第19章 career-ops 面试准备功能介绍
career-ops interview-prep
模式 interview-prep 是 career-ops 的面试准备功能,会生成一份针对特定公司和岗位的面试情报文档,并按面试对象分层——recruiter、hiring manager、同侪技术面或 panel 面——整理出高概率问题、谈话要点,以及从你的个人经历中提取的 STAR 故事。最后更新于 2026 年 10 月 14 日。
career-ops interview-prep 会把一场已排期的面试变成一份可用的情报文档。你只需给出公司名和岗位——或者直接丢给它一个你从未正式评估过的职位 JD——它就会调研该公司的招聘流程,按每轮的主持者分类(recruiter 筛选、hiring manager 面、同侪技术面或 panel 面),并起草各方可能提出的问题,每题都附上一份基于你个人背景的答案草稿。每个问题要么来自网络搜索到的公开面经(比如 Glassdoor 或 Blind),要么标注 [inferred from JD](从 JD 推断)。最终产出是一份保存下来的准备文档,而不是一段聊天记录。
功能说明
interview-prep 会读取公司上下文(最好已经通过 deep 或 oferta 做过调研)、职位描述和你的个人资料,然后生成一份准备文档,覆盖该公司招聘流程中已知的各个轮次。文档内容包括:针对不同面试对象的预期问题模式、结合你个人背景的谈话要点,以及可以现场灵活改用的预写 STAR 故事。如果该岗位已有评估报告,报告内容优先;如果你只提供了从未评估过的岗位 URL,interview-prep 会自行抓取 JD——优先走结构化 ATS API,其次 Playwright,最后无头浏览器兜底——如果页面需要登录,它会请你手动粘贴职位文本。
使用时机
一旦某轮面试排上日程就运行 interview-prep——它会产出一份文档,按流程涉及的面试对象分节:recruiter 筛选一节涵盖薪酬谈判准备,hiring manager 一节涵盖岗位匹配度,同侪技术面涵盖架构与编码,panel 面涵盖领导力信号。此外,当你的追踪器中某个评分 4.0 以上的岗位进入 Interview 阶段时,career-ops 也会自动运行它。
interview-prep 是研究环节——一份供你面试前研读的情报文档。它不同于交互式的模拟面试模式(plan、practice、debrief),那些模式会现场演练并在面试后复盘;两者互相关联(debrief 复盘会反哺 interview-prep 下次读取的材料)。关于那些演练模式,参见面试模式指南。
运行示例
你给出公司名和岗位,模式会返回一份面试情报报告,覆盖该公司招聘流程的已知轮次。它会调研流程,按面试对象分类每一轮——recruiter 筛选、hiring manager、同侪技术面或 panel 面——起草可能的问题,并为每个问题标注来源引用或 [inferred from JD] 标签。
``` Terminal/career-ops interview-prep Anthropic "Applied AI Engineer" interview-prep/anthropic-applied-ai-engineer.md (excerpt) # Interview Intel: Anthropic — Applied AI Engineer
Legitimacy: High Confidence Researched: 2026-05-18 Sources: 12 Glassdoor reviews, 4 Blind posts, 3 other Audiences covered: recruiter-screen, hiring-manager, peer-tech
## Process Overview - Rounds: 4 rounds, ~18 days end-to-end - Difficulty: 3.5/5 (Glassdoor avg, 12 reviews) - Known quirks: pair programming, not whiteboard
## Likely Questions — recruiter-screen - "Why are you looking, and why us?" — 60-90s, anchored to your narrative - Comp expectation — defer to the band if leverage is thin - Location / visa / notice period — numbers, not vibes ```
报告还会把 story-bank.md 中的故事映射到各个可能的问题上,并标出你还没有准备故事的内容空白。如果你想补齐某个空白,它会和你一起起草缺失的 STAR+R 故事,并按 story matcher(npm run star)读取的格式保存到 interview-prep/story-bank.md;如果故事库不存在,会先从模板创建。
什么时候用它
当某轮面试已经排期,而你想要一份可用的文档而非泛泛之谈时,就用 interview-prep。以下几点能让输出更精准:
先用 oferta 或 deep 调研该公司。准备工作会读取评估报告中的岗位原型、能力缺口和匹配的证明点,上下文越充分,生成的问题就越具体。
拿到面试官名单或日程后尽快贴进去。对于 panel 面,模式会为每位面试官建立画像,并为每个环节量身定制一个收尾提问。
如果你已经为该岗位报过薪酬数字,recruiter 筛选一节会把它纳入——career-ops 会读取你实际说过的数字,让薪酬谈判准备基于你的真实表态,而不是猜测。
留意标签:有来源的问题会引用其出处面经,推断的问题则带 [inferred from JD] 标签。推断的问题应视为"有可能被问到",而非"一定会被问到"。
相关功能
deep——为你在评估中的公司生成结构化调研提示词:AI 战略、近期动向、工程文化、潜在挑战、竞争对手,以及你作为候选人的切入点。在申请一家你不太了解的 B 轮以后公司之前,把它粘贴到 Perplexity、Claude 或 ChatGPT 中使用。
pdf——针对具体 JD 生成定制 PDF 简历,用 Playwright 将 markdown 渲染成简洁的排版模板。输出结构极简——无表格、无分栏、无图形——正是 ATS 解析器最能可靠处理的格式。