewer notes. - Defines output structure for internal hiring decisions, including recommendations, advantages, shortcomings, risks, and next-step suggestions. - Emphasizes capability-based evaluation, focusing on underlying abilities rather than mere experience. - Specifies writing rules, anti-patterns, and self-checklists to ensure output quality and consistency. - Includes probing and feedback mechanisms for continuous improvement. - Provides references to related documentation and templates for streamlined use.","fileCount":8,"zipByteSize":15408}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s173pxpf8zadbjg09cr1s8pzpn83h9dd:interview-evaluation","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-12T19:12:36.533Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-soulzhong-interview-evaluation/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":null},"readme":"Skill: Interview Evaluation\n\nOwner: soulzhong\n\nSummary: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写...\n\nTags: latest:1.0.3\n\nVersion history:\n\nv1.0.3 | 2026-05-27T13:36:36.200Z | auto\n\n- Version metadata removed from SKILL.md for clarity (was previously version: 0.1.0).\n- No changes to instructions, workflow, or evaluation structure.\n- Documentation is otherwise unchanged; keeping content and usage guidance stable.\n\nv1.0.2 | 2026-05-14T13:42:43.941Z | user\n\nUpdate [[resume-screening]] cross-references to [[recruiting-resume-screening]] after slug rename.\n\nv1.0.1 | 2026-05-14T13:21:53.972Z | user\n\nAdd homepage link to GitHub source repository (https://github.com/SoulZhong/recruiting-skills).\n\nv1.0.0 | 2026-05-14T09:51:31.019Z | auto\n\nInitial release of the interview-evaluation skill, providing a comprehensive framework for generating Chinese-language, structured interview evaluations based on transcripts, recordings, or interviewer notes.\n\n- Defines output structure for internal hiring decisions, including recommendations, advantages, shortcomings, risks, and next-step suggestions.\n- Emphasizes capability-based evaluation, focusing on underlying abilities rather than mere experience.\n- Specifies writing rules, anti-patterns, and self-checklists to ensure output quality and consistency.\n- Includes probing and feedback mechanisms for continuous improvement.\n- Provides references to related documentation and templates for streamlined use.\n\nArchive index:\n\nArchive v1.0.3: 9 files, 16713 bytes\n\nFiles: attribution-errors.md (4388b), capability-dimensions.md (3886b), evaluation-template.md (1906b), EVOLUTION.md (1729b), example-evaluation.md (3744b), probing-techniques.md (3526b), skill-card.md (2584b), SKILL.md (8655b), _meta.json (139b)\n\nFile v1.0.3:SKILL.md\n\n---\nname: interview-evaluation\ndescription: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写写成面评、根据这份面试转写帮我写面试评价、给候选人写录用建议、判断候选人是否进入下一轮、按用人单位视角写面评 等。\n---\n\n# 面试评价\n\n## Overview\n\n根据面试录音转写、视频记录或面试官笔记，撰写**结构化、可直接用于用人决策**的面试评价。\n\n**Core principle: 面试是筛选\"能力合适\"的候选人，而非\"经验匹配\"的候选人。**\n\n- 简历写的是\"做过什么\"，面试要验证\"是不是真的做过\"\"做到什么深度\"\"下次遇到会不会\"。\n- 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。\n- 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。\n- 面试能可靠考察的能力中，**逻辑性最可靠**，其他能力容易被表演，需要深挖细节验证。\n\n## When to Use\n\n- 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。\n- 用户要求\"判断候选人是否进入下一轮 / 终面 / 录用\"。\n- 用户要求\"按用人单位视角写面评\"，而不是顾问报告。\n- 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。\n\n## Output Structure（严格遵循）\n\n```markdown\n## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：...\n```\n\n空白模板见 [evaluation-template.md](evaluation-template.md)。完整示例见 [example-evaluation.md](example-evaluation.md)。\n\n## Writing Rules\n\n1. **用人单位视角**：直接输出内部面评结论（\"建议进入下一轮\"\"不建议继续推进\"\"不满足我们当前预期\"），不要写成第三方顾问式建议。\n2. **避免条件化、顾问式表达**：不要使用\"更准确地说\"\"如果团队当前更需要…那么…\"\"可以保留观察\"这类外部视角措辞，除非用户明确要求顾问报告。\n3. **优势 / 不足每条只描述一件事**，不要把多件事揉在一起。\n4. **证据为能力判断服务**：证据要有具体行为，而非泛泛描述。\n5. **能力名称直接出现在句首或句中**，不加括号标注，不单独列维度。\n6. **描述具体可感**，避免\"有一定经验\"\"表现出色\"等模糊表达。\n7. **不足的归因必须准确**：把\"经验不匹配\"\"岗位不要求的能力\"和\"真正的能力短板\"分清。详见 [attribution-errors.md](attribution-errors.md)。\n\n## Capability Dimensions\n\n候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：\n\n- **底层能力（6）**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度（5）**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度（5）**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\n完整定义、行为信号和打分提示见 [capability-dimensions.md](capability-dimensions.md)。\n\n## Probing Techniques\n\n面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 [probing-techniques.md](probing-techniques.md)。\n\n关键提醒：\n\n- **真实性验证最重要**：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。\n- **技术深度 ≠ 表达流畅**：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。\n- **新概念 ≠ 探索能力强**：必须核实是否实际读过源码、跑过 demo、改造过旧系统。\n\n## Anti-Patterns\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实 |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离 |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据 / 测试团队边界 |\n| 提到新框架 / 新概念 → 探索能力强 | → 需核实是否实际读源码、跑 demo、改造旧系统 |\n\n完整列表见 [attribution-errors.md](attribution-errors.md)。\n\n## Pre-Output Discipline\n\n- **必须先读完整转写 / 记录**，再判断，不只根据简历印象。\n- **批量面试转写姓名误识别风险**：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到\"昨天那批名单 / 按名字匹配\"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加\"姓名匹配说明\"表。**正式报告中不要出现姓名匹配过程**。\n- **PDF 简历提取**：见 [[recruiting-resume-screening]] 的 `pdf-extraction.md`。\n\n## Output Discipline\n\n- Markdown 格式，中文输出。\n- 每条优势 / 不足不加\"体现：XXX\"括号标注，能力直接融入叙述。\n- 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。\n- 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。\n- 下一步建议要具体，\"重点验证：xxx\"要写清楚验证什么。\n- 完成面评后**必须落为 `.md` 文件并交付给用户**（保存到本地或发送到对话），不要只在回复中给出一次性文本。\n- **正式报告只保留评价内容**：综合建议、优势、不足、风险、下一步。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。\n\n## Self-Check\n\n输出前逐项确认：\n\n- [ ] 简历 PDF 是否已正确提取？\n- [ ] 面试转写文字是否完整阅读？\n- [ ] 优势 2-4 条，每条先说能力再接证据？\n- [ ] 不足 2-4 条，归因是否准确（产品不该背工程的锅）？\n- [ ] 风险标注了类型？\n- [ ] 下一步建议是否具体？\n- [ ] 没有\"体现：XXX\"类型括号标注？\n- [ ] 把\"表达好\"与\"技术深度强\"分开？\n- [ ] 核实了候选人个人贡献边界，没有把\"我负责\"默认成\"独立主导\"？\n- [ ] 把\"提到新技术\"与\"真实探索 / 实践\"分开？\n- [ ] 已将面试评价保存为 Markdown 文件并交付给用户？\n- [ ] 正式报告里没有姓名匹配、修订说明、工具执行痕迹？\n\n## Feedback Loop\n\n每次完成面评后主动询问用户：\n\n1. 评价是否准确？哪些地方评高了 / 评低了？后续面试 / 共事结果是否验证了判断？\n2. 是否有遗漏的能力维度？哪些维度过度关注，哪些被忽略？\n3. 归因是否准确？有没有新的常见归因错误？\n4. 追问技巧是否有效？哪些追问挖出了有效信息，哪些是无效问题？\n\n| 反馈类型 | 更新内容 |\n| --- | --- |\n| 评价偏差 | 在 EVOLUTION.md 记录预测命中率，形成校准数据 |\n| 归因错误 | 补充到 [attribution-errors.md](attribution-errors.md) |\n| 追问无效 | 优化 [probing-techniques.md](probing-techniques.md) |\n| 维度缺失 | 补充到 [capability-dimensions.md](capability-dimensions.md) |\n| 新发现 | 记录到 [EVOLUTION.md](EVOLUTION.md) |\n\n## See Also\n\n- [capability-dimensions.md](capability-dimensions.md) — 16 个能力维度的定义。\n- [attribution-errors.md](attribution-errors.md) — 常见归因错误对照。\n- [probing-techniques.md](probing-techniques.md) — 真实性 / 深度 / 风险 3 类追问技巧。\n- [evaluation-template.md](evaluation-template.md) — 空白面评模板。\n- [example-evaluation.md](example-evaluation.md) — 完整面评示例（含写作要点说明）。\n- [EVOLUTION.md](EVOLUTION.md) — 演化日志。\n- 总控流程：[[recruiting-skillset]]；简历筛选：[[recruiting-resume-screening]]。\n\nFile v1.0.3:_meta.json\n\n{\n  \"ownerId\": \"kn71016gfqv0mwvysq1h2adhqd82bt5s\",\n  \"slug\": \"interview-evaluation\",\n  \"version\": \"1.0.3\",\n  \"publishedAt\": 1779888996200\n}\n\nFile v1.0.3:attribution-errors.md\n\n# 常见归因错误对照\n\n面评的核心难点不是写不出来，而是**归因写错**——把\"经验不匹配\"当成\"能力不合适\"，或者把\"表达好\"当成\"能力强\"。\n\n## 错误归因 → 正确归因\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实（模型微调是工程师的活，产品经理不擅长是正常的） |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离（学习速度要看主动做功课的证据，不是看是否做过该行业） |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题，不愿意承认没参与） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度必须看关键追问下能否讲清实现细节、指标、badcase 和方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据团队、测试团队的参与边界，区分独立决策、方案调研、编码实现和协作交付 |\n| 能提到新框架 / 新概念 → 探索能力强 | → 需看是否实际读过源码、跑过 demo、改造过旧系统；只\"看到过但没深度用过\"应降级为概念了解 |\n| 候选人与简历姓名不一致 → 学习能力差 | → 身份存疑，需核实（可能是转写姓名误识别、可能是候选人代面） |\n| 对岗位不了解未做功课 → 学习速度慢 | → 面试准备不充分 / 意愿存疑 |\n\n## 表达能力 vs 技术深度\n\n候选人讲项目流畅、链路完整、有 PPT 感 → 只能说明**表达能力强**，不能直接推论技术能力强。\n\n要判断技术深度，必须追问：\n\n- **替代方案**：为什么不用大模型直接做？为什么用 BERT / 规则 / 工作流？\n- **数据**：这个项目的数据规模、清洗逻辑、标注质量？\n- **指标**：用什么指标评估？基线是什么？\n- **失败案例**：badcase 是什么？怎么处理？\n- **权衡**：成本、延迟、稳定性、可解释性之间怎么取舍？\n\n如果候选人在关键追问下**讲不清实现细节、指标、badcase、权衡**，技术深度判断应明确写\"技术深度不足 / 不推荐\"，**即使简历堆了 SpringCloud、K8s、RAG、LoRA 等关键词**。\n\n## 个人贡献 vs 团队成果\n\n候选人说\"我负责\"\"我设计\"时，要核实：\n\n- 是否有 mentor / 正式员工把关方案？\n- 数据团队 / 测试团队 / 算法团队是否参与？\n- 候选人在其中独立决策 vs 方案调研 vs 编码实现 vs 协作交付的边界是什么？\n\n如果不能区分边界，默认按\"参与\"处理，**不要**默认成\"独立主导\"。\n\n## 新概念 vs 实际探索\n\n候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词时，**不要**直接加分。必须追问是否：\n\n- 实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案 / 文档 / 复盘？\n\n承认\"看过但没深度用过\"时，应把**探索能力评价下调**，不应该把概念了解写成探索能力强。\n\n## AI Coding 经验\n\n评价 AI Coding 经验时要区分\"会用工具\"和\"有工程化方法论\"：\n\n- 仅能描述 Codex / Cursor 生成 plan、分步执行、本地联调 → 工具使用熟练。\n- 强信号应包括：规范化上下文 / skill、自动化测试、代码审查清单、失败复盘、质量门禁、可复用工作流。\n\n只有上面这些工程化方法论的证据，才能写\"AI 工程化能力强\"。\n\n## 技术岗的\"基础题\"判断\n\n技术岗面评要敢基于核心基础问题下判断：网络链路、部署架构、JVM/OOM、线上排障等基础问题回答明显偏浅时，**即使简历堆满 SpringCloud / K8s / RAG / LoRA 等关键词**，也应明确写为\"技术深度不足 / 不推荐\"，避免被关键词光环带偏。