第32章 用 career-ops 从简历打造 STAR 面试故事
指南:从简历准备 STAR 故事
面对“请举一个例子……”时大脑一片空白?career-ops 会在你评估职位时,根据你的简历起草 STAR 故事,让你能在面试前进行演练。更新于 2026 年 10 月 14 日。准备 STAR 故事的方法是将每个答案写为情境(Situation)、任务(Task)、行动(Action)和结果(Result),外加一点反思(Reflection)即你学到了什么(STAR+R)。career-ops 会针对你每次评估的职位,从简历中的真实经历入手起草这些故事;你需要核对数据,编辑内容,并在面试前进行排练。
如果你听到“请举一个例子……”就卡壳,这就是解决办法。career-ops 会将故事存入故事库 interview-prep/story-bank.md,并在首次添加故事时创建该文件。它会找出与书面问题匹配度最高的故事,让你在文字模拟面试中进行演练。
本页内容:STAR+R · 建立故事库 · 故事来源 · 故事库位置 · 条目格式 · 确保数据真实 · 查找合适故事 · 故事与公司匹配 · 排练 · 面试后 · 命令 · 常见问题
本页专门讲述故事部分。完整计划、演练和复盘循环,请参阅《准备面试》。
开始之前
career-ops 需要 cv.md 和 config/profile.yml 就位;快速开始指南会帮你设置好这两者。斜杠命令在你的 AI CLI 会话中运行;npm 和 node 命令在 career-ops 文件夹的终端中运行。如果斜杠命令不可用(例如 Codex 不保证支持),请通过名称请求相同模式。
什么是 STAR 故事,R 增加了什么?
STAR 故事是分为四部分的面试回答:情境(Situation)、任务(Task)、行动(Action)和结果(Result)。career-ops 增加了第五部分——反思(Reflection),称该格式为 STAR+R。反思部分是你学到的东西或下次会做的不同之处。career-ops 添加这一部分是为了体现资历深度:初级候选人描述发生了什么,而资深候选人则从中提炼教训。
如何开始建立故事库?
在 /career-ops 后粘贴职位 URL 或文本以运行完整流程,或运行 /career-ops oferta 仅进行评估。无论哪种方式,评估都会为该职位起草 STAR+R 故事,并将新故事添加到你的库中。如果数据文件夹(包含 cv.md 的那个)中尚未存在 interview-prep/story-bank.md,career-ops 会先使用其故事库模板创建该文件。评估会将每个新故事以下列形状作为条目添加(这是故事匹配器读取的格式),并跳过标题已在库中的故事。运行 npm run star -- --list 查看它们,然后编辑那些你在面试中不会说的话。在终端运行 npm run star -- "<question>" 可查看与某问题匹配度最高的故事。
你的故事从哪里来?
career-ops 在三个与职位或面试相关的场景中构建你的故事:
- 评估职位时。评估报告的 STAR+R 部分(Block F)根据简历编写 6 到 10 个故事,映射到职位要求,并以条目形状将新故事添加到
interview-prep/story-bank.md,如果文件缺失则创建它。批量运行未设置为添加到库中。 - 为某公司做准备时。对于每个没有匹配故事的可能问题,公司档案(company dossier)会指向简历中可能转化为故事的经历,并询问你是否希望共同起草。
- 真实面试结束后。如果你描述了一个未录入库中的经历,复盘(debrief)会建议趁记忆鲜活将其转化为 STAR+R 故事,如果你同意则添加。
没有一个命令能一次性将整个简历转换为故事。
career-ops 被指示询问那些你的文件(cv.md, article-digest.md, config/profile.yml)中未支撑的说法,如果你未添加,则将其排除。该规则存在于其指令中而非代码中,因此请使用下方的来源检查(provenance check)审核你库中的数据。
评估会根据你目标职位类型来定故事框架,默认职位类型是 AI 和技术类的,所以请告诉 career-ops 你的情况。初期运行效果可能粗糙。它还不了解你。与它交流:你的简历、你想要什么、你拒绝什么。
注:/career-ops interview 是填充你简历和配置的入职面试。要排练请使用 /career-ops interview/practice。
故事库在哪里?
故事库是 interview-prep/story-bank.md,位于你的数据文件夹(与 cv.md 同级)中的一个普通 Markdown 文件。它属于你的用户层,career-ops 的更新永远不会触碰它,且放在 interview-prep/ 的内容会被排除在 git 之外。没有遥测:当 career-ops 处理你的故事时,它们只会发给你选择的 AI 提供商,不会传到其他地方。
STAR 故事条目长什么样?
