skill

interview-designer-skill

生成面试题+考察维度+A级参考答案的完整面试准备系统 | Interview Question Generator with Assessment Dimensions and Reference Answers

zhangchau/interview-designer-skillcommunitylistedunreviewed

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/zhangchau/interview-designer-skill itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 17, 2026

Interview Designer

面试题 + 考察维度 + A级参考答案，一次生成

从简历、JD 或产品设计文档（PRD）出发，生成结构化面试题库。每题配 考察维度权重 + A级参考答案 + 追问应对链。

快速开始 · 维度模型 · 上下文纪律 · 完整示例 · 安装

这个 skill 解决什么问题

给学员：你做完了一个项目（哪怕只到 PRD 阶段），但 PRD 和面试之间有巨大的 gap。 PRD 写的是"我们要做什么"，面试问的是"你为什么这么做、这想法怎么来的、如果数据是脏的怎么办"。这个 skill 把 PRD 翻译成能在面试里讲出口的逐字稿。

给面试官：不靠感觉出题。先定 A 级标准，再拿标准扫简历，再把方案放回真实企业环境看它死在哪，最后模拟他入职第一周会遇到的问题。每题带 A/B/C 判分线，减少评分噪声。

核心洞察：候选人自己写的简历和 PRD 内部一定是自洽的，从文档内部提问永远问不倒他。破自洽文档的唯一办法是攻击它的前提——它对真实世界那些没说出口的假设：假设企业数据是干净的、假设接口是开放的、假设审核的人不疲劳、假设需求是真的。这些假设就是攻击面。

✨ 核心特性

特性	说明
11 组 / 52 子维度覆盖模型	从"AI PM 的工作是什么"逐句推导，不是罗列题型。含 AI 必要性、产品形态、多业务配置化、安全合规、失败复盘、接手老项目等真实高频考点
上下文纪律	分阶段产出 + 冻结简报 + L2 只给骨架。220KB PRD 压缩 18 倍，单次响应 ≤4000 字
素材卡是压缩机制	一张卡支撑 3-5 题，避免 N 个答案重述同一个例子
攻防增强	正反论证 + 边界条件 + 7天验证路径 + 迭代历史（V1→V2→V3）
补证据行动清单	准备期长时，缺口不是"诚实承认"而是真去补掉——红旗转绿灯
双模式	面试官要 A/B/C 分级和判分线；候选人只要 A 级和追问应对
第一性原理驱动	七条原理推导全部规则，换个岗位模型能自己推导，不是死记

🚀 快速开始

学员：自助备考

把简历或 PRD 丢给 AI，说一句：

用 interview-designer 帮我准备面试，这是我的简历/PRD

更明确一点：

我要面 AI 产品经理，用 interview-designer 基于这份 PRD 出面试题，我要拿来写逐字稿

第一轮你会拿到（Stage 1 索引层，成本很低）：

项目定位 —— 成熟度评级（M0-M7）、出题重心、禁问项
判断台账 —— 从 PRD 提取的 10-15 个核心判断（不是功能），标注面试概率和是否你的原创
题目索引 —— 40-60 题，只有题干 + 维度码 + 优先级 + 需要哪张卡
覆盖诊断 —— 11 组逐组标充分/薄弱/缺失，明确说缺什么
补证据行动清单 —— 哪些缺口能补掉、怎么补、补完答案变成什么样
项目冻结简报 —— 800-1200 字，后续阶段只读这个，不再回读 PRD

然后你点名要哪几题的全文，它按批产出（每批 5-6 题）：

卡片速查表 —— 本批引用的卡，一行一张
分层逐字稿 —— L0 结论（10秒）/ L1 主回答（60秒）/ L2 骨架 / L3 追问应对
面试前要补什么 —— 每题带具体行动项

⚠️ A 级答案是原料不是成品。 必须换成你自己的项目、数字、话。照背一定会被追问穿。

面试官：出题评分

用 interview-designer 为 AI 产品经理岗位设计面试题，这是候选人的简历和 PRD

你会拿到：

🎯 Scorecard —— Mission / Outcomes / Competencies（在看简历之前定）
🔴 红旗疑点 + 🟢 绿灯亮点 —— 带"好到不真实""司机vs乘客""动词审计"启发式
❓ 结构化题库 —— 压力验证 + 企业现实拷问 + 未来模拟
📊 每题 A/B/C 分级答案 + 判分线 + 答题陷阱
✅ 11 组覆盖自检表
🛡️ 防偏见提醒 —— 警惕文档体量光环，也防过度怀疑