\n\n## 姓名 / 身份类\n\n| 现象 | 应归因 |\n| --- | --- |\n| 候选人面试时自称姓名与简历不一致 | 身份存疑，需核实（不是能力问题） |\n| 批量面试转写中候选人有多个称呼（昵称、口误） | 转写噪声，需用历史会话与本地简历核对正式姓名 |\n| 候选人在转写中明显照念准备好的稿子 | 表达 / 真实性存疑，需结合追问观察 |\n\nFile v1.0.3:capability-dimensions.md\n\n# 能力维度参考（16 项）\n\n不作为固定框架——能力和经验揉进优势 / 不足 / 风险的具体描述中。\n\n## 底层能力（6）\n\n### 钻研精神\n\n遇到困难是放弃还是死磕？有没有主动深挖问题的行为？\n\n强信号：能讲清问题背景 → 方法选择 → 局限性；会复盘失败案例；对一个问题能讲出多层细节。\n\n弱信号：第一层追问就讲不清；不主动展开细节；把责任推给\"团队 / 数据 / 时间\"。\n\n### 学习速度\n\n面对新领域能多快建立认知框架？有没有主动做功课的证据？\n\n强信号：能讲出最近一次\"从 0 到能用\"的学习路径；主动看源码 / 跑 demo / 写笔记。\n\n弱信号：对新技术只停留在\"听说过 / 看到过\"；问最近学了什么答不上来。\n\n### 逻辑性（最可靠）\n\n追问时逻辑链是否能延续？能否有条理地拆解问题？\n\n强信号：多轮追问能保持一致；能识别问题假设；遇到新场景能在 1-2 分钟内给出拆解。\n\n弱信号：被追问后前后矛盾；答非所问；只能复述已经讲过的内容。\n\n### 自我认知\n\n是否清楚自己的边界？能否主动说\"这个我不懂\"？\n\n强信号：能主动说不足；区分\"自己负责的\"和\"团队配合的\"；能讲出哪里做得不好。\n\n弱信号：什么都说自己做过；回避\"哪里做得不够好\"；把团队成果默认成个人成果。\n\n### 表达沟通\n\n能否把复杂问题讲清楚？能否接住追问？\n\n强信号：可以把专业内容讲给外行听；追问时不绕、有条理；能用简洁语言概括复杂链路。\n\n弱信号：使用大量术语但讲不清原理；被追问时打太极；语言节奏失控。\n\n> ⚠️ 表达流畅 ≠ 技术深度强。详见 [attribution-errors.md](attribution-errors.md)。\n\n### 自驱力\n\n没有外部压力时会主动做什么？离职期间有无可验证的探索行为？\n\n强信号：离职期间有独立项目 / 开源 / 内容产出；近一年有主动跨界尝试。\n\n弱信号：长期处于\"等任务\"状态；离职期间无任何可证伪的行为。\n\n## 经验维度（5）\n\n### 领域 context 理解\n\n对目标赛道是否有基础认知？\n\n观察：能讲清行业 / 用户 / 主要玩家 / 核心问题。\n\n### 产品场景匹配度\n\n与当前产品方向的关联程度？\n\n观察：能不能讲出该产品的典型场景、关键挑战、用户价值。\n\n### 工程落地深度\n\n端到端交付能力？\n\n观察：日志、监控、回滚、上线、稳定性、问题定位经验是否扎实。\n\n### 产品 sense\n\n对用户需求的直觉和判断力？\n\n观察：在面对开放问题时，能否快速识别用户 / 业务核心价值；能否主动取舍优先级。\n\n### 技术栈覆盖\n\n技术工具的掌握广度？\n\n观察：宽度（语言、框架、领域）和深度（任一栈能不能讲清原理 / 实现 / 边界）。\n\n## 风险维度（5）\n\n### 稳定性\n\n离职动机、职场脱节、过往跳动频率。\n\n观察：每段经历是否有合理离职理由；近期是否长时间脱节；自述与简历事实是否一致。\n\n### 技术边界\n\n清楚自己会什么、不会什么？\n\n观察：能否主动承认\"这个不熟悉\"；面对新概念是否区分\"了解过 vs 用过 vs 改造过\"。\n\n### 方向偏离\n\n能力结构与岗位核心挑战不匹配。\n\n观察：候选人长项与岗位真正的核心问题是否一致；强能力是否对口；学历 / 经历背景的偏置。\n\n### 团队适配\n\n节奏、文化、协作模式。\n\n观察：偏好独立 vs 团队；适应高压冲刺 vs 稳定流程；与当前团队阶段（冲刺 / 建设 / 维护）的匹配。\n\n### 意愿真实性\n\n对岗位 / 公司 / 方向是否有真实的兴趣和意愿？\n\n观察：是否提前了解公司 / 产品；问\"为什么投这个岗位\"时是否有具体答案；离职原因是否成熟。\n\nFile v1.0.3:evaluation-template.md\n\n# 面试评价模板\n\n**岗位：________________ | 候选人：________________ | 面试官：________________ | 日期：________________**\n\n---\n\n## 综合建议\n\n> **⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐** 进入下一轮\n\n---\n\n## 综合评价\n\n### 优势（2-4 条）\n\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中。\n\n1. _______________________________________________\n\n2. _______________________________________________\n\n3. _______________________________________________\n\n4. _______________________________________________\n\n### 不足（2-4 条）\n\n每条格式：先说能力 / 经验短板判断，再接证据叙述。\n\n5. _______________________________________________\n\n6. _______________________________________________\n\n7. _______________________________________________\n\n8. _______________________________________________\n\n### 风险（1-3 条）\n\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n9. _______________________________________________\n\n10. _______________________________________________\n\n11. _______________________________________________\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：_______________________________________________\n\n□ 进入终面 — 重点验证：_______________________________________________\n\n□ 不推荐 — 原因：_______________________________________________\n\n---\n\n## 评估维度参考（不作为固定框架）\n\n完整定义见 [capability-dimensions.md](capability-dimensions.md)。\n\n- **底层能力**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\nFile v1.0.3:EVOLUTION.md\n\n# Evolution Log — interview-evaluation\n\n## 2026-05-12 — 重构为 Superpowers 风格\n\n- 把原 `06-interview-evaluation.md` 拆分：SKILL.md 只留触发、输出结构、写作规则、自检、反馈回流；\n  - 16 项能力维度独立为 `capability-dimensions.md`。\n  - 常见归因错误独立为 `attribution-errors.md`。\n  - 追问技巧独立为 `probing-techniques.md`。\n  - 空白模板独立为 `evaluation-template.md`。\n  - 完整面评示例独立为 `example-evaluation.md`。\n- 描述字段改为 \"Use when ...\" 触发条件。\n\n## 2026-05-11 — 校招 AI 平台工程师面评校准\n\n- 新增\"表达流畅 ≠ 技术能力强\"\"我负责 ≠ 独立主导\"\"提到新技术 ≠ 探索能力强\"的归因校准规则。\n- 在能力深度验证中新增关键技术替代方案追问：BERT vs 大模型、workflow vs agentic、规则 / 小模型 / 大模型的权衡。\n- 自检清单新增表达 / 技术深度、个人贡献边界、新技术实践深度三项检查。\n- 目标是避免把候选人的表达能力、项目包装能力或概念了解误判为技术深度和探索能力。\n\n## 2026-04-27 — 增加面评文件回传要求\n\n- 在输出规范中新增要求：完成面评后必须落为 `.md` 文件并交付给用户。\n- 自检清单将\"是否发送飞书\"更新为\"是否已将面试评价保存为 Markdown 文件并交付给用户\"。\n- 目的是让技能产出可直接复用、归档，避免只在对话中给出一次性文本。\n\n## 2026-04-16 — 首次面试评价实战补充\n\n- 新增\"简历 PDF 读取方法\"章节，记录 macOS 下 pymupdf 安装路径问题及完整读取命令。\n- 新增\"姓名不一致 → 身份存疑\"的归因类型到常见归因错误表。\n\nFile v1.0.3:example-evaluation.md\n\n# 完整面评示例\n\n> 真实面评的脱敏版本。重点看 1）能力判断如何融入叙述、2）归因怎么写准、3）下一步建议怎么具体化。\n\n**岗位：AI 产品经理（舆情方向）| 候选人：候选人 A | 日期：2026-04**\n\n---\n\n## 综合建议\n\n> **⭐⭐ 推荐进入下一轮（终面 / HR 面）**\n\n---\n\n## 综合评价\n\n### 优势\n\n1. 有钻研精神和产品判断力。主动识别 AI 生成内容\"网感差、数据下降\"问题，提出 IP 化 → 系列化生产替代单条从零生成，对内容连续性和用户认知有清晰判断。\n\n2. 工程落地能力扎实，有从 0 到 1 完整交付经验。主导 AIGC 视频平台选题 → 生成 → 审核 → 发布全链路设计，单条内容成本下降约 2/3、生产周期缩短约 3/4、运营数十至上百个账号矩阵，有具体业务指标支撑。\n\n3. 自信、逻辑清晰、表达能力强。主导 Prompt 设计与调优，搭建了一套多维度的选题评估框架（覆盖热度、转化、适配性、合规等多个维度），能说清调优维度，讲解有条理；面对多轮追问始终保持镇定，能用简洁语言把复杂链路讲清楚。\n\n4. 自驱力强，学习速度快。离职期间独立用 AI 工具开发了一个个人小产品，有完整从想法到可交互 demo 的执行记录；主动关注 AI 产品动态，持续跟踪行业变化。\n\n### 不足\n\n5. 简历有不实成分。简历写\"参与模型 SFT 微调\"，但面试中追问时她直接承认\"没有对模型本身进行微调，更多是在工程化和提示词上\"——简历描述与实际参与深度不符，存在夸大。\n\n6. 自我认知有偏差，全链路主导但局部细节掌握不扎实。追问素材库切片处理时混淆\"标签\"和\"切片\"概念，对素材库规模回答\"不太清楚\"，视频编辑器开发方式绕了一圈才答出。\n\n7. 面试准备不充分，行动力和意愿存疑。对舆情方向的理解停留在\"多模态可以分析图片视频\"，未提前了解用人公司的产品，对该方向的认知有明显空白——既可能是准备不足，也可能是对岗位意愿不够强烈。\n\n### 风险\n\n8. 方向偏离风险：平台\"数据反馈还没接上，目前只能靠人工看数据\"，但把粉丝量级、获客数量作为核心成果汇报，缺少数据闭环验证——□ 稳定性 □ 技术边界 ■ 方向偏离 □ 团队适配\n\n9. 稳定性待观察：最近一段工作实际不满一年因公司经济性裁员离职，每次换工作均有外部原因，长期稳定性需持续观察——■ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：① 数据真实性：粉丝量级 / 获客数据的拆解和验证机制；② 舆情方向的认知：能否快速补齐知识短板；③ 在算法团队支撑有限的情况下如何做好 AI 产品规划。\n\n□ 进入终面\n\n□ 不推荐\n\n---\n\n## 写作要点说明\n\n- **第 3 条**展示了\"自信 + 逻辑清晰 + 表达能力强\"三个能力合并为一条，因为证据都指向同一个行为：面对追问保持镇定、能讲清楚复杂链路。\n- **第 5 条归因准确**：模型微调是工程师的活，产品经理不参与是正常的，所以归因为\"简历夸大\"而非\"钻研精神弱\"。\n- **第 7 条归因准确**：对岗位不了解未做功课，归因为\"面试准备不充分 / 意愿存疑\"，不是\"学习速度慢\"。\n- **风险条目用 ■ / □ 框选风险类型**，方便用人经理快速定位关注点。\n- **下一步建议具体**：不写\"建议加强了解\"，而是写\"重点验证粉丝量级 / 获客数据的拆解和验证机制\"，落到能在二面问出来的具体问题。\n\nFile v1.0.3:probing-techniques.md\n\n# 面试追问技巧\n\n## 1. 真实性验证（最重要）\n\n判断\"是不是真的做过\"，区分主导 vs 参与。\n\n- **追问细节**：具体数字怎么得出的？项目分工是什么？你负责哪部分？\n- **追问决策**：遇到困难时你怎么解决的？为什么这样设计？\n- **追问边界**：这块是你主导还是参与？你在其中起到什么作用？\n\n**信号**：\n\n- 能流畅回答细节 → 大概率真实参与。\n- 答不上来或绕 → 参与深度有限或非主导。\n- 多轮追问后才挤出细节 → 边界模糊，需要继续核实。\n\n## 2. 能力深度验证\n\n判断\"做到什么深度\"，区分了解 vs 真懂。\n\n### 钻研精神\n\n追问\"你对这个问题的理解深度\"——能说清问题背景 → 方法选择 → 局限性 → 真正钻研过。\n\n### 学习速度\n\n问\"你最近在学什么 / 做什么\"——有具体行动 → 有学习意愿；答不上来 → 存疑。\n\n### 自我认知\n\n问\"你觉得这个项目的最大挑战是什么？你怎么解决的？你觉得哪里做得不够好？\"——能说不足 → 有自我认知；回避不足 → 自我认知偏弱。\n\n### 表达沟通\n\n看能否把专业内容讲给外行听懂；追问时是否回避、有条理。\n\n### 技术深度\n\n对候选人讲得很完整的项目，**必须追问一个关键技术选择的替代方案**，例如：\n\n- \"为什么不用大模型直接做？\"\n- \"为什么用 BERT / 规则 / 工作流？\"\n- \"如果换成纯小模型 + 规则，效果会怎样？\"\n\n看其是否能讲清数据、指标、成本、延迟、失败案例和权衡。\n\n### 新技术探索\n\n**不要**因候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词就加分。必须追问：\n\n- 是否实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案？\n\n承认\"看过但没深度用过\"时，把探索能力评价下调。\n\n## 3. 风险验证\n\n判断\"录用后是否稳\"，识别稳定性 / 意愿 / 适配风险。\n\n### 稳定性\n\n直接问离职原因，看逻辑链是否自洽：\n\n- 上一份工作为什么离开？\n- 上上份呢？\n- 这些离职原因之间有没有共同模式？\n\n### 意愿真实性\n\n- \"你对 [产品 / 公司] 的理解是什么？\"\n- \"你为什么投这个岗位？\"\n- \"你希望解决什么问题？\"\n\n如果候选人没做过最基础的功课，归因为\"面试准备不充分 / 意愿存疑\"。\n\n### 团队适配\n\n- \"你更习惯独立工作还是团队协作？\"\n- \"你理想的团队节奏是什么样的？\"\n- \"你最不喜欢和什么样的人共事？\"\n\n注意区分候选人的\"声称偏好\"和\"真实经历\"——看过往项目中实际承担的角色。\n\n## 校招 10 分钟视频面试节奏\n\n1/4/3/1.5/0.5 分钟：\n\n- **1 分钟**：自我介绍 / 破冰。\n- **4 分钟**：核心项目深挖（数据 / 指标 / 决策 / 个人贡献）。\n- **3 分钟**：场景题 / 拆解题。\n- **1.5 分钟**：动机 / 稳定性 / 岗位认知。\n- **0.5 分钟**：快速评分。\n\n## 准备阶段：用筛选输出生成追问\n\n从 [[recruiting-resume-screening]] 的个人评估卡里：\n\n- 🔴 疑点 → 必问追问。\n- 风险提示 → 设计 1 个针对性问题。\n- \"面试必问题（Top 3）\" → 直接进入面试问题清单。\n- 五维评分低于 ★★★ 的维度 → 设计现场验证问题。\n\n## 现场判断：强 / 弱信号\n\n把 [capability-dimensions.md](capability-dimensions.md) 中的强 / 弱信号打印或抄写在面试官面前，便于实时勾选。\n\nFile v1.0.3:skill-card.md\n\n## Description:\n\nThis skill helps agents write structured Chinese-language interview evaluations from transcripts, recordings, or interviewer notes for hiring decisions.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[soulzhong](https://clawhub.ai/user/soulzhong)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nRecruiters, hiring managers, and interviewers use this skill to convert Chinese interview transcripts, recordings, video notes, or interviewer notes into structured internal hiring evaluations. It emphasizes evidence-backed capability judgments, risk flags, and specific next-step recommendations.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill may consult prior conversations and local resume files when resolving candidate names.\n\nMitigation: Use explicit file boundaries, avoid broad resume directories, and require user confirmation before using prior conversations or local resumes.\n\nRisk: The skill may persist hiring-related feedback into reusable guidance.\n\nMitigation: Require review before writing feedback into shared reference notes, and keep candidate-specific information out of reusable guidance.\n\nRisk: Hiring recommendations may affect candidates if transcript evidence is incomplete, misattributed, or weakly reviewed.