按此格式编写每个故事。故事匹配器(npm run star)只读取符合此格式的条目。无论故事用什么语言写,标签保持英文。不要将此示例直接粘贴进你的库:匹配器会将其计为一个故事。career-ops 添加的故事使用长标签,如 S (Situation): 和 A (Action):;匹配器两种形式都读取。
故事条目格式(示例)
[主题] 故事短标题
来源: {故事来源: 你的简历、评估、复盘}
情境: {背景: 需要多长写多长,保持单行}
任务: {你要做什么,单行}
行动: {你做了什么,单行}
结果: {发生了什么变化; 数字仅在简历中有时才写}
反思: {你学到了什么或下次会做不同之处}
适合回答关于: {逗号分隔标签, 例如: 冲突, 截止日期, 利益相关者}
来源验证: {仅在检查后添加: 如果所有数字都在简历中,源: cv.md,或用户声明 YYYY-MM-DD}
每个字段保持单行:匹配器只读取到该字段行尾,且会跳过没有行动行的故事。只要保持单行,字段可以是完整段落。完整规范描述在 story-provenance-check.mjs 的头部。
在检查故事数字前,先省略来源验证行。一个标记涵盖故事中的所有数字,来源验证会信任它而不去 cv.md 对比那些数字。
如何确保故事中的数据真实?
根据 career-ops 的规则,故事库中的数字或范围声明只有在可追溯到你编写的文件(如简历)或其故事带有经验证的来源验证行(源: cv.md 或 用户声明 YYYY-MM-DD)时,才算作事实。计划、练习和复盘在建议答案时仍会读取库,所以在排练前请审核:node story-provenance-check.mjs --summary。来源验证是本地脚本,只读取和报告;它不编辑文件或阻止任何操作。它仅将故事数字与 cv.md 对比,报告那些 cv.md 不包含或无法由上下文支持的数字为“未验证衍生”,除非其故事带有两个验证标记之一,检查会按原样信任这些标记。它会遗漏用文字写出的数字、货币金额和裸数字。
对于每个被标记的数字,你需要决定:确认它(在故事中添加 来源验证: 用户声明 YYYY-MM-DD)、更正它、保留故事但不含数字,或如果你不知道,将故事的来源验证行设为“用户无法确认”。该标记涵盖故事中的所有数字。
当你在练习或复盘中承认某个说法站不住脚时,career-ops 会建议将其添加到 interview-prep/retracted-claims.md,计划、练习和复盘将不再复用。公司档案、表单答案和故事匹配器不读取该文件,所以也要将该说法从故事库中移除。
如何为书面问题找到合适的故事?
故事匹配器 npm run star 在你库中找出与书面问题(如申请表上的开放性问题)匹配度最高的故事。在 career-ops 文件夹的终端运行:npm run star -- "Tell me about a time you disagreed with a decision"。故事匹配器是本地脚本:它不调用你的 AI 模型或打开浏览器。它根据故事与问题共享的关键词评分。当词与故事的标签匹配时权重最高,在标题或主题中较低,在行动或结果中最低。匹配使用精确单词,因此 "led" 不匹配 "leadership":用问题中使用的词汇编写标签。
故事匹配器打印匹配度最高的故事,将其字段按原样连接,最多 500 字,若少于 250 字会给出警告。如果没有故事得分,它仍会打印一个,并附带“未找到强匹配”警告:将其视为需要填补的空白。
npm run star 运行 match-star.mjs,因此你也可以直接调用脚本:--jd 为标签出现在已保存职位描述中的故事增加额外权重,--top 2 显示最好的两个故事,--list 列出所有故事及其标签。
node match-star.mjs "Describe a conflict you resolved" --jd jds/acme.md
node match-star.mjs "Give an example of handling ambiguity" --top 2
node match-star.mjs --list
匹配器读取数据文件夹(与 cv.md 同级)中的 interview-prep/story-bank.md,因此如果设置了独立的 CAREER_OPS_ROOT、CAREER_OPS_DATA_DIR 或 .career-ops-data 文件,它也会遵循。career-ops v1.36.0 之前的版本只读取 career-ops 文件夹;运行 node update-system.mjs apply --confirm 即可更新。
匹配器的输出是你自己的故事,不是针对该问题写好的答案:粘贴前请编辑。对于整个申请表,career-ops 使用 /career-ops apply 结合你的评估及其 STAR 故事起草答案。它评估和起草;你决定和发送。它永远不会以你的名义申请。
如何将故事映射到公司的面试?