🎭 两种模式的区别

	面试官模式	候选人备考模式
触发信号	"我要面试他"、上传别人的简历	"我要面试了"、上传自己的简历/PRD
目标	区分 A/B/C，做录用决策	内化标准答案，写逐字稿
答案形态	A/B/C 三级 + 判分线 + 陷阱	只给 A 级 + 追问应对
额外产出	红旗绿灯、判分矩阵、防偏见	攻击面自检、补证据清单、24h 清单
模板	`interview_guide_template.md`	`candidate_prep_template.md`

为什么候选人模式只给 A 级？

看错误答案会污染准备——你会记住错误说法、错误的表达节奏。面试官需要 B/C 级做区分和打分，学员只需要一个能内化的标准答案。

🔄 工作流：五个阶段

为什么分阶段：一次生成 60 题全量答案约 40,000 字，质量在触到上下文硬限制之前就崩了。而且学员不会一次消费 60 题——他是分几周准备的。一次全出等于给他一份没人读的文档。

阶段	产出	成本	关键点
Stage 0	Scorecard + 项目成熟度	极低	先定标准再看简历；成熟度决定后续全部权重
Stage 1	判断台账 + 题目索引 + 覆盖诊断 + 冻结简报	低	只有题干不含答案，这是全局地图
Stage 2	素材卡 8-12 张	中	压缩层，一张卡支撑 3-5 题
Stage 3	分层逐字稿（按批 5-6 题）	中	L0/L1/L2骨架/L3
Stage 3.5	补证据行动清单	低	准备期 ≥2 周时的关键一步
Stage 4	攻防增强（TOP 3 判断）	中	正反+边界+7天验证+迭代历史

Stage 0：定 Scorecard + 判成熟度

先别看简历。 基于 JD 独立定义 Mission / Outcomes（12个月内3-5个可衡量结果）/ Competencies。先看简历再定标准，标准会被简历污染——这叫因人设岗。

然后标注项目成熟度，这决定后续全部权重：

级别	含义	出题重心
M0-M1	想法 / PRD / 原型，无真实用户	G组企业现实 + 判断溯源占 35-40%，禁问"你碰到什么困难"
M2-M3	可跑 demo / 内测	现实组降到 25%，加真实 Bad Case
M4+	客户 POC / 生产	现实组降到 15%，改问"你踩过哪些坑"

Stage 1：判断提取（产出最便宜、价值最高）

先提判断，不提功能。 PRD 写"要做什么"，面试考"你为什么这么做"。

判断台账长这样：

#	判断	出处	维度码	概率	是否原创
1	硬约束交给规则引擎，不给模型判断	§4.4	C2	🔴 必问	✅ 有溯源
8	评测集 200-300 条	§0.2	F6/A4	🟡 高	⚠️ 推导无实测

这一步还会撞出跨文档矛盾——比如第一阶段文档写"嵌入 CRM/邮箱"，最终 PRD 改成"独立工作台"，形态变了但没写为什么。这种矛盾单看一份文档发现不了，而它同时是产品形态题和自我纠错题的素材。

Stage 3.5：补证据 ⭐ 长准备期的关键

准备期长会改变策略性质：

	短准备期	长准备期
缺口怎么办	只能诚实承认（保底不丢分）	真去补掉（红旗转绿灯）
答案形态	"我推测企业数据是脏的"	"我找了两个做外贸 ERP 的人聊，他们的 MOQ 三成是空的"

所以覆盖诊断里每个缺口都标能补 / 部分能补 / 不能补，能补的给具体动作和排期。 外部依赖（约人访谈）排最前，因为约人要时间。

第1周：锁事实（简历/PRD 对账、判断台账、数字类型标注）
第2周：补证据（约访谈 ×2-3、算 ROI 和 token、给人看原型）← 最早启动
第3周：写全文（新证据到手，答案从"推测"升级成"我问过"）
最后几天：模拟追问、控时、30秒/2分钟两版介绍