\n\nMitigation: Require human review of the final evaluation for evidence quality, role relevance, fairness, and compliance with the hiring process.\n\n## Reference(s):\n\n- [ClawHub Skill Page](https://clawhub.ai/soulzhong/skills/interview-evaluation)\n- [Capability Dimensions](artifact/capability-dimensions.md)\n- [Attribution Errors](artifact/attribution-errors.md)\n- [Probing Techniques](artifact/probing-techniques.md)\n- [Evaluation Template](artifact/evaluation-template.md)\n- [Example Evaluation](artifact/example-evaluation.md)\n- [Evolution Log](artifact/EVOLUTION.md)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance, files]\n\n**Output Format:** [Chinese Markdown interview evaluation]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Structured recommendation, strengths, weaknesses, risks, and next-step sections; the skill instructs agents to save the final evaluation as a Markdown file.]\n\n## Skill Version(s):\n\n1.0.3 (source: ClawHub release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v1.0.2: 8 files, 15479 bytes\n\nFiles: attribution-errors.md (4388b), capability-dimensions.md (3886b), evaluation-template.md (1906b), EVOLUTION.md (1729b), example-evaluation.md (3744b), probing-techniques.md (3526b), SKILL.md (8727b), _meta.json (139b)\n\nFile v1.0.2:SKILL.md\n\n---\nname: interview-evaluation\ndescription: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写写成面评、根据这份面试转写帮我写面试评价、给候选人写录用建议、判断候选人是否进入下一轮、按用人单位视角写面评 等。\nversion: 0.1.0\nhomepage: https://github.com/SoulZhong/recruiting-skills\n---\n\n# 面试评价\n\n## Overview\n\n根据面试录音转写、视频记录或面试官笔记，撰写**结构化、可直接用于用人决策**的面试评价。\n\n**Core principle: 面试是筛选\"能力合适\"的候选人，而非\"经验匹配\"的候选人。**\n\n- 简历写的是\"做过什么\"，面试要验证\"是不是真的做过\"\"做到什么深度\"\"下次遇到会不会\"。\n- 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。\n- 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。\n- 面试能可靠考察的能力中，**逻辑性最可靠**，其他能力容易被表演，需要深挖细节验证。\n\n## When to Use\n\n- 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。\n- 用户要求\"判断候选人是否进入下一轮 / 终面 / 录用\"。\n- 用户要求\"按用人单位视角写面评\"，而不是顾问报告。\n- 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。\n\n## Output Structure（严格遵循）\n\n```markdown\n## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：...\n```\n\n空白模板见 [evaluation-template.md](evaluation-template.md)。完整示例见 [example-evaluation.md](example-evaluation.md)。\n\n## Writing Rules\n\n1. **用人单位视角**：直接输出内部面评结论（\"建议进入下一轮\"\"不建议继续推进\"\"不满足我们当前预期\"），不要写成第三方顾问式建议。\n2. **避免条件化、顾问式表达**：不要使用\"更准确地说\"\"如果团队当前更需要…那么…\"\"可以保留观察\"这类外部视角措辞，除非用户明确要求顾问报告。\n3. **优势 / 不足每条只描述一件事**，不要把多件事揉在一起。\n4. **证据为能力判断服务**：证据要有具体行为，而非泛泛描述。\n5. **能力名称直接出现在句首或句中**，不加括号标注，不单独列维度。\n6. **描述具体可感**，避免\"有一定经验\"\"表现出色\"等模糊表达。\n7. **不足的归因必须准确**：把\"经验不匹配\"\"岗位不要求的能力\"和\"真正的能力短板\"分清。详见 [attribution-errors.md](attribution-errors.md)。\n\n## Capability Dimensions\n\n候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：\n\n- **底层能力（6）**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度（5）**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度（5）**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\n完整定义、行为信号和打分提示见 [capability-dimensions.md](capability-dimensions.md)。\n\n## Probing Techniques\n\n面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 [probing-techniques.md](probing-techniques.md)。\n\n关键提醒：\n\n- **真实性验证最重要**：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。\n- **技术深度 ≠ 表达流畅**：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。\n- **新概念 ≠ 探索能力强**：必须核实是否实际读过源码、跑过 demo、改造过旧系统。\n\n## Anti-Patterns\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实 |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离 |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据 / 测试团队边界 |\n| 提到新框架 / 新概念 → 探索能力强 | → 需核实是否实际读源码、跑 demo、改造旧系统 |\n\n完整列表见 [attribution-errors.md](attribution-errors.md)。\n\n## Pre-Output Discipline\n\n- **必须先读完整转写 / 记录**，再判断，不只根据简历印象。\n- **批量面试转写姓名误识别风险**：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到\"昨天那批名单 / 按名字匹配\"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加\"姓名匹配说明\"表。**正式报告中不要出现姓名匹配过程**。\n- **PDF 简历提取**：见 [[recruiting-resume-screening]] 的 `pdf-extraction.md`。\n\n## Output Discipline\n\n- Markdown 格式，中文输出。\n- 每条优势 / 不足不加\"体现：XXX\"括号标注，能力直接融入叙述。\n- 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。\n- 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。\n- 下一步建议要具体，\"重点验证：xxx\"要写清楚验证什么。\n- 完成面评后**必须落为 `.md` 文件并交付给用户**（保存到本地或发送到对话），不要只在回复中给出一次性文本。\n- **正式报告只保留评价内容**：综合建议、优势、不足、风险、下一步。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。\n\n## Self-Check\n\n输出前逐项确认：\n\n- [ ] 简历 PDF 是否已正确提取？\n- [ ] 面试转写文字是否完整阅读？\n- [ ] 优势 2-4 条，每条先说能力再接证据？\n- [ ] 不足 2-4 条，归因是否准确（产品不该背工程的锅）？\n- [ ] 风险标注了类型？\n- [ ] 下一步建议是否具体？\n- [ ] 没有\"体现：XXX\"类型括号标注？\n- [ ] 把\"表达好\"与\"技术深度强\"分开？\n- [ ] 核实了候选人个人贡献边界，没有把\"我负责\"默认成\"独立主导\"？\n- [ ] 把\"提到新技术\"与\"真实探索 / 实践\"分开？\n- [ ] 已将面试评价保存为 Markdown 文件并交付给用户？\n- [ ] 正式报告里没有姓名匹配、修订说明、工具执行痕迹？\n\n## Feedback Loop\n\n每次完成面评后主动询问用户：\n\n1. 评价是否准确？哪些地方评高了 / 评低了？后续面试 / 共事结果是否验证了判断？\n2. 是否有遗漏的能力维度？哪些维度过度关注，哪些被忽略？\n3. 归因是否准确？有没有新的常见归因错误？\n4. 追问技巧是否有效？哪些追问挖出了有效信息，哪些是无效问题？\n\n| 反馈类型 | 更新内容 |\n| --- | --- |\n| 评价偏差 | 在 EVOLUTION.md 记录预测命中率，形成校准数据 |\n| 归因错误 | 补充到 [attribution-errors.md](attribution-errors.md) |\n| 追问无效 | 优化 [probing-techniques.md](probing-techniques.md) |\n| 维度缺失 | 补充到 [capability-dimensions.md](capability-dimensions.md) |\n| 新发现 | 记录到 [EVOLUTION.md](EVOLUTION.md) |\n\n## See Also\n\n- [capability-dimensions.md](capability-dimensions.md) — 16 个能力维度的定义。\n- [attribution-errors.md](attribution-errors.md) — 常见归因错误对照。\n- [probing-techniques.md](probing-techniques.md) — 真实性 / 深度 / 风险 3 类追问技巧。\n- [evaluation-template.md](evaluation-template.md) — 空白面评模板。\n- [example-evaluation.md](example-evaluation.md) — 完整面评示例（含写作要点说明）。\n- [EVOLUTION.md](EVOLUTION.md) — 演化日志。\n- 总控流程：[[recruiting-skillset]]；简历筛选：[[recruiting-resume-screening]]。\n\nFile v1.0.2:_meta.json\n\n{\n  \"ownerId\": \"kn71016gfqv0mwvysq1h2adhqd82bt5s\",\n  \"slug\": \"interview-evaluation\",\n  \"version\": \"1.0.2\",\n  \"publishedAt\": 1778766163941\n}\n\nFile v1.0.2:attribution-errors.md\n\n# 常见归因错误对照\n\n面评的核心难点不是写不出来，而是**归因写错**——把\"经验不匹配\"当成\"能力不合适\"，或者把\"表达好\"当成\"能力强\"。\n\n## 错误归因 → 正确归因\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实（模型微调是工程师的活，产品经理不擅长是正常的） |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离（学习速度要看主动做功课的证据，不是看是否做过该行业） |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题，不愿意承认没参与） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度必须看关键追问下能否讲清实现细节、指标、badcase 和方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据团队、测试团队的参与边界，区分独立决策、方案调研、编码实现和协作交付 |\n| 能提到新框架 / 新概念 → 探索能力强 | → 需看是否实际读过源码、跑过 demo、改造过旧系统；只\"看到过但没深度用过\"应降级为概念了解 |\n| 候选人与简历姓名不一致 → 学习能力差 | → 身份存疑，需核实（可能是转写姓名误识别、可能是候选人代面） |\n| 对岗位不了解未做功课 → 学习速度慢 | → 面试准备不充分 / 意愿存疑 |\n\n## 表达能力 vs 技术深度\n\n候选人讲项目流畅、链路完整、有 PPT 感 → 只能说明**表达能力强**，不能直接推论技术能力强。\n\n要判断技术深度，必须追问：\n\n- **替代方案**：为什么不用大模型直接做？为什么用 BERT / 规则 / 工作流？\n- **数据**：这个项目的数据规模、清洗逻辑、标注质量？\n- **指标**：用什么指标评估？基线是什么？\n- **失败案例**：badcase 是什么？怎么处理？\n- **权衡**：成本、延迟、稳定性、可解释性之间怎么取舍？\n\n如果候选人在关键追问下**讲不清实现细节、指标、badcase、权衡**，技术深度判断应明确写\"技术深度不足 / 不推荐\"，**即使简历堆了 SpringCloud、K8s、RAG、LoRA 等关键词**。\n\n## 个人贡献 vs 团队成果\n\n候选人说\"我负责\"\"我设计\"时，要核实：\n\n- 是否有 mentor / 正式员工把关方案？\n- 数据团队 / 测试团队 / 算法团队是否参与？\n- 候选人在其中独立决策 vs 方案调研 vs 编码实现 vs 协作交付的边界是什么？\n\n如果不能区分边界，默认按\"参与\"处理，**不要**默认成\"独立主导\"。\n\n## 新概念 vs 实际探索\n\n候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词时，**不要**直接加分。必须追问是否：\n\n- 实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案 / 文档 / 复盘？\n\n承认\"看过但没深度用过\"时，应把**探索能力评价下调**，不应该把概念了解写成探索能力强。\n\n## AI Coding 经验\n\n评价 AI Coding 经验时要区分\"会用工具\"和\"有工程化方法论\"：\n\n- 仅能描述 Codex / Cursor 生成 plan、分步执行、本地联调 → 工具使用熟练。\n- 强信号应包括：规范化上下文 / skill、自动化测试、代码审查清单、失败复盘、质量门禁、可复用工作流。\n\n只有上面这些工程化方法论的证据，才能写\"AI 工程化能力强\"。\n\n## 技术岗的\"基础题\"判断\n\n技术岗面评要敢基于核心基础问题下判断：网络链路、部署架构、JVM/OOM、线上排障等基础问题回答明显偏浅时，**即使简历堆满 SpringCloud / K8s / RAG / LoRA 等关键词**，也应明确写为\"技术深度不足 / 不推荐\"，避免被关键词光环带偏。\n\n## 姓名 / 身份类\n\n| 现象 | 应归因 |\n| --- | --- |\n| 候选人面试时自称姓名与简历不一致 | 身份存疑，需核实（不是能力问题） |\n| 批量面试转写中候选人有多个称呼（昵称、口误） | 转写噪声，需用历史会话与本地简历核对正式姓名 |\n| 候选人在转写中明显照念准备好的稿子 | 表达 / 真实性存疑，需结合追问观察 |\n\nFile v1.0.2:capability-dimensions.md\n\n# 能力维度参考（16 项）\n\n不作为固定框架——能力和经验揉进优势 / 不足 / 风险的具体描述中。\n\n## 底层能力（6）\n\n### 钻研精神\n\n遇到困难是放弃还是死磕？有没有主动深挖问题的行为？\n\n强信号：能讲清问题背景 → 方法选择 → 局限性；会复盘失败案例；对一个问题能讲出多层细节。\n\n弱信号：第一层追问就讲不清；不主动展开细节；把责任推给\"团队 / 数据 / 时间\"。\n\n### 学习速度\n\n面对新领域能多快建立认知框架？有没有主动做功课的证据？\n\n强信号：能讲出最近一次\"从 0 到能用\"的学习路径；主动看源码 / 跑 demo / 写笔记。\n\n弱信号：对新技术只停留在\"听说过 / 看到过\"；问最近学了什么答不上来。\n\n### 逻辑性（最可靠）\n\n追问时逻辑链是否能延续？能否有条理地拆解问题？\n\n强信号：多轮追问能保持一致；能识别问题假设；遇到新场景能在 1-2 分钟内给出拆解。\n\n弱信号：被追问后前后矛盾；答非所问；只能复述已经讲过的内容。\n\n### 自我认知\n\n是否清楚自己的边界？能否主动说\"这个我不懂\"？\n\n强信号：能主动说不足；区分\"自己负责的\"和\"团队配合的\"；能讲出哪里做得不好。\n\n弱信号：什么都说自己做过；回避\"哪里做得不够好\"；把团队成果默认成个人成果。\n\n### 表达沟通\n\n能否把复杂问题讲清楚？能否接住追问？\n\n强信号：可以把专业内容讲给外行听；追问时不绕、有条理；能用简洁语言概括复杂链路。\n\n弱信号：使用大量术语但讲不清原理；被追问时打太极；语言节奏失控。\n\n> ⚠️ 表达流畅 ≠ 技术深度强。详见 [attribution-errors.md](attribution-errors.md)。\n\n### 自驱力\n\n没有外部压力时会主动做什么？离职期间有无可验证的探索行为？\n\n强信号：离职期间有独立项目 / 开源 / 内容产出；近一年有主动跨界尝试。\n\n弱信号：长期处于\"等任务\"状态；离职期间无任何可证伪的行为。\n\n## 经验维度（5）\n\n### 领域 context 理解\n\n对目标赛道是否有基础认知？\n\n观察：能讲清行业 / 用户 / 主要玩家 / 核心问题。\n\n### 产品场景匹配度\n\n与当前产品方向的关联程度？\n\n观察：能不能讲出该产品的典型场景、关键挑战、用户价值。\n\n### 工程落地深度\n\n端到端交付能力？