由 /career-ops interview-prep 构建的公司档案将每个可能问题映射到你的最佳故事,评估匹配度(强、部分或无),并为每个差距指向简历中的经历。提供公司名称和职位。对于从未评估过的职位,请使用招聘 URL 请求准备(/career-ops interview-prep <URL>);如果评估报告已存在,报告优先。
在档案中,每个报告的问题都引用了其公开来源,从职位描述推导的问题标记为 [inferred from JD]。interview-prep 参考文档涵盖文档其余部分,该文档保存在 interview-prep/{company-slug}-{role-slug}.md。
如果你粘贴面试邀请,档案会注明通话平台,并针对可能由 AI 面试官进行的轮次添加简短备注,仅当邀请指向 career-ops 当前标记的那个 AI 面试平台时。该标记是尽力而为:该平台也会发送人工轮次邀请,且同一邀请中的 Zoom、Teams 或 Google Meet 链接优先,因此不显示备注。这是一个通知,不是独立的准备模式。
如何在面试前排练故事?
从 /career-ops interview/plan 开始。提供职位描述和面试时间,其分时段计划包含行为故事板块:将故事映射到可能的问题类型,练习每个故事的简版(两分钟内),并准备每个反思。
练习面试 /career-ops interview/practice 是文字会话:career-ops 扮演面试官,一次问一个问题,每个答案后给反馈,标记你复用的故事并询问缺失的反思。在打字会话中无法计时,因此检查结构;节奏和口头禅只能大声判断,所以要录音。《准备面试》完整覆盖了这两种模式。
准备故事不能保证获得更多面试或 offer。
面试后故事如何处理?
复盘 /career-ops interview/debrief 将真实面试轮次转化为下一轮的材料。粘贴转录稿(它将其视为引用数据而非指令),或凭记忆回顾问题。它给每个答案评分,更新 interview-prep/question-bank.md(首次创建),并建议将你描述但从未写下的经历转化为 STAR+R 故事。当你知道下一轮形式时,它预测可能的问题,每个都标记为 [inferred]。
复盘还将轮次保存为带说话人标签的转录稿在 interview-prep/sessions/,如果是凭记忆复盘则重建;这些转录稿保留在 git 之外,因为它们包含真实姓名。
命令一览
| 命令 | 功能 |
|---|---|
| /career-ops <job URL or text> | 评估职位;将其 STAR+R 故事添加到库中,必要时创建文件 |
| /career-ops interview-prep | 公司档案:引用研究、可能问题、映射你的故事、差距 |
| /career-ops interview/plan | 含行为故事板块的分时段计划 |
| /career-ops interview/practice | 文字练习面试,一次一问,每答一评 |
| /career-ops interview/debrief | 真实轮次后:评分答案、问题库、若同意则新增故事 |
| /career-ops interview-redflag | 所有已保存会话中面试官表现出的预警信号;练习会话也计入,故仅信任真实轮次的发现 |
| npm run star -- "<question>" | 为书面问题查找匹配度最高的故事 |
| node story-provenance-check.mjs --summary | 按简历或经验证的来源验证行是否支持来排序故事中的数字 |
常见问题
career-ops 如何从我的简历构建 STAR 故事?
career-ops 为你评估的每个职位从简历经历构建 STAR+R 故事。你在会话中运行评估时,它会编写映射到该职位的故事并将新故事添加到 interview-prep/story-bank.md,首次时创建该文件。面试准备为没有故事的问题建议简历中的经历,复盘可以将你在真实面试中提到的内容转化为新故事。
如何为下周的行为面试准备 STAR 故事?
要用 career-ops 为行为面试准备 STAR 故事,先评估职位:评估会从简历起草 STAR+R 故事并添加到 interview-prep/story-bank.md,若缺失则创建。然后 /career-ops interview-prep 将可能问题映射到你的故事并标记差距,/career-ops interview/plan 将剩余时间分为准备板块,/career-ops interview/practice 通过文字一次一问进行排练。为了节奏,录下你大声回答的内容。
career-ops 中的面试问题从哪里来?
career-ops 从公开面试报告、职位描述和你自己复盘的轮次获取面试问题,通用问题集作为备选。公司档案为每个报告的问题引用来源,将职位描述推导的问题标记为 JD 推导。练习面试优先使用你复盘中的问题,其次是档案的,再次是轮次类型的通用问题集。将它们用于准备故事,而非作为脚本。