能补的缺口不要只写"诚实承认"。补证据的收益比多写 5 道题的答案大得多。

📐 维度模型：11 组 / 52 子维度

怎么推导出来的

不是罗列题型，是从工作定义逐句拆：

AI PM 的工作 = 在不确定条件下，把模糊业务问题变成可稳定交付的系统，并通过别人实现，对业务结果负责。

分句	对应的失败轴	维度组
模糊业务问题	找错问题 / 需求是假的	B 问题与需求
变成系统	方案选错 / AI 用错地方 / 形态错	C 方案与AI边界、D 产品形态、E 技术深度
可稳定交付	模型出错没兜住 / 落地死在现实约束	F 可靠性、G 企业落地
通过别人实现	推不动 / 讲不清	I 协作与推动
对业务结果负责	算不出钱 / 没人用	H 商业价值
不确定条件	不会学 / 不会迭代	J 学习与自驱
（底座）	说的不是真的	A 真实性与诚信
（出口）	不合适这个岗	K 岗位匹配与动机

独立性判据：一个人能 A 组强 B 组弱，才算两组。否则合并。

11 组一览

码	组	考什么	高频真题举例
A	真实性与诚信	项目性质、个人贡献、数字是实测还是推导、文档是不是 AI 写的	这是课程项目还是企业项目？哪些是 AI 写的，你改过它哪里？
B	问题与需求	场景来源、主动性、立项说服、北极星定义	你主动发现的还是业务提需求？北极星怎么定义的，不能拍的
C	方案与 AI 边界	AI 必要性、模型/规则分界、概念辨析、判断溯源	为什么这业务要用 AI 不用规则？ Agent 和 Workflow 区别？
D	产品形态与体验	形态选择、交互成本、无结果处理、信任成本	独立页面还是嵌入业务系统？每次要确认10个字段，用户会用吗？
E	技术深度	RAG 标准、切分检索、数据到结论链路、模型路由	好的 RAG 知识库要满足哪些条件？数据和建议的推导关系？
F	可靠性与评测	错误承接、误差累积、阈值、评测集、Bad Case 闭环	第一步错了后面全错但看起来很专业，怎么办？阈值怎么定？
G	企业落地现实 ⭐	数据脏、无接口、新老兼容、配置化、合规、审核疲劳、灰度回滚	不同业务不同必填字段怎么解决？字段映射放 Prompt 还是放哪里？
H	商业价值	ROI、成本结构、效果成本换算、采纳率、谁掏钱	一年省多少钱，算给我听。准确率高5点成本翻3倍选哪个？
I	协作与推动	跨职能博弈、业务冲突、向上管理、控时	30秒讲给不懂技术的老板。方案和业务方想法完全不同怎么办？
J	学习与自驱	自我纠错、AI 工具深度、方法沉淀、接手老项目、行业判断	哪个设计后来发现是错的？ CC 和 Codex 差异是模型还是工具设计？
K	岗位匹配与动机	路径自洽、JD 对标、目标级别、反问、HR 事项	为什么不做研发？你该应聘什么级别？

三个最常被漏但最致命的

1. C1 AI 必要性 —— "为什么这个业务要用 AI，不用规则/算法/人工？" 答不出来，整个方案的立项理由就没了。很多方案通篇讲怎么用 AI，从没论证过为什么必须用。

2. H1 ROI —— "一年省多少钱、多赚多少钱？算给我听。" PM 和工程师的本质区别是你要对钱负责。有一堆效果指标（F1、命中率、准确率）却没有一个财务指标，是硬伤。另外：省人力的说服力远低于多接单——前者老板会说"那我为什么不裁人"。

3. I2 控时 —— 项目介绍讲超 3 分钟被打断。这是隐性淘汰项。被打断意味着你没答完就失去了主动权，而且暴露了不会收敛。

完整 52 个子维度 + 每维度的提问模板 + A级/C级信号对照，见 references/coverage-model.md

🧱 上下文纪律：为什么必须分阶段

问题有多严重

	数量
典型 PRD 体积	100-250KB
整读输入	60-80k tokens
一次生成 60 题全量答案	约 40,000 字

质量在触到硬限制之前就已经崩了。

输入侧压缩：18 倍

做法	效果
先扫大纲不读全文（`grep -n "^#\{1,3\} "`）	拿结构不拿内容
只读含判断和数字的节（摘要、KPI、核心技术决策 3-5 节、范围边界）	220KB → 约 6,000 字
需要细节时定点再读那一节	不回头整读

冻结简报：让每阶段输入恒定

Stage 1 后产出 800-1200 字 项目冻结简报：项目性质与成熟度、12 个判断各一句话、关键数字清单、已知缺口。

此后所有阶段只读这份简报 + 当前处理的那张卡，不再回读 PRD，不回读前批产出。

输出侧配额

产物	上限
判断台账	10-15 条（超过说明在抄功能不是在提判断）
题目索引	40-60 题，只有题干不含答案
全文逐字稿	单批 5-6 题，P0 总量不设上限
素材卡	8-12 张
攻防增强	只做 TOP 3 判断
单次响应	≤4000 字，超了就分批