\n\n观察：日志、监控、回滚、上线、稳定性、问题定位经验是否扎实。\n\n### 产品 sense\n\n对用户需求的直觉和判断力？\n\n观察：在面对开放问题时，能否快速识别用户 / 业务核心价值；能否主动取舍优先级。\n\n### 技术栈覆盖\n\n技术工具的掌握广度？\n\n观察：宽度（语言、框架、领域）和深度（任一栈能不能讲清原理 / 实现 / 边界）。\n\n## 风险维度（5）\n\n### 稳定性\n\n离职动机、职场脱节、过往跳动频率。\n\n观察：每段经历是否有合理离职理由；近期是否长时间脱节；自述与简历事实是否一致。\n\n### 技术边界\n\n清楚自己会什么、不会什么？\n\n观察：能否主动承认\"这个不熟悉\"；面对新概念是否区分\"了解过 vs 用过 vs 改造过\"。\n\n### 方向偏离\n\n能力结构与岗位核心挑战不匹配。\n\n观察：候选人长项与岗位真正的核心问题是否一致；强能力是否对口；学历 / 经历背景的偏置。\n\n### 团队适配\n\n节奏、文化、协作模式。\n\n观察：偏好独立 vs 团队；适应高压冲刺 vs 稳定流程；与当前团队阶段（冲刺 / 建设 / 维护）的匹配。\n\n### 意愿真实性\n\n对岗位 / 公司 / 方向是否有真实的兴趣和意愿？\n\n观察：是否提前了解公司 / 产品；问\"为什么投这个岗位\"时是否有具体答案；离职原因是否成熟。\n\nFile v1.0.2:evaluation-template.md\n\n# 面试评价模板\n\n**岗位：________________ | 候选人：________________ | 面试官：________________ | 日期：________________**\n\n---\n\n## 综合建议\n\n> **⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐** 进入下一轮\n\n---\n\n## 综合评价\n\n### 优势（2-4 条）\n\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中。\n\n1. _______________________________________________\n\n2. _______________________________________________\n\n3. _______________________________________________\n\n4. _______________________________________________\n\n### 不足（2-4 条）\n\n每条格式：先说能力 / 经验短板判断，再接证据叙述。\n\n5. _______________________________________________\n\n6. _______________________________________________\n\n7. _______________________________________________\n\n8. _______________________________________________\n\n### 风险（1-3 条）\n\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n9. _______________________________________________\n\n10. _______________________________________________\n\n11. _______________________________________________\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：_______________________________________________\n\n□ 进入终面 — 重点验证：_______________________________________________\n\n□ 不推荐 — 原因：_______________________________________________\n\n---\n\n## 评估维度参考（不作为固定框架）\n\n完整定义见 [capability-dimensions.md](capability-dimensions.md)。\n\n- **底层能力**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\nFile v1.0.2:EVOLUTION.md\n\n# Evolution Log — interview-evaluation\n\n## 2026-05-12 — 重构为 Superpowers 风格\n\n- 把原 `06-interview-evaluation.md` 拆分：SKILL.md 只留触发、输出结构、写作规则、自检、反馈回流；\n  - 16 项能力维度独立为 `capability-dimensions.md`。\n  - 常见归因错误独立为 `attribution-errors.md`。\n  - 追问技巧独立为 `probing-techniques.md`。\n  - 空白模板独立为 `evaluation-template.md`。\n  - 完整面评示例独立为 `example-evaluation.md`。\n- 描述字段改为 \"Use when ...\" 触发条件。\n\n## 2026-05-11 — 校招 AI 平台工程师面评校准\n\n- 新增\"表达流畅 ≠ 技术能力强\"\"我负责 ≠ 独立主导\"\"提到新技术 ≠ 探索能力强\"的归因校准规则。\n- 在能力深度验证中新增关键技术替代方案追问：BERT vs 大模型、workflow vs agentic、规则 / 小模型 / 大模型的权衡。\n- 自检清单新增表达 / 技术深度、个人贡献边界、新技术实践深度三项检查。\n- 目标是避免把候选人的表达能力、项目包装能力或概念了解误判为技术深度和探索能力。\n\n## 2026-04-27 — 增加面评文件回传要求\n\n- 在输出规范中新增要求：完成面评后必须落为 `.md` 文件并交付给用户。\n- 自检清单将\"是否发送飞书\"更新为\"是否已将面试评价保存为 Markdown 文件并交付给用户\"。\n- 目的是让技能产出可直接复用、归档，避免只在对话中给出一次性文本。\n\n## 2026-04-16 — 首次面试评价实战补充\n\n- 新增\"简历 PDF 读取方法\"章节，记录 macOS 下 pymupdf 安装路径问题及完整读取命令。\n- 新增\"姓名不一致 → 身份存疑\"的归因类型到常见归因错误表。\n\nFile v1.0.2:example-evaluation.md\n\n# 完整面评示例\n\n> 真实面评的脱敏版本。重点看 1）能力判断如何融入叙述、2）归因怎么写准、3）下一步建议怎么具体化。\n\n**岗位：AI 产品经理（舆情方向）| 候选人：候选人 A | 日期：2026-04**\n\n---\n\n## 综合建议\n\n> **⭐⭐ 推荐进入下一轮（终面 / HR 面）**\n\n---\n\n## 综合评价\n\n### 优势\n\n1. 有钻研精神和产品判断力。主动识别 AI 生成内容\"网感差、数据下降\"问题，提出 IP 化 → 系列化生产替代单条从零生成，对内容连续性和用户认知有清晰判断。\n\n2. 工程落地能力扎实，有从 0 到 1 完整交付经验。主导 AIGC 视频平台选题 → 生成 → 审核 → 发布全链路设计，单条内容成本下降约 2/3、生产周期缩短约 3/4、运营数十至上百个账号矩阵，有具体业务指标支撑。\n\n3. 自信、逻辑清晰、表达能力强。主导 Prompt 设计与调优，搭建了一套多维度的选题评估框架（覆盖热度、转化、适配性、合规等多个维度），能说清调优维度，讲解有条理；面对多轮追问始终保持镇定，能用简洁语言把复杂链路讲清楚。\n\n4. 自驱力强，学习速度快。离职期间独立用 AI 工具开发了一个个人小产品，有完整从想法到可交互 demo 的执行记录；主动关注 AI 产品动态，持续跟踪行业变化。\n\n### 不足\n\n5. 简历有不实成分。简历写\"参与模型 SFT 微调\"，但面试中追问时她直接承认\"没有对模型本身进行微调，更多是在工程化和提示词上\"——简历描述与实际参与深度不符，存在夸大。\n\n6. 自我认知有偏差，全链路主导但局部细节掌握不扎实。追问素材库切片处理时混淆\"标签\"和\"切片\"概念，对素材库规模回答\"不太清楚\"，视频编辑器开发方式绕了一圈才答出。\n\n7. 面试准备不充分，行动力和意愿存疑。对舆情方向的理解停留在\"多模态可以分析图片视频\"，未提前了解用人公司的产品，对该方向的认知有明显空白——既可能是准备不足，也可能是对岗位意愿不够强烈。\n\n### 风险\n\n8. 方向偏离风险：平台\"数据反馈还没接上，目前只能靠人工看数据\"，但把粉丝量级、获客数量作为核心成果汇报，缺少数据闭环验证——□ 稳定性 □ 技术边界 ■ 方向偏离 □ 团队适配\n\n9. 稳定性待观察：最近一段工作实际不满一年因公司经济性裁员离职，每次换工作均有外部原因，长期稳定性需持续观察——■ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：① 数据真实性：粉丝量级 / 获客数据的拆解和验证机制；② 舆情方向的认知：能否快速补齐知识短板；③ 在算法团队支撑有限的情况下如何做好 AI 产品规划。\n\n□ 进入终面\n\n□ 不推荐\n\n---\n\n## 写作要点说明\n\n- **第 3 条**展示了\"自信 + 逻辑清晰 + 表达能力强\"三个能力合并为一条，因为证据都指向同一个行为：面对追问保持镇定、能讲清楚复杂链路。\n- **第 5 条归因准确**：模型微调是工程师的活，产品经理不参与是正常的，所以归因为\"简历夸大\"而非\"钻研精神弱\"。\n- **第 7 条归因准确**：对岗位不了解未做功课，归因为\"面试准备不充分 / 意愿存疑\"，不是\"学习速度慢\"。\n- **风险条目用 ■ / □ 框选风险类型**，方便用人经理快速定位关注点。\n- **下一步建议具体**：不写\"建议加强了解\"，而是写\"重点验证粉丝量级 / 获客数据的拆解和验证机制\"，落到能在二面问出来的具体问题。\n\nFile v1.0.2:probing-techniques.md\n\n# 面试追问技巧\n\n## 1. 真实性验证（最重要）\n\n判断\"是不是真的做过\"，区分主导 vs 参与。\n\n- **追问细节**：具体数字怎么得出的？项目分工是什么？你负责哪部分？\n- **追问决策**：遇到困难时你怎么解决的？为什么这样设计？\n- **追问边界**：这块是你主导还是参与？你在其中起到什么作用？\n\n**信号**：\n\n- 能流畅回答细节 → 大概率真实参与。\n- 答不上来或绕 → 参与深度有限或非主导。\n- 多轮追问后才挤出细节 → 边界模糊，需要继续核实。\n\n## 2. 能力深度验证\n\n判断\"做到什么深度\"，区分了解 vs 真懂。\n\n### 钻研精神\n\n追问\"你对这个问题的理解深度\"——能说清问题背景 → 方法选择 → 局限性 → 真正钻研过。\n\n### 学习速度\n\n问\"你最近在学什么 / 做什么\"——有具体行动 → 有学习意愿；答不上来 → 存疑。\n\n### 自我认知\n\n问\"你觉得这个项目的最大挑战是什么？你怎么解决的？你觉得哪里做得不够好？\"——能说不足 → 有自我认知；回避不足 → 自我认知偏弱。\n\n### 表达沟通\n\n看能否把专业内容讲给外行听懂；追问时是否回避、有条理。\n\n### 技术深度\n\n对候选人讲得很完整的项目，**必须追问一个关键技术选择的替代方案**，例如：\n\n- \"为什么不用大模型直接做？\"\n- \"为什么用 BERT / 规则 / 工作流？\"\n- \"如果换成纯小模型 + 规则，效果会怎样？\"\n\n看其是否能讲清数据、指标、成本、延迟、失败案例和权衡。\n\n### 新技术探索\n\n**不要**因候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词就加分。必须追问：\n\n- 是否实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案？\n\n承认\"看过但没深度用过\"时，把探索能力评价下调。\n\n## 3. 风险验证\n\n判断\"录用后是否稳\"，识别稳定性 / 意愿 / 适配风险。\n\n### 稳定性\n\n直接问离职原因，看逻辑链是否自洽：\n\n- 上一份工作为什么离开？\n- 上上份呢？\n- 这些离职原因之间有没有共同模式？\n\n### 意愿真实性\n\n- \"你对 [产品 / 公司] 的理解是什么？\"\n- \"你为什么投这个岗位？\"\n- \"你希望解决什么问题？\"\n\n如果候选人没做过最基础的功课，归因为\"面试准备不充分 / 意愿存疑\"。\n\n### 团队适配\n\n- \"你更习惯独立工作还是团队协作？\"\n- \"你理想的团队节奏是什么样的？\"\n- \"你最不喜欢和什么样的人共事？\"\n\n注意区分候选人的\"声称偏好\"和\"真实经历\"——看过往项目中实际承担的角色。\n\n## 校招 10 分钟视频面试节奏\n\n1/4/3/1.5/0.5 分钟：\n\n- **1 分钟**：自我介绍 / 破冰。\n- **4 分钟**：核心项目深挖（数据 / 指标 / 决策 / 个人贡献）。\n- **3 分钟**：场景题 / 拆解题。\n- **1.5 分钟**：动机 / 稳定性 / 岗位认知。\n- **0.5 分钟**：快速评分。\n\n## 准备阶段：用筛选输出生成追问\n\n从 [[recruiting-resume-screening]] 的个人评估卡里：\n\n- 🔴 疑点 → 必问追问。\n- 风险提示 → 设计 1 个针对性问题。\n- \"面试必问题（Top 3）\" → 直接进入面试问题清单。\n- 五维评分低于 ★★★ 的维度 → 设计现场验证问题。\n\n## 现场判断：强 / 弱信号\n\n把 [capability-dimensions.md](capability-dimensions.md) 中的强 / 弱信号打印或抄写在面试官面前，便于实时勾选。\n\nArchive v1.0.1: 8 files, 15468 bytes\n\nFiles: attribution-errors.md (4388b), capability-dimensions.md (3886b), evaluation-template.md (1906b), EVOLUTION.md (1729b), example-evaluation.md (3744b), probing-techniques.md (3515b), SKILL.md (8705b), _meta.json (139b)\n\nFile v1.0.1:SKILL.md\n\n---\nname: interview-evaluation\ndescription: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写写成面评、根据这份面试转写帮我写面试评价、给候选人写录用建议、判断候选人是否进入下一轮、按用人单位视角写面评 等。\nversion: 0.1.0\nhomepage: https://github.com/SoulZhong/recruiting-skills\n---\n\n# 面试评价\n\n## Overview\n\n根据面试录音转写、视频记录或面试官笔记，撰写**结构化、可直接用于用人决策**的面试评价。\n\n**Core principle: 面试是筛选\"能力合适\"的候选人，而非\"经验匹配\"的候选人。**\n\n- 简历写的是\"做过什么\"，面试要验证\"是不是真的做过\"\"做到什么深度\"\"下次遇到会不会\"。\n- 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。\n- 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。\n- 面试能可靠考察的能力中，**逻辑性最可靠**，其他能力容易被表演，需要深挖细节验证。\n\n## When to Use\n\n- 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。\n- 用户要求\"判断候选人是否进入下一轮 / 终面 / 录用\"。\n- 用户要求\"按用人单位视角写面评\"，而不是顾问报告。\n- 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。\n\n## Output Structure（严格遵循）\n\n```markdown\n## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：...\n```\n\n空白模板见 [evaluation-template.md](evaluation-template.md)。完整示例见 [example-evaluation.md](example-evaluation.md)。\n\n## Writing Rules\n\n1. **用人单位视角**：直接输出内部面评结论（\"建议进入下一轮\"\"不建议继续推进\"\"不满足我们当前预期\"），不要写成第三方顾问式建议。\n2. **避免条件化、顾问式表达**：不要使用\"更准确地说\"\"如果团队当前更需要…那么…\"\"可以保留观察\"这类外部视角措辞，除非用户明确要求顾问报告。\n3. **优势 / 不足每条只描述一件事**，不要把多件事揉在一起。\n4. **证据为能力判断服务**：证据要有具体行为，而非泛泛描述。\n5. **能力名称直接出现在句首或句中**，不加括号标注，不单独列维度。\n6. **描述具体可感**，避免\"有一定经验\"\"表现出色\"等模糊表达。\n7. **不足的归因必须准确**：把\"经验不匹配\"\"岗位不要求的能力\"和\"真正的能力短板\"分清。详见 [attribution-errors.md](attribution-errors.md)。\n\n## Capability Dimensions\n\n候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：\n\n- **底层能力（6）**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度（5）**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度（5）**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\n完整定义、行为信号和打分提示见 [capability-dimensions.md](capability-dimensions.md)。\n\n## Probing Techniques\n\n面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 [probing-techniques.md](probing-techniques.md)。\n\n关键提醒：\n\n- **真实性验证最重要**：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。\n- **技术深度 ≠ 表达流畅**：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。\n- **新概念 ≠ 探索能力强**：必须核实是否实际读过源码、跑过 demo、改造过旧系统。\n\n## Anti-Patterns\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实 |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离 |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据 / 测试团队边界 |\n| 提到新框架 / 新概念 → 探索能力强 | → 需核实是否实际读源码、跑 demo、改造旧系统 |\n\n完整列表见 [attribution-errors.md](attribution-errors.md)。\n\n## Pre-Output Discipline\n\n- **必须先读完整转写 / 记录**，再判断，不只根据简历印象。\n- **批量面试转写姓名误识别风险**：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到\"昨天那批名单 / 按名字匹配\"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加\"姓名匹配说明\"表。**正式报告中不要出现姓名匹配过程**。\n- **PDF 简历提取**：见 [[resume-screening]] 的 `pdf-extraction.md`。\n\n## Output Discipline\n\n- Markdown 格式，中文输出。\n- 每条优势 / 不足不加\"体现：XXX\"括号标注，能力直接融入叙述。\n- 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。\n- 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。\n- 下一步建议要具体，\"重点验证：xxx\"要写清楚验证什么。\n- 完成面评后**必须落为 `.md` 文件并交付给用户**（保存到本地或发送到对话），不要只在回复中给出一次性文本。\n- **正式报告只保留评价内容**：综合建议、优势、不足、风险、下一步。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。\n\n## Self-Check\n\n输出前逐项确认：\n\n- [ ] 简历 PDF 是否已正确提取？\n- [ ] 面试转写文字是否完整阅读？\n- [ ] 优势 2-4 条，每条先说能力再接证据？\n- [ ] 不足 2-4 条，归因是否准确（产品不该背工程的锅）？\n- [ ] 风险标注了类型？\n- [ ] 下一步建议是否具体？\n- [ ] 没有\"体现：XXX\"类型括号标注？\n- [ ] 把\"表达好\"与\"技术深度强\"分开？\n- [ ] 核实了候选人个人贡献边界，没有把\"我负责\"默认成\"独立主导\"？\n- [ ] 把\"提到新技术\"与\"真实探索 / 实践\"分开？\n- [ ] 已将面试评价保存为 Markdown 文件并交付给用户？\n- [ ] 正式报告里没有姓名匹配、修订说明、工具执行痕迹？\n\n## Feedback Loop\n\n每次完成面评后主动询问用户：\n\n1. 评价是否准确？哪些地方评高了 / 评低了？后续面试 / 共事结果是否验证了判断？\n2. 是否有遗漏的能力维度？哪些维度过度关注，哪些被忽略？\n3. 归因是否准确？有没有新的常见归因错误？\n4. 追问技巧是否有效？哪些追问挖出了有效信息，哪些是无效问题？\n\n| 反馈类型 | 更新内容 |\n| --- | --- |\n| 评价偏差 | 在 EVOLUTION.md 记录预测命中率，形成校准数据 |\n| 归因错误 | 补充到 [attribution-errors.md](attribution-errors.md) |\n| 追问无效 | 优化 [probing-techniques.md](probing-techniques.md) |\n| 维度缺失 | 补充到 [capability-dimensions.md](capability-dimensions.md) |\n| 新发现 | 记录到 [EVOLUTION.md](EVOLUTION.md) |\n\n## See Also\n\n- [capability-dimensions.md](capability-dimensions.md) — 16 个能力维度的定义。\n- [attribution-errors.md](attribution-errors.md) — 常见归因错误对照。\n- [probing-techniques.md](probing-techniques.md) — 真实性 / 深度 / 风险 3 类追问技巧。\n- [evaluation-template.md](evaluation-template.md) — 空白面评模板。\n- [example-evaluation.md](example-evaluation.md) — 完整面评示例（含写作要点说明）。\n- [EVOLUTION.md](EVOLUTION.md) — 演化日志。\n- 总控流程：[[recruiting-skillset]]；简历筛选：[[resume-screening]]。\n\nFile v1.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn71016gfqv0mwvysq1h2adhqd82bt5s\",\n  \"slug\": \"interview-evaluation\",\n  \"version\": \"1.0.1\",\n  \"publishedAt\": 1778764913972\n}\n\nFile v1.0.1:attribution-errors.md\n\n# 常见归因错误对照\n\n面评的核心难点不是写不出来，而是**归因写错**——把\"经验不匹配\"当成\"能力不合适\"，或者把\"表达好\"当成\"能力强\"。\n\n## 错误归因 → 正确归因\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实（模型微调是工程师的活，产品经理不擅长是正常的） |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离（学习速度要看主动做功课的证据，不是看是否做过该行业） |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题，不愿意承认没参与） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度必须看关键追问下能否讲清实现细节、指标、badcase 和方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据团队、测试团队的参与边界，区分独立决策、方案调研、编码实现和协作交付 |\n| 能提到新框架 / 新概念 → 探索能力强 | → 需看是否实际读过源码、跑过 demo、改造过旧系统；只\"看到过但没深度用过\"应降级为概念了解 |\n| 候选人与简历姓名不一致 → 学习能力差 | → 身份存疑，需核实（可能是转写姓名误识别、可能是候选人代面） |\n| 对岗位不了解未做功课 → 学习速度慢 | → 面试准备不充分 / 意愿存疑 |\n\n## 表达能力 vs 技术深度\n\n候选人讲项目流畅、链路完整、有 PPT 感 → 只能说明**表达能力强**，不能直接推论技术能力强。\n\n要判断技术深度，必须追问：\n\n- **替代方案**：为什么不用大模型直接做？为什么用 BERT / 规则 / 工作流？\n- **数据**：这个项目的数据规模、清洗逻辑、标注质量？\n- **指标**：用什么指标评估？基线是什么？\n- **失败案例**：badcase 是什么？怎么处理？\n- **权衡**：成本、延迟、稳定性、可解释性之间怎么取舍？\n\n如果候选人在关键追问下**讲不清实现细节、指标、badcase、权衡**，技术深度判断应明确写\"技术深度不足 / 不推荐\"，**即使简历堆了 SpringCloud、K8s、RAG、LoRA 等关键词**。\n\n## 个人贡献 vs 团队成果\n\n候选人说\"我负责\"\"我设计\"时，要核实：\n\n- 是否有 mentor / 正式员工把关方案？\n- 数据团队 / 测试团队 / 算法团队是否参与？\n- 候选人在其中独立决策 vs 方案调研 vs 编码实现 vs 协作交付的边界是什么？\n\n如果不能区分边界，默认按\"参与\"处理，**不要**默认成\"独立主导\"。\n\n## 新概念 vs 实际探索\n\n候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词时，**不要**直接加分。必须追问是否：\n\n- 实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案 / 文档 / 复盘？\n\n承认\"看过但没深度用过\"时，应把**探索能力评价下调**，不应该把概念了解写成探索能力强。\n\n## AI Coding 经验\n\n评价 AI Coding 经验时要区分\"会用工具\"和\"有工程化方法论\"：\n\n- 仅能描述 Codex / Cursor 生成 plan、分步执行、本地联调 → 工具使用熟练。\n- 强信号应包括：规范化上下文 / skill、自动化测试、代码审查清单、失败复盘、质量门禁、可复用工作流。\n\n只有上面这些工程化方法论的证据，才能写\"AI 工程化能力强\"。\n\n## 技术岗的\"基础题\"判断\n\n技术岗面评要敢基于核心基础问题下判断：网络链路、部署架构、JVM/OOM、线上排障等基础问题回答明显偏浅时，**即使简历堆满 SpringCloud / K8s / RAG / LoRA 等关键词**，也应明确写为\"技术深度不足 / 不推荐\"，避免被关键词光环带偏。\n\n## 姓名 / 身份类\n\n| 现象 | 应归因 |\n| --- | --- |\n| 候选人面试时自称姓名与简历不一致 | 身份存疑，需核实（不是能力问题） |\n| 批量面试转写中候选人有多个称呼（昵称、口误） | 转写噪声，需用历史会话与本地简历核对正式姓名 |\n| 候选人在转写中明显照念准备好的稿子 | 表达 / 真实性存疑，需结合追问观察 |\n\nFile v1.0.1:capability-dimensions.md\n\n# 能力维度参考（16 项）\n\n不作为固定框架——能力和经验揉进优势 / 不足 / 风险的具体描述中。\n\n## 底层能力（6）\n\n### 钻研精神\n\n遇到困难是放弃还是死磕？有没有主动深挖问题的行为？\n\n强信号：能讲清问题背景 → 方法选择 → 局限性；会复盘失败案例；对一个问题能讲出多层细节。\n\n弱信号：第一层追问就讲不清；不主动展开细节；把责任推给\"团队 / 数据 / 时间\"。\n\n### 学习速度\n\n面对新领域能多快建立认知框架？有没有主动做功课的证据？\n\n强信号：能讲出最近一次\"从 0 到能用\"的学习路径；主动看源码 / 跑 demo / 写笔记。\n\n弱信号：对新技术只停留在\"听说过 / 看到过\"；问最近学了什么答不上来。\n\n### 逻辑性（最可靠）\n\n追问时逻辑链是否能延续？能否有条理地拆解问题？\n\n强信号：多轮追问能保持一致；能识别问题假设；遇到新场景能在 1-2 分钟内给出拆解。\n\n弱信号：被追问后前后矛盾；答非所问；只能复述已经讲过的内容。\n\n### 自我认知\n\n是否清楚自己的边界？能否主动说\"这个我不懂\"？\n\n强信号：能主动说不足；区分\"自己负责的\"和\"团队配合的\"；能讲出哪里做得不好。\n\n弱信号：什么都说自己做过；回避\"哪里做得不够好\"；把团队成果默认成个人成果。\n\n### 表达沟通\n\n能否把复杂问题讲清楚？能否接住追问？\n\n强信号：可以把专业内容讲给外行听；追问时不绕、有条理；能用简洁语言概括复杂链路。\n\n弱信号：使用大量术语但讲不清原理；被追问时打太极；语言节奏失控。\n\n> ⚠️ 表达流畅 ≠ 技术深度强。详见 [attribution-errors.md](attribution-errors.md)。\n\n### 自驱力\n\n没有外部压力时会主动做什么？离职期间有无可验证的探索行为？\n\n强信号：离职期间有独立项目 / 开源 / 内容产出；近一年有主动跨界尝试。\n\n弱信号：长期处于\"等任务\"状态；离职期间无任何可证伪的行为。\n\n## 经验维度（5）\n\n### 领域 context 理解\n\n对目标赛道是否有基础认知？\n\n观察：能讲清行业 / 用户 / 主要玩家 / 核心问题。\n\n### 产品场景匹配度\n\n与当前产品方向的关联程度？\n\n观察：能不能讲出该产品的典型场景、关键挑战、用户价值。\n\n### 工程落地深度\n\n端到端交付能力？\n\n观察：日志、监控、回滚、上线、稳定性、问题定位经验是否扎实。\n\n### 产品 sense\n\n对用户需求的直觉和判断力？\n\n观察：在面对开放问题时，能否快速识别用户 / 业务核心价值；能否主动取舍优先级。\n\n### 技术栈覆盖\n\n技术工具的掌握广度？\n\n观察：宽度（语言、框架、领域）和深度（任一栈能不能讲清原理 / 实现 / 边界）。\n\n## 风险维度（5）\n\n### 稳定性\n\n离职动机、职场脱节、过往跳动频率。\n\n观察：每段经历是否有合理离职理由；近期是否长时间脱节；自述与简历事实是否一致。\n\n### 技术边界\n\n清楚自己会什么、不会什么？\n\n观察：能否主动承认\"这个不熟悉\"；面对新概念是否区分\"了解过 vs 用过 vs 改造过\"。\n\n### 方向偏离\n\n能力结构与岗位核心挑战不匹配。\n\n观察：候选人长项与岗位真正的核心问题是否一致；强能力是否对口；学历 / 经历背景的偏置。\n\n### 团队适配\n\n节奏、文化、协作模式。\n\n观察：偏好独立 vs 团队；适应高压冲刺 vs 稳定流程；与当前团队阶段（冲刺 / 建设 / 维护）的匹配。\n\n### 意愿真实性\n\n对岗位 / 公司 / 方向是否有真实的兴趣和意愿？\n\n观察：是否提前了解公司 / 产品；问\"为什么投这个岗位\"时是否有具体答案；离职原因是否成熟。\n\nFile v1.0.1:evaluation-template.md\n\n# 面试评价模板\n\n**岗位：________________ | 候选人：________________ | 面试官：________________ | 日期：________________**\n\n---\n\n## 综合建议\n\n> **⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐** 进入下一轮\n\n---\n\n## 综合评价\n\n### 优势（2-4 条）\n\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中。\n\n1. _______________________________________________\n\n2. _______________________________________________\n\n3. _______________________________________________\n\n4. _______________________________________________\n\n### 不足（2-4 条）\n\n每条格式：先说能力 / 经验短板判断，再接证据叙述。\n\n5. _______________________________________________\n\n6. _______________________________________________\n\n7. _______________________________________________\n\n8. _______________________________________________\n\n### 风险（1-3 条）\n\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n9. _______________________________________________\n\n10. _______________________________________________\n\n11. _______________________________________________\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：_______________________________________________\n\n□ 进入终面 — 重点验证：_______________________________________________\n\n□ 不推荐 — 原因：_______________________________________________\n\n---\n\n## 评估维度参考（不作为固定框架）\n\n完整定义见 [capability-dimensions.md](capability-dimensions.md)。\n\n- **底层能力**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\nFile v1.0.1:EVOLUTION.md\n\n# Evolution Log — interview-evaluation\n\n## 2026-05-12 — 重构为 Superpowers 风格\n\n- 把原 `06-interview-evaluation.md` 拆分：SKILL.md 只留触发、输出结构、写作规则、自检、反馈回流；\n  - 16 项能力维度独立为 `capability-dimensions.md`。\n  - 常见归因错误独立为 `attribution-errors.md`。\n  - 追问技巧独立为 `probing-techniques.md`。\n  - 空白模板独立为 `evaluation-template.md`。\n  - 完整面评示例独立为 `example-evaluation.md`。\n- 描述字段改为 \"Use when ...\" 触发条件。\n\n## 2026-05-11 — 校招 AI 平台工程师面评校准\n\n- 新增\"表达流畅 ≠ 技术能力强\"\"我负责 ≠ 独立主导\"\"提到新技术 ≠ 探索能力强\"的归因校准规则。\n- 在能力深度验证中新增关键技术替代方案追问：BERT vs 大模型、workflow vs agentic、规则 / 小模型 / 大模型的权衡。\n- 自检清单新增表达 / 技术深度、个人贡献边界、新技术实践深度三项检查。\n- 目标是避免把候选人的表达能力、项目包装能力或概念了解误判为技术深度和探索能力。\n\n## 2026-04-27 — 增加面评文件回传要求\n\n- 在输出规范中新增要求：完成面评后必须落为 `.md` 文件并交付给用户。\n- 自检清单将\"是否发送飞书\"更新为\"是否已将面试评价保存为 Markdown 文件并交付给用户\"。\n- 目的是让技能产出可直接复用、归档，避免只在对话中给出一次性文本。\n\n## 2026-04-16 — 首次面试评价实战补充\n\n- 新增\"简历 PDF 读取方法\"章节，记录 macOS 下 pymupdf 安装路径问题及完整读取命令。\n- 新增\"姓名不一致 → 身份存疑\"的归因类型到常见归因错误表。\n\nFile v1.0.1:example-evaluation.md\n\n# 完整面评示例\n\n> 真实面评的脱敏版本。重点看 1）能力判断如何融入叙述、2）归因怎么写准、3）下一步建议怎么具体化。\n\n**岗位：AI 产品经理（舆情方向）| 候选人：候选人 A | 日期：2026-04**\n\n---\n\n## 综合建议\n\n> **⭐⭐ 推荐进入下一轮（终面 / HR 面）**\n\n---\n\n## 综合评价\n\n### 优势\n\n1. 有钻研精神和产品判断力。主动识别 AI 生成内容\"网感差、数据下降\"问题，提出 IP 化 → 系列化生产替代单条从零生成，对内容连续性和用户认知有清晰判断。\n\n2. 工程落地能力扎实，有从 0 到 1 完整交付经验。主导 AIGC 视频平台选题 → 生成 → 审核 → 发布全链路设计，单条内容成本下降约 2/3、生产周期缩短约 3/4、运营数十至上百个账号矩阵，有具体业务指标支撑。\n\n3. 自信、逻辑清晰、表达能力强。主导 Prompt 设计与调优，搭建了一套多维度的选题评估框架（覆盖热度、转化、适配性、合规等多个维度），能说清调优维度，讲解有条理；面对多轮追问始终保持镇定，能用简洁语言把复杂链路讲清楚。\n\n4. 自驱力强，学习速度快。离职期间独立用 AI 工具开发了一个个人小产品，有完整从想法到可交互 demo 的执行记录；主动关注 AI 产品动态，持续跟踪行业变化。\n\n### 不足\n\n5. 简历有不实成分。简历写\"参与模型 SFT 微调\"，但面试中追问时她直接承认\"没有对模型本身进行微调，更多是在工程化和提示词上\"——简历描述与实际参与深度不符，存在夸大。\n\n6. 自我认知有偏差，全链路主导但局部细节掌握不扎实。追问素材库切片处理时混淆\"标签\"和\"切片\"概念，对素材库规模回答\"不太清楚\"，视频编辑器开发方式绕了一圈才答出。\n\n7. 面试准备不充分，行动力和意愿存疑。对舆情方向的理解停留在\"多模态可以分析图片视频\"，未提前了解用人公司的产品，对该方向的认知有明显空白——既可能是准备不足，也可能是对岗位意愿不够强烈。\n\n### 风险\n\n8. 方向偏离风险：平台\"数据反馈还没接上，目前只能靠人工看数据\"，但把粉丝量级、获客数量作为核心成果汇报，缺少数据闭环验证——□ 稳定性 □ 技术边界 ■ 方向偏离 □ 团队适配\n\n9. 稳定性待观察：最近一段工作实际不满一年因公司经济性裁员离职，每次换工作均有外部原因，长期稳定性需持续观察——■ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：① 数据真实性：粉丝量级 / 获客数据的拆解和验证机制；② 舆情方向的认知：能否快速补齐知识短板；③ 在算法团队支撑有限的情况下如何做好 AI 产品规划。\n\n□ 进入终面\n\n□ 不推荐\n\n---\n\n## 写作要点说明\n\n- **第 3 条**展示了\"自信 + 逻辑清晰 + 表达能力强\"三个能力合并为一条，因为证据都指向同一个行为：面对追问保持镇定、能讲清楚复杂链路。\n- **第 5 条归因准确**：模型微调是工程师的活，产品经理不参与是正常的，所以归因为\"简历夸大\"而非\"钻研精神弱\"。\n- **第 7 条归因准确**：对岗位不了解未做功课，归因为\"面试准备不充分 / 意愿存疑\"，不是\"学习速度慢\"。\n- **风险条目用 ■ / □ 框选风险类型**，方便用人经理快速定位关注点。\n- **下一步建议具体**：不写\"建议加强了解\"，而是写\"重点验证粉丝量级 / 获客数据的拆解和验证机制\"，落到能在二面问出来的具体问题。\n\nFile v1.0.1:probing-techniques.md\n\n# 面试追问技巧\n\n## 1. 真实性验证（最重要）\n\n判断\"是不是真的做过\"，区分主导 vs 参与。\n\n- **追问细节**：具体数字怎么得出的？项目分工是什么？你负责哪部分？\n- **追问决策**：遇到困难时你怎么解决的？为什么这样设计？\n- **追问边界**：这块是你主导还是参与？你在其中起到什么作用？\n\n**信号**：\n\n- 能流畅回答细节 → 大概率真实参与。\n- 答不上来或绕 → 参与深度有限或非主导。\n- 多轮追问后才挤出细节 → 边界模糊，需要继续核实。\n\n## 2. 能力深度验证\n\n判断\"做到什么深度\"，区分了解 vs 真懂。\n\n### 钻研精神\n\n追问\"你对这个问题的理解深度\"——能说清问题背景 → 方法选择 → 局限性 → 真正钻研过。\n\n### 学习速度\n\n问\"你最近在学什么 / 做什么\"——有具体行动 → 有学习意愿；答不上来 → 存疑。\n\n### 自我认知\n\n问\"你觉得这个项目的最大挑战是什么？你怎么解决的？你觉得哪里做得不够好？\"——能说不足 → 有自我认知；回避不足 → 自我认知偏弱。\n\n### 表达沟通\n\n看能否把专业内容讲给外行听懂；追问时是否回避、有条理。\n\n### 技术深度\n\n对候选人讲得很完整的项目，**必须追问一个关键技术选择的替代方案**，例如：\n\n- \"为什么不用大模型直接做？\"\n- \"为什么用 BERT / 规则 / 工作流？\"\n- \"如果换成纯小模型 + 规则，效果会怎样？\"\n\n看其是否能讲清数据、指标、成本、延迟、失败案例和权衡。\n\n### 新技术探索\n\n**不要**因候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词就加分。必须追问：\n\n- 是否实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案？\n\n承认\"看过但没深度用过\"时，把探索能力评价下调。\n\n## 3. 风险验证\n\n判断\"录用后是否稳\"，识别稳定性 / 意愿 / 适配风险。\n\n### 稳定性\n\n直接问离职原因，看逻辑链是否自洽：\n\n- 上一份工作为什么离开？\n- 上上份呢？\n- 这些离职原因之间有没有共同模式？\n\n### 意愿真实性\n\n- \"你对 [产品 / 公司] 的理解是什么？\"\n- \"你为什么投这个岗位？\"\n- \"你希望解决什么问题？\"\n\n如果候选人没做过最基础的功课，归因为\"面试准备不充分 / 意愿存疑\"。\n\n### 团队适配\n\n- \"你更习惯独立工作还是团队协作？\"\n- \"你理想的团队节奏是什么样的？\"\n- \"你最不喜欢和什么样的人共事？\"\n\n注意区分候选人的\"声称偏好\"和\"真实经历\"——看过往项目中实际承担的角色。\n\n## 校招 10 分钟视频面试节奏\n\n1/4/3/1.5/0.5 分钟：\n\n- **1 分钟**：自我介绍 / 破冰。\n- **4 分钟**：核心项目深挖（数据 / 指标 / 决策 / 个人贡献）。\n- **3 分钟**：场景题 / 拆解题。\n- **1.5 分钟**：动机 / 稳定性 / 岗位认知。\n- **0.5 分钟**：快速评分。\n\n## 准备阶段：用筛选输出生成追问\n\n从 [[resume-screening]] 的个人评估卡里：\n\n- 🔴 疑点 → 必问追问。\n- 风险提示 → 设计 1 个针对性问题。\n- \"面试必问题（Top 3）\" → 直接进入面试问题清单。\n- 五维评分低于 ★★★ 的维度 → 设计现场验证问题。\n\n## 现场判断：强 / 弱信号\n\n把 [capability-dimensions.md](capability-dimensions.md) 中的强 / 弱信号打印或抄写在面试官面前，便于实时勾选。\n\nArchive v1.0.0: 8 files, 15408 bytes\n\nFiles: attribution-errors.md (4388b), capability-dimensions.md (3886b), evaluation-template.md (1906b), EVOLUTION.md (1729b), example-evaluation.md (3744b), probing-techniques.md (3515b), SKILL.md (8633b), _meta.json (139b)\n\nFile v1.0.0:SKILL.md\n\n---\nname: interview-evaluation\ndescription: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写写成面评、根据这份面试转写帮我写面试评价、给候选人写录用建议、判断候选人是否进入下一轮、按用人单位视角写面评 等。\n---\n\n# 面试评价\n\n## Overview\n\n根据面试录音转写、视频记录或面试官笔记，撰写**结构化、可直接用于用人决策**的面试评价。\n\n**Core principle: 面试是筛选\"能力合适\"的候选人，而非\"经验匹配\"的候选人。**\n\n- 简历写的是\"做过什么\"，面试要验证\"是不是真的做过\"\"做到什么深度\"\"下次遇到会不会\"。\n- 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。\n- 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。\n- 面试能可靠考察的能力中，**逻辑性最可靠**，其他能力容易被表演，需要深挖细节验证。\n\n## When to Use\n\n- 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。\n- 用户要求\"判断候选人是否进入下一轮 / 终面 / 录用\"。\n- 用户要求\"按用人单位视角写面评\"，而不是顾问报告。\n- 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。\n\n## Output Structure（严格遵循）\n\n```markdown\n## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：...\n```\n\n空白模板见 [evaluation-template.md](evaluation-template.md)。完整示例见 [example-evaluation.md](example-evaluation.md)。\n\n## Writing Rules\n\n1. **用人单位视角**：直接输出内部面评结论（\"建议进入下一轮\"\"不建议继续推进\"\"不满足我们当前预期\"），不要写成第三方顾问式建议。\n2. **避免条件化、顾问式表达**：不要使用\"更准确地说\"\"如果团队当前更需要…那么…\"\"可以保留观察\"这类外部视角措辞，除非用户明确要求顾问报告。\n3. **优势 / 不足每条只描述一件事**，不要把多件事揉在一起。\n4. **证据为能力判断服务**：证据要有具体行为，而非泛泛描述。\n5. **能力名称直接出现在句首或句中**，不加括号标注，不单独列维度。\n6. **描述具体可感**，避免\"有一定经验\"\"表现出色\"等模糊表达。\n7. **不足的归因必须准确**：把\"经验不匹配\"\"岗位不要求的能力\"和\"真正的能力短板\"分清。详见 [attribution-errors.md](attribution-errors.md)。\n\n## Capability Dimensions\n\n候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：\n\n- **底层能力（6）**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度（5）**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度（5）**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\n完整定义、行为信号和打分提示见 [capability-dimensions.md](capability-dimensions.md)。\n\n## Probing Techniques\n\n面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 [probing-techniques.md](probing-techniques.md)。\n\n关键提醒：\n\n- **真实性验证最重要**：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。\n- **技术深度 ≠ 表达流畅**：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。\n- **新概念 ≠ 探索能力强**：必须核实是否实际读过源码、跑过 demo、改造过旧系统。\n\n## Anti-Patterns\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实 |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离 |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据 / 测试团队边界 |\n| 提到新框架 / 新概念 → 探索能力强 | → 需核实是否实际读源码、跑 demo、改造旧系统 |\n\n完整列表见 [attribution-errors.md](attribution-errors.md)。\n\n## Pre-Output Discipline\n\n- **必须先读完整转写 / 记录**，再判断，不只根据简历印象。\n- **批量面试转写姓名误识别风险**：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到\"昨天那批名单 / 按名字匹配\"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加\"姓名匹配说明\"表。**正式报告中不要出现姓名匹配过程**。\n- **PDF 简历提取**：见 [[resume-screening]] 的 `pdf-extraction.md`。\n\n## Output Discipline\n\n- Markdown 格式，中文输出。\n- 每条优势 / 不足不加\"体现：XXX\"括号标注，能力直接融入叙述。\n- 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。\n- 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。\n- 下一步建议要具体，\"重点验证：xxx\"要写清楚验证什么。\n- 完成面评后**必须落为 `.md` 文件并交付给用户**（保存到本地或发送到对话），不要只在回复中给出一次性文本。\n- **正式报告只保留评价内容**：综合建议、优势、不足、风险、下一步。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。\n\n## Self-Check\n\n输出前逐项确认：\n\n- [ ] 简历 PDF 是否已正确提取？\n- [ ] 面试转写文字是否完整阅读？\n- [ ] 优势 2-4 条，每条先说能力再接证据？\n- [ ] 不足 2-4 条，归因是否准确（产品不该背工程的锅）？\n- [ ] 风险标注了类型？\n- [ ] 下一步建议是否具体？\n- [ ] 没有\"体现：XXX\"类型括号标注？\n- [ ] 把\"表达好\"与\"技术深度强\"分开？\n- [ ] 核实了候选人个人贡献边界，没有把\"我负责\"默认成\"独立主导\"？\n- [ ] 把\"提到新技术\"与\"真实探索 / 实践\"分开？\n- [ ] 已将面试评价保存为 Markdown 文件并交付给用户？\n- [ ] 正式报告里没有姓名匹配、修订说明、工具执行痕迹？\n\n## Feedback Loop\n\n每次完成面评后主动询问用户：\n\n1. 评价是否准确？哪些地方评高了 / 评低了？后续面试 / 共事结果是否验证了判断？\n2. 是否有遗漏的能力维度？哪些维度过度关注，哪些被忽略？\n3. 归因是否准确？有没有新的常见归因错误？\n4. 追问技巧是否有效？哪些追问挖出了有效信息，哪些是无效问题？\n\n| 反馈类型 | 更新内容 |\n| --- | --- |\n| 评价偏差 | 在 EVOLUTION.md 记录预测命中率，形成校准数据 |\n| 归因错误 | 补充到 [attribution-errors.md](attribution-errors.md) |\n| 追问无效 | 优化 [probing-techniques.md](probing-techniques.md) |\n| 维度缺失 | 补充到 [capability-dimensions.md](capability-dimensions.md) |\n| 新发现 | 记录到 [EVOLUTION.md](EVOLUTION.md) |\n\n## See Also\n\n- [capability-dimensions.md](capability-dimensions.md) — 16 个能力维度的定义。\n- [attribution-errors.md](attribution-errors.md) — 常见归因错误对照。\n- [probing-techniques.md](probing-techniques.md) — 真实性 / 深度 / 风险 3 类追问技巧。\n- [evaluation-template.md](evaluation-template.md) — 空白面评模板。\n- [example-evaluation.md](example-evaluation.md) — 完整面评示例（含写作要点说明）。\n- [EVOLUTION.md](EVOLUTION.md) — 演化日志。\n- 总控流程：[[recruiting-skillset]]；简历筛选：[[resume-screening]]。\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn71016gfqv0mwvysq1h2adhqd82bt5s\",\n  \"slug\": \"interview-evaluation\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1778752291019\n}\n\nFile v1.0.0:attribution-errors.md\n\n# 常见归因错误对照\n\n面评的核心难点不是写不出来，而是**归因写错**——把\"经验不匹配\"当成\"能力不合适\"，或者把\"表达好\"当成\"能力强\"。\n\n## 错误归因 → 正确归因\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实（模型微调是工程师的活，产品经理不擅长是正常的） |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离（学习速度要看主动做功课的证据，不是看是否做过该行业） |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题，不愿意承认没参与） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度必须看关键追问下能否讲清实现细节、指标、badcase 和方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据团队、测试团队的参与边界，区分独立决策、方案调研、编码实现和协作交付 |\n| 能提到新框架 / 新概念 → 探索能力强 | → 需看是否实际读过源码、跑过 demo、改造过旧系统；只\"看到过但没深度用过\"应降级为概念了解 |\n| 候选人与简历姓名不一致 → 学习能力差 | → 身份存疑，需核实（可能是转写姓名误识别、可能是候选人代面） |\n| 对岗位不了解未做功课 → 学习速度慢 | → 面试准备不充分 / 意愿存疑 |\n\n## 表达能力 vs 技术深度\n\n候选人讲项目流畅、链路完整、有 PPT 感 → 只能说明**表达能力强**，不能直接推论技术能力强。\n\n要判断技术深度，必须追问：\n\n- **替代方案**：为什么不用大模型直接做？为什么用 BERT / 规则 / 工作流？\n- **数据**：这个项目的数据规模、清洗逻辑、标注质量？\n- **指标**：用什么指标评估？基线是什么？\n- **失败案例**：badcase 是什么？怎么处理？\n- **权衡**：成本、延迟、稳定性、可解释性之间怎么取舍？\n\n如果候选人在关键追问下**讲不清实现细节、指标、badcase、权衡**，技术深度判断应明确写\"技术深度不足 / 不推荐\"，**即使简历堆了 SpringCloud、K8s、RAG、LoRA 等关键词**。\n\n## 个人贡献 vs 团队成果\n\n候选人说\"我负责\"\"我设计\"时，要核实：\n\n- 是否有 mentor / 正式员工把关方案？\n- 数据团队 / 测试团队 / 算法团队是否参与？\n- 候选人在其中独立决策 vs 方案调研 vs 编码实现 vs 协作交付的边界是什么？\n\n如果不能区分边界，默认按\"参与\"处理，**不要**默认成\"独立主导\"。\n\n## 新概念 vs 实际探索\n\n候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词时，**不要**直接加分。必须追问是否：\n\n- 实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案 / 文档 / 复盘？\n\n承认\"看过但没深度用过\"时，应把**探索能力评价下调**，不应该把概念了解写成探索能力强。\n\n## AI Coding 经验\n\n评价 AI Coding 经验时要区分\"会用工具\"和\"有工程化方法论\"：\n\n- 仅能描述 Codex / Cursor 生成 plan、分步执行、本地联调 → 工具使用熟练。\n- 强信号应包括：规范化上下文 / skill、自动化测试、代码审查清单、失败复盘、质量门禁、可复用工作流。\n\n只有上面这些工程化方法论的证据，才能写\"AI 工程化能力强\"。\n\n## 技术岗的\"基础题\"判断\n\n技术岗面评要敢基于核心基础问题下判断：网络链路、部署架构、JVM/OOM、线上排障等基础问题回答明显偏浅时，**即使简历堆满 SpringCloud / K8s / RAG / LoRA 等关键词**，也应明确写为\"技术深度不足 / 不推荐\"，避免被关键词光环带偏。\n\n## 姓名 / 身份类\n\n| 现象 | 应归因 |\n| --- | --- |\n| 候选人面试时自称姓名与简历不一致 | 身份存疑，需核实（不是能力问题） |\n| 批量面试转写中候选人有多个称呼（昵称、口误） | 转写噪声，需用历史会话与本地简历核对正式姓名 |\n| 候选人在转写中明显照念准备好的稿子 | 表达 / 真实性存疑，需结合追问观察 |\n\nFile v1.0.0:capability-dimensions.md\n\n# 能力维度参考（16 项）\n\n不作为固定框架——能力和经验揉进优势 / 不足 / 风险的具体描述中。\n\n## 底层能力（6）\n\n### 钻研精神\n\n遇到困难是放弃还是死磕？有没有主动深挖问题的行为？\n\n强信号：能讲清问题背景 → 方法选择 → 局限性；会复盘失败案例；对一个问题能讲出多层细节。\n\n弱信号：第一层追问就讲不清；不主动展开细节；把责任推给\"团队 / 数据 / 时间\"。\n\n### 学习速度\n\n面对新领域能多快建立认知框架？有没有主动做功课的证据？\n\n强信号：能讲出最近一次\"从 0 到能用\"的学习路径；主动看源码 / 跑 demo / 写笔记。\n\n弱信号：对新技术只停留在\"听说过 / 看到过\"；问最近学了什么答不上来。\n\n### 逻辑性（最可靠）\n\n追问时逻辑链是否能延续？能否有条理地拆解问题？\n\n强信号：多轮追问能保持一致；能识别问题假设；遇到新场景能在 1-2 分钟内给出拆解。\n\n弱信号：被追问后前后矛盾；答非所问；只能复述已经讲过的内容。\n\n### 自我认知\n\n是否清楚自己的边界？能否主动说\"这个我不懂\"？\n\n强信号：能主动说不足；区分\"自己负责的\"和\"团队配合的\"；能讲出哪里做得不好。\n\n弱信号：什么都说自己做过；回避\"哪里做得不够好\"；把团队成果默认成个人成果。\n\n### 表达沟通\n\n能否把复杂问题讲清楚？能否接住追问？\n\n强信号：可以把专业内容讲给外行听；追问时不绕、有条理；能用简洁语言概括复杂链路。\n\n弱信号：使用大量术语但讲不清原理；被追问时打太极；语言节奏失控。\n\n> ⚠️ 表达流畅 ≠ 技术深度强。详见 [attribution-errors.md](attribution-errors.md)。\n\n### 自驱力\n\n没有外部压力时会主动做什么？离职期间有无可验证的探索行为？\n\n强信号：离职期间有独立项目 / 开源 / 内容产出；近一年有主动跨界尝试。\n\n弱信号：长期处于\"等任务\"状态；离职期间无任何可证伪的行为。\n\n## 经验维度（5）\n\n### 领域 context 理解\n\n对目标赛道是否有基础认知？\n\n观察：能讲清行业 / 用户 / 主要玩家 / 核心问题。\n\n### 产品场景匹配度\n\n与当前产品方向的关联程度？\n\n观察：能不能讲出该产品的典型场景、关键挑战、用户价值。\n\n### 工程落地深度\n\n端到端交付能力？\n\n观察：日志、监控、回滚、上线、稳定性、问题定位经验是否扎实。\n\n### 产品 sense\n\n对用户需求的直觉和判断力？\n\n观察：在面对开放问题时，能否快速识别用户 / 业务核心价值；能否主动取舍优先级。\n\n### 技术栈覆盖\n\n技术工具的掌握广度？\n\n观察：宽度（语言、框架、领域）和深度（任一栈能不能讲清原理 / 实现 / 边界）。\n\n## 风险维度（5）\n\n### 稳定性\n\n离职动机、职场脱节、过往跳动频率。\n\n观察：每段经历是否有合理离职理由；近期是否长时间脱节；自述与简历事实是否一致。\n\n### 技术边界\n\n清楚自己会什么、不会什么？\n\n观察：能否主动承认\"这个不熟悉\"；面对新概念是否区分\"了解过 vs 用过 vs 改造过\"。\n\n### 方向偏离\n\n能力结构与岗位核心挑战不匹配。\n\n观察：候选人长项与岗位真正的核心问题是否一致；强能力是否对口；学历 / 经历背景的偏置。\n\n### 团队适配\n\n节奏、文化、协作模式。\n\n观察：偏好独立 vs 团队；适应高压冲刺 vs 稳定流程；与当前团队阶段（冲刺 / 建设 / 维护）的匹配。\n\n### 意愿真实性\n\n对岗位 / 公司 / 方向是否有真实的兴趣和意愿？\n\n观察：是否提前了解公司 / 产品；问\"为什么投这个岗位\"时是否有具体答案；离职原因是否成熟。\n\nFile v1.0.0:evaluation-template.md\n\n# 面试评价模板\n\n**岗位：________________ | 候选人：________________ | 面试官：________________ | 日期：________________**\n\n---\n\n## 综合建议\n\n> **⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐** 进入下一轮\n\n---\n\n## 综合评价\n\n### 优势（2-4 条）\n\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中。\n\n1. _______________________________________________\n\n2. _______________________________________________\n\n3. _______________________________________________\n\n4. _______________________________________________\n\n### 不足（2-4 条）\n\n每条格式：先说能力 / 经验短板判断，再接证据叙述。\n\n5. _______________________________________________\n\n6. _______________________________________________\n\n7. _______________________________________________\n\n8. _______________________________________________\n\n### 风险（1-3 条）\n\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n9. _______________________________________________\n\n10. _______________________________________________\n\n11. _______________________________________________\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：_______________________________________________\n\n□ 进入终面 — 重点验证：_______________________________________________\n\n□ 不推荐 — 原因：_______________________________________________\n\n---\n\n## 评估维度参考（不作为固定框架）\n\n完整定义见 [capability-dimensions.md](capability-dimensions.md)。\n\n- **底层能力**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\nFile v1.0.0:EVOLUTION.md\n\n# Evolution Log — interview-evaluation\n\n## 2026-05-12 — 重构为 Superpowers 风格\n\n- 把原 `06-interview-evaluation.md` 拆分：SKILL.md 只留触发、输出结构、写作规则、自检、反馈回流；\n  - 16 项能力维度独立为 `capability-dimensions.md`。\n  - 常见归因错误独立为 `attribution-errors.md`。\n  - 追问技巧独立为 `probing-techniques.md`。\n  - 空白模板独立为 `evaluation-template.md`。\n  - 完整面评示例独立为 `example-evaluation.md`。\n- 描述字段改为 \"Use when ...\" 触发条件。\n\n## 2026-05-11 — 校招 AI 平台工程师面评校准\n\n- 新增\"表达流畅 ≠ 技术能力强\"\"我负责 ≠ 独立主导\"\"提到新技术 ≠ 探索能力强\"的归因校准规则。\n- 在能力深度验证中新增关键技术替代方案追问：BERT vs 大模型、workflow vs agentic、规则 / 小模型 / 大模型的权衡。\n- 自检清单新增表达 / 技术深度、个人贡献边界、新技术实践深度三项检查。\n- 目标是避免把候选人的表达能力、项目包装能力或概念了解误判为技术深度和探索能力。\n\n## 2026-04-27 — 增加面评文件回传要求\n\n- 在输出规范中新增要求：完成面评后必须落为 `.md` 文件并交付给用户。\n- 自检清单将\"是否发送飞书\"更新为\"是否已将面试评价保存为 Markdown 文件并交付给用户\"。\n- 目的是让技能产出可直接复用、归档，避免只在对话中给出一次性文本。\n\n## 2026-04-16 — 首次面试评价实战补充\n\n- 新增\"简历 PDF 读取方法\"章节，记录 macOS 下 pymupdf 安装路径问题及完整读取命令。\n- 新增\"姓名不一致 → 身份存疑\"的归因类型到常见归因错误表。\n\nFile v1.0.0:example-evaluation.md\n\n# 完整面评示例\n\n> 真实面评的脱敏版本。重点看 1）能力判断如何融入叙述、2）归因怎么写准、3）下一步建议怎么具体化。\n\n**岗位：AI 产品经理（舆情方向）| 候选人：候选人 A | 日期：2026-04**\n\n---\n\n## 综合建议\n\n> **⭐⭐ 推荐进入下一轮（终面 / HR 面）**\n\n---\n\n## 综合评价\n\n### 优势\n\n1. 有钻研精神和产品判断力。主动识别 AI 生成内容\"网感差、数据下降\"问题，提出 IP 化 → 系列化生产替代单条从零生成，对内容连续性和用户认知有清晰判断。\n\n2. 工程落地能力扎实，有从 0 到 1 完整交付经验。主导 AIGC 视频平台选题 → 生成 → 审核 → 发布全链路设计，单条内容成本下降约 2/3、生产周期缩短约 3/4、运营数十至上百个账号矩阵，有具体业务指标支撑。\n\n3. 自信、逻辑清晰、表达能力强。主导 Prompt 设计与调优，搭建了一套多维度的选题评估框架（覆盖热度、转化、适配性、合规等多个维度），能说清调优维度，讲解有条理；面对多轮追问始终保持镇定，能用简洁语言把复杂链路讲清楚。\n\n4. 自驱力强，学习速度快。离职期间独立用 AI 工具开发了一个个人小产品，有完整从想法到可交互 demo 的执行记录；主动关注 AI 产品动态，持续跟踪行业变化。\n\n### 不足\n\n5. 简历有不实成分。简历写\"参与模型 SFT 微调\"，但面试中追问时她直接承认\"没有对模型本身进行微调，更多是在工程化和提示词上\"——简历描述与实际参与深度不符，存在夸大。\n\n6. 自我认知有偏差，全链路主导但局部细节掌握不扎实。追问素材库切片处理时混淆\"标签\"和\"切片\"概念，对素材库规模回答\"不太清楚\"，视频编辑器开发方式绕了一圈才答出。\n\n7. 面试准备不充分，行动力和意愿存疑。对舆情方向的理解停留在\"多模态可以分析图片视频\"，未提前了解用人公司的产品，对该方向的认知有明显空白——既可能是准备不足，也可能是对岗位意愿不够强烈。\n\n### 风险\n\n8. 方向偏离风险：平台\"数据反馈还没接上，目前只能靠人工看数据\"，但把粉丝量级、获客数量作为核心成果汇报，缺少数据闭环验证——□ 稳定性 □ 技术边界 ■ 方向偏离 □ 团队适配\n\n9. 稳定性待观察：最近一段工作实际不满一年因公司经济性裁员离职，每次换工作均有外部原因，长期稳定性需持续观察——■ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：① 数据真实性：粉丝量级 / 获客数据的拆解和验证机制；② 舆情方向的认知：能否快速补齐知识短板；③ 在算法团队支撑有限的情况下如何做好 AI 产品规划。\n\n□ 进入终面\n\n□ 不推荐\n\n---\n\n## 写作要点说明\n\n- **第 3 条**展示了\"自信 + 逻辑清晰 + 表达能力强\"三个能力合并为一条，因为证据都指向同一个行为：面对追问保持镇定、能讲清楚复杂链路。\n- **第 5 条归因准确**：模型微调是工程师的活，产品经理不参与是正常的，所以归因为\"简历夸大\"而非\"钻研精神弱\"。\n- **第 7 条归因准确**：对岗位不了解未做功课，归因为\"面试准备不充分 / 意愿存疑\"，不是\"学习速度慢\"。\n- **风险条目用 ■ / □ 框选风险类型**，方便用人经理快速定位关注点。\n- **下一步建议具体**：不写\"建议加强了解\"，而是写\"重点验证粉丝量级 / 获客数据的拆解和验证机制\"，落到能在二面问出来的具体问题。\n\nFile v1.0.0:probing-techniques.md\n\n# 面试追问技巧\n\n## 1. 真实性验证（最重要）\n\n判断\"是不是真的做过\"，区分主导 vs 参与。\n\n- **追问细节**：具体数字怎么得出的？项目分工是什么？你负责哪部分？\n- **追问决策**：遇到困难时你怎么解决的？为什么这样设计？\n- **追问边界**：这块是你主导还是参与？你在其中起到什么作用？\n\n**信号**：\n\n- 能流畅回答细节 → 大概率真实参与。\n- 答不上来或绕 → 参与深度有限或非主导。\n- 多轮追问后才挤出细节 → 边界模糊，需要继续核实。\n\n## 2. 能力深度验证\n\n判断\"做到什么深度\"，区分了解 vs 真懂。\n\n### 钻研精神\n\n追问\"你对这个问题的理解深度\"——能说清问题背景 → 方法选择 → 局限性 → 真正钻研过。\n\n### 学习速度\n\n问\"你最近在学什么 / 做什么\"——有具体行动 → 有学习意愿；答不上来 → 存疑。\n\n### 自我认知\n\n问\"你觉得这个项目的最大挑战是什么？你怎么解决的？你觉得哪里做得不够好？\"——能说不足 → 有自我认知；回避不足 → 自我认知偏弱。\n\n### 表达沟通\n\n看能否把专业内容讲给外行听懂；追问时是否回避、有条理。\n\n### 技术深度\n\n对候选人讲得很完整的项目，**必须追问一个关键技术选择的替代方案**，例如：\n\n- \"为什么不用大模型直接做？\"\n- \"为什么用 BERT / 规则 / 工作流？\"\n- \"如果换成纯小模型 + 规则，效果会怎样？\"\n\n看其是否能讲清数据、指标、成本、延迟、失败案例和权衡。\n\n### 新技术探索\n\n**不要**因候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词就加分。必须追问：\n\n- 是否实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案？\n\n承认\"看过但没深度用过\"时，把探索能力评价下调。\n\n## 3. 风险验证\n\n判断\"录用后是否稳\"，识别稳定性 / 意愿 / 适配风险。\n\n### 稳定性\n\n直接问离职原因，看逻辑链是否自洽：\n\n- 上一份工作为什么离开？\n- 上上份呢？\n- 这些离职原因之间有没有共同模式？\n\n### 意愿真实性\n\n- \"你对 [产品 / 公司] 的理解是什么？\"\n- \"你为什么投这个岗位？\"\n- \"你希望解决什么问题？\"\n\n如果候选人没做过最基础的功课，归因为\"面试准备不充分 / 意愿存疑\"。\n\n### 团队适配\n\n- \"你更习惯独立工作还是团队协作？\"\n- \"你理想的团队节奏是什么样的？\"\n- \"你最不喜欢和什么样的人共事？\"\n\n注意区分候选人的\"声称偏好\"和\"真实经历\"——看过往项目中实际承担的角色。\n\n## 校招 10 分钟视频面试节奏\n\n1/4/3/1.5/0.5 分钟：\n\n- **1 分钟**：自我介绍 / 破冰。\n- **4 分钟**：核心项目深挖（数据 / 指标 / 决策 / 个人贡献）。\n- **3 分钟**：场景题 / 拆解题。\n- **1.5 分钟**：动机 / 稳定性 / 岗位认知。\n- **0.5 分钟**：快速评分。\n\n## 准备阶段：用筛选输出生成追问\n\n从 [[resume-screening]] 的个人评估卡里：\n\n- 🔴 疑点 → 必问追问。\n- 风险提示 → 设计 1 个针对性问题。\n- \"面试必问题（Top 3）\" → 直接进入面试问题清单。\n- 五维评分低于 ★★★ 的维度 → 设计现场验证问题。\n\n## 现场判断：强 / 弱信号\n\n把 [capability-dimensions.md](capability-dimensions.md) 中的强 / 弱信号打印或抄写在面试官面前，便于实时勾选。","readmeExcerpt":"Skill: Interview Evaluation Owner: soulzhong Summary: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写... Tags: latest:1.0.3 Version history: v1.0.3 | 2026-05-27T13:36:36.200Z | auto - Version metadata removed from SKILL.md for clarity (was previously version: 0.1.0). - No changes to instructions, workflow, or","codeSnippets":[],"executableExamples":[{"language":"markdown","snippet":"## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：..."},{"language":"markdown","snippet":"## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：..."},{"language":"markdown","snippet":"## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：..."},{"language":"markdown","snippet":"## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：..."}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: interview-evaluation\ndescription: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写写成面评、根据这份面试转写帮我写面试评价、给候选人写录用建议、判断候选人是否进入下一轮、按用人单位视角写面评 等。\n---\n\n# 面试评价\n\n## Overview\n\n根据面试录音转写、视频记录或面试官笔记，撰写**结构化、可直接用于用人决策**的面试评价。\n\n**Core principle: 面试是筛选\"能力合适\"的候选人，而非\"经验匹配\"的候选人。**\n\n- 简历写的是\"做过什么\"，面试要验证\"是不是真的做过\"\"做到什么深度\"\"下次遇到会不会\"。\n- 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。