P0 为什么不设上限：准备期通常是几周不是几晚，时间不是瓶颈，上下文靠分批解决。优先级的作用是排顺序，不是砍数量。

但同源题必须合并，理由是答案一致性不是省时间：同一个判断的多个问法各写独立全文，学员手里会有几份措辞不同、细节可能矛盾的答案。面试官问一个追问另外两个时，他需要一条连贯的推理链。判据：两题引用同一张卡的同一栏 → 合并；引用同一张卡的不同栏 → 可以分开。

两个关键设计

① L2 不写全文 —— 单独省掉一半输出

3 分钟口述写全约 800 字。60 题 × 800 字 = 48,000 字，必然爆炸，而且学员也不会去背 800 字。

改成骨架 + 卡引用：

**L2 骨架（3分钟展开时用）**
1. 背景 → 引 场景卡1（外贸询盘痛点）
2. 决策点 → 引 判断卡1.第一性原理
3. 失败场景 → 引 判断卡1.具体失败场景（CE/UL）
4. 边界 → 引 判断卡1.诚实边界

学员拿卡自己组装。他记的是结构和证据锚点，不是句子——真实面试里也只能这样。

配套要求：每批开头必须放卡片速查表（卡号 | 一句话内容 | 本批哪些题用到）。卡引用省下的字数不能变成学员的查找成本。

② 素材卡是压缩机制，不是内容增量

N 个答案各自重述同一个 CE/UL 例子 = N 份拷贝；一张卡被引用 8 次 = 1 份。 前提是答案引用卡而不是内联卡。

效果对比

方式	总字数	单次响应	结果
一次性全出	~40,000	40,000	质量崩 + 没人读
分阶段	12,000-15,000	≤4,000	可用

🗂️ 素材卡系统

配额 8-12 张，每张必须标注支撑哪几题。 一张卡支撑 3-5 题，少于 3 题的应该合并。

卡型	什么时候建	对应维度
判断卡	每个核心设计判断一张（最重要）	C / E / F
推导卡	每个关键数字一张（强制）	A4 / B7 / F7 / H
场景卡	痛点来源、用户画像	B1-B5
溯源卡	判断的思考来源（真实经历）	C6 / A5
降级卡	每个外部依赖一张	G3 / G4 / G12

为什么推导卡是强制的

一个数字不是"有出处"就算准备好了。 分子、分母、样本、周期、基线、归因都要说清或标 [待补]。 禁止把目标值、假设、外部 benchmark 说成实测结果。

溯源卡为什么最关键

面试官会问"这想法是你自己想的还是参考的？"（维度 C6）。答不出来 = 整份文档的可信度归零，因为它意味着方案是 AI 生成后照搬的。

溯源卡里 迁移到项目 那一栏是核心——它证明的不是"你有经历"，而是"你会举一反三"。

关联链路

面试官会连环追问，学员要知道从卡 A 怎么过渡到卡 B：

溯源卡1（VMware 版本问题）
      ↓ 举例支撑
判断卡1（规则引擎）──── 逻辑迁移 ────→ 判断卡2（库存不进RAG）
      ↑ 原理支撑                            ↓ 依赖
  概率匹配 vs 布尔判定                  降级卡1（ERP无接口）

练习方式不是背答案，是练路径决策：面试官问 A 我引卡 X，追问 B 我引卡 Y，再追 C 我引 X+Y 组合。每条主线确保撑住 3 层追问。

五类卡的完整模板见 references/card-system.md

⚔️ 攻防增强：怎么证明思维方式

为什么需要：纸面项目（M0-M1）没有"经历"可讲，只有"判断"可证明。而思维方式的证明不在单个答案里，在答案之间的结构里。

TOP 3 核心判断要补四块：

块	证明什么能力	内容
反面论证	考虑过备选，不是拍脑袋	为什么不选 B/C/D + 各自否决理由 + 具体会出什么错
边界条件	知道方案的局限	什么情况下这个判断不成立 + 降级方案
7天验证路径	有科学实验思维	有时间线、有检查点、预判可能发现什么
迭代历史	会自己迭代（面试官最想看到的）	V1 初始想法 → 转折点 