\n- 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。\n- 面试能可靠考察的能力中，**逻辑性最可靠**，其他能力容易被表演，需要深挖细节验证。\n\n## When to Use\n\n- 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。\n- 用户要求\"判断候选人是否进入下一轮 / 终面 / 录用\"。\n- 用户要求\"按用人单位视角写面评\"，而不是顾问报告。\n- 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。\n\n## Output Structure（严格遵循）\n\n```markdown\n## 综合建议\n> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮\n\n## 综合评价\n\n### 优势（2-4 条）\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。\n\n### 不足（2-4 条）\n同上，反映能力短板或经验缺口。\n\n### 风险（1-3 条）\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n## 下一步建议\n□ 进入二面 — 重点验证：...\n□ 进入终面 — 重点验证：...\n□ 不推荐 — 原因：...\n```\n\n空白模板见 [evaluation-template.md](evaluation-template.md)。完整示例见 [example-evaluation.md](example-evaluation.md)。\n\n## Writing Rules\n\n1. **用人单位视角**：直接输出内部面评结论（\"建议进入下一轮\"\"不建议继续推进\"\"不满足我们当前预期\"），不要写成第三方顾问式建议。\n2. **避免条件化、顾问式表达**：不要使用\"更准确地说\"\"如果团队当前更需要…那么…\"\"可以保留观察\"这类外部视角措辞，除非用户明确要求顾问报告。\n3. **优势 / 不足每条只描述一件事**，不要把多件事揉在一起。\n4. **证据为能力判断服务**：证据要有具体行为，而非泛泛描述。\n5. **能力名称直接出现在句首或句中**，不加括号标注，不单独列维度。\n6. **描述具体可感**，避免\"有一定经验\"\"表现出色\"等模糊表达。\n7. **不足的归因必须准确**：把\"经验不匹配\"\"岗位不要求的能力\"和\"真正的能力短板\"分清。详见 [attribution-errors.md](attribution-errors.md)。\n\n## Capability Dimensions\n\n候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：\n\n- **底层能力（6）**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度（5）**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度（5）**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。\n\n完整定义、行为信号和打分提示见 [capability-dimensions.md](capability-dimensions.md)。\n\n## Probing Techniques\n\n面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 [probing-techniques.md](probing-techniques.md)。\n\n关键提醒：\n\n- **真实性验证最重要**：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。\n- **技术深度 ≠ 表达流畅**：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。\n- **新概念 ≠ 探索能力强**：必须核实是否实际读过源码、跑过 demo、改造过旧系统。\n\n## Anti-Patterns\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实 |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离 |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据 / 测试团队边界 |\n| 提到新框架 / 新概念 → 探索能力强 | → 需核实是否实际读源码、跑 demo、改造旧系统 |\n\n完整列表见 [attribution-errors.md](attribution-errors.md)。\n\n## Pre-Output Discipline\n\n- **必须先读完整转写 / 记录**，再判断，不只根据简历印象。\n- **批量面试转写姓名误识别风险**：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到\"昨天那批名单 / 按名字匹配\"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加\"姓名匹配说明\"表。**正式报告中不要出现姓名匹配过程**。\n- **PDF 简历提取**：见 [[recruiting-resume-screening]] 的 `pdf-extraction.md`。\n\n## Output Discipline\n\n- Markdown 格式，中文输出。\n- 每条优势 / 不足不加\"体现：XXX\"括号标注，能力直接融入叙述。\n- 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。\n- 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。\n- 下一步建议要具体，\"重点验证：xxx\"要写清楚验证什么。\n- 完成面评后**必须落为 `.md` 文件并交付给用户**（保存到本地或发送到对话）"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn71016gfqv0mwvysq1h2adhqd82bt5s\",\n  \"slug\": \"interview-evaluation\",\n  \"version\": \"1.0.3\",\n  \"publishedAt\": 1779888996200\n}"},{"path":"attribution-errors.md","content":"# 常见归因错误对照\n\n面评的核心难点不是写不出来，而是**归因写错**——把\"经验不匹配\"当成\"能力不合适\"，或者把\"表达好\"当成\"能力强\"。\n\n## 错误归因 → 正确归因\n\n| 错误归因 | 正确归因 |\n| --- | --- |\n| 产品经理不深度参与模型微调 → 钻研精神弱 | → 简历夸大 / 不实（模型微调是工程师的活，产品经理不擅长是正常的） |\n| 跨行业没经验 → 学习能力差 | → 面试准备不充分 / 方向偏离（学习速度要看主动做功课的证据，不是看是否做过该行业） |\n| 回答绕 → 逻辑不清 | → 可能是细节参与有限（自我认知问题，不愿意承认没参与） |\n| 说不清楚 → 表达差 | → 可能是没想清楚（钻研 / 认知问题） |\n| 表达流畅、项目链路讲得完整 → 技术能力强 | → 表达能力好；技术深度必须看关键追问下能否讲清实现细节、指标、badcase 和方案权衡 |\n| 说\"我设计 / 我负责\" → 独立主导 | → 需核实 mentor、正式员工、数据团队、测试团队的参与边界，区分独立决策、方案调研、编码实现和协作交付 |\n| 能提到新框架 / 新概念 → 探索能力强 | → 需看是否实际读过源码、跑过 demo、改造过旧系统；只\"看到过但没深度用过\"应降级为概念了解 |\n| 候选人与简历姓名不一致 → 学习能力差 | → 身份存疑，需核实（可能是转写姓名误识别、可能是候选人代面） |\n| 对岗位不了解未做功课 → 学习速度慢 | → 面试准备不充分 / 意愿存疑 |\n\n## 表达能力 vs 技术深度\n\n候选人讲项目流畅、链路完整、有 PPT 感 → 只能说明**表达能力强**，不能直接推论技术能力强。\n\n要判断技术深度，必须追问：\n\n- **替代方案**：为什么不用大模型直接做？为什么用 BERT / 规则 / 工作流？\n- **数据**：这个项目的数据规模、清洗逻辑、标注质量？\n- **指标**：用什么指标评估？基线是什么？\n- **失败案例**：badcase 是什么？怎么处理？\n- **权衡**：成本、延迟、稳定性、可解释性之间怎么取舍？\n\n如果候选人在关键追问下**讲不清实现细节、指标、badcase、权衡**，技术深度判断应明确写\"技术深度不足 / 不推荐\"，**即使简历堆了 SpringCloud、K8s、RAG、LoRA 等关键词**。\n\n## 个人贡献 vs 团队成果\n\n候选人说\"我负责\"\"我设计\"时，要核实：\n\n- 是否有 mentor / 正式员工把关方案？\n- 数据团队 / 测试团队 / 算法团队是否参与？\n- 候选人在其中独立决策 vs 方案调研 vs 编码实现 vs 协作交付的边界是什么？\n\n如果不能区分边界，默认按\"参与\"处理，**不要**默认成\"独立主导\"。\n\n## 新概念 vs 实际探索\n\n候选人提到 Claude Code、OpenHands、LangGraph、Agent Skill、MCP 等新名词时，**不要**直接加分。必须追问是否：\n\n- 实际阅读源码？\n- 跑通过 demo？\n- 改造过旧项目？\n- 形成具体方案 / 文档 / 复盘？\n\n承认\"看过但没深度用过\"时，应把**探索能力评价下调**，不应该把概念了解写成探索能力强。\n\n## AI Coding 经验\n\n评价 AI Coding 经验时要区分\"会用工具\"和\"有工程化方法论\"：\n\n- 仅能描述 Codex / Cursor 生成 plan、分步执行、本地联调 → 工具使用熟练。\n- 强信号应包括：规范化上下文 / skill、自动化测试、代码审查清单、失败复盘、质量门禁、可复用工作流。\n\n只有上面这些工程化方法论的证据，才能写\"AI 工程化能力强\"。\n\n## 技术岗的\"基础题\"判断\n\n技术岗面评要敢基于核心基础问题下判断：网络链路、部署架构、JVM/OOM、线上排障等基础问题回答明显偏浅时，**即使简历堆满 SpringCloud / K8s / RAG / LoRA 等关键词**，也应明确写为\"技术深度不足 / 不推荐\"，避免被关键词光环带偏。\n\n## 姓名 / 身份类\n\n| 现象 | 应归因 |\n| --- | --- |\n| 候选人面试时自称姓名与简历不一致 | 身份存疑，需核实（不是能力问题） |\n| 批量面试转写中候选人有多个称呼（昵称、口误） | 转写噪声，需用历史会话与本地简历核对正式姓名 |\n| 候选人在转写中明显照念准备好的稿子 | 表达 / 真实性存疑，需结合追问观察 |"},{"path":"capability-dimensions.md","content":"# 能力维度参考（16 项）\n\n不作为固定框架——能力和经验揉进优势 / 不足 / 风险的具体描述中。\n\n## 底层能力（6）\n\n### 钻研精神\n\n遇到困难是放弃还是死磕？有没有主动深挖问题的行为？\n\n强信号：能讲清问题背景 → 方法选择 → 局限性；会复盘失败案例；对一个问题能讲出多层细节。\n\n弱信号：第一层追问就讲不清；不主动展开细节；把责任推给\"团队 / 数据 / 时间\"。\n\n### 学习速度\n\n面对新领域能多快建立认知框架？有没有主动做功课的证据？\n\n强信号：能讲出最近一次\"从 0 到能用\"的学习路径；主动看源码 / 跑 demo / 写笔记。\n\n弱信号：对新技术只停留在\"听说过 / 看到过\"；问最近学了什么答不上来。\n\n### 逻辑性（最可靠）\n\n追问时逻辑链是否能延续？能否有条理地拆解问题？\n\n强信号：多轮追问能保持一致；能识别问题假设；遇到新场景能在 1-2 分钟内给出拆解。\n\n弱信号：被追问后前后矛盾；答非所问；只能复述已经讲过的内容。\n\n### 自我认知\n\n是否清楚自己的边界？能否主动说\"这个我不懂\"？\n\n强信号：能主动说不足；区分\"自己负责的\"和\"团队配合的\"；能讲出哪里做得不好。\n\n弱信号：什么都说自己做过；回避\"哪里做得不够好\"；把团队成果默认成个人成果。\n\n### 表达沟通\n\n能否把复杂问题讲清楚？能否接住追问？\n\n强信号：可以把专业内容讲给外行听；追问时不绕、有条理；能用简洁语言概括复杂链路。\n\n弱信号：使用大量术语但讲不清原理；被追问时打太极；语言节奏失控。\n\n> ⚠️ 表达流畅 ≠ 技术深度强。详见 [attribution-errors.md](attribution-errors.md)。\n\n### 自驱力\n\n没有外部压力时会主动做什么？离职期间有无可验证的探索行为？\n\n强信号：离职期间有独立项目 / 开源 / 内容产出；近一年有主动跨界尝试。\n\n弱信号：长期处于\"等任务\"状态；离职期间无任何可证伪的行为。\n\n## 经验维度（5）\n\n### 领域 context 理解\n\n对目标赛道是否有基础认知？\n\n观察：能讲清行业 / 用户 / 主要玩家 / 核心问题。\n\n### 产品场景匹配度\n\n与当前产品方向的关联程度？\n\n观察：能不能讲出该产品的典型场景、关键挑战、用户价值。\n\n### 工程落地深度\n\n端到端交付能力？\n\n观察：日志、监控、回滚、上线、稳定性、问题定位经验是否扎实。\n\n### 产品 sense\n\n对用户需求的直觉和判断力？\n\n观察：在面对开放问题时，能否快速识别用户 / 业务核心价值；能否主动取舍优先级。\n\n### 技术栈覆盖\n\n技术工具的掌握广度？\n\n观察：宽度（语言、框架、领域）和深度（任一栈能不能讲清原理 / 实现 / 边界）。\n\n## 风险维度（5）\n\n### 稳定性\n\n离职动机、职场脱节、过往跳动频率。\n\n观察：每段经历是否有合理离职理由；近期是否长时间脱节；自述与简历事实是否一致。\n\n### 技术边界\n\n清楚自己会什么、不会什么？\n\n观察：能否主动承认\"这个不熟悉\"；面对新概念是否区分\"了解过 vs 用过 vs 改造过\"。\n\n### 方向偏离\n\n能力结构与岗位核心挑战不匹配。\n\n观察：候选人长项与岗位真正的核心问题是否一致；强能力是否对口；学历 / 经历背景的偏置。\n\n### 团队适配\n\n节奏、文化、协作模式。\n\n观察：偏好独立 vs 团队；适应高压冲刺 vs 稳定流程；与当前团队阶段（冲刺 / 建设 / 维护）的匹配。\n\n### 意愿真实性\n\n对岗位 / 公司 / 方向是否有真实的兴趣和意愿？\n\n观察：是否提前了解公司 / 产品；问\"为什么投这个岗位\"时是否有具体答案；离职原因是否成熟。"},{"path":"evaluation-template.md","content":"# 面试评价模板\n\n**岗位：________________ | 候选人：________________ | 面试官：________________ | 日期：________________**\n\n---\n\n## 综合建议\n\n> **⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐** 进入下一轮\n\n---\n\n## 综合评价\n\n### 优势（2-4 条）\n\n每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中。\n\n1. _______________________________________________\n\n2. _______________________________________________\n\n3. _______________________________________________\n\n4. _______________________________________________\n\n### 不足（2-4 条）\n\n每条格式：先说能力 / 经验短板判断，再接证据叙述。\n\n5. _______________________________________________\n\n6. _______________________________________________\n\n7. _______________________________________________\n\n8. _______________________________________________\n\n### 风险（1-3 条）\n\n标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他\n\n9. _______________________________________________\n\n10. _______________________________________________\n\n11. _______________________________________________\n\n---\n\n## 下一步建议\n\n□ 进入二面 — 重点验证：_______________________________________________\n\n□ 进入终面 — 重点验证：_______________________________________________\n\n□ 不推荐 — 原因：_______________________________________________\n\n---\n\n## 评估维度参考（不作为固定框架）\n\n完整定义见 [capability-dimensions.md](capability-dimensions.md)。\n\n- **底层能力**：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。\n- **经验维度**：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。\n- **风险维度**：稳定性、技术边界、方向偏离、团队适配、意愿真实性。"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写... Skill: Interview Evaluation Owner: soulzhong Summary: Use when writing a Chinese-language interview evaluation from interview audio transcripts, video recordings, or interviewer notes. Triggers include 把这段面试录音转写... Tags: latest:1.0.3 Version history: v1.0.3 | 2026-05-27T13:36:36.200Z | auto - Version metadata removed from SKILL.md for clarity (was previously version: 0.1.0). - No changes to instructions, workflow, or","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":661,"uniquenessScore":60,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-12T00:41:31.897Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-12T19:12:36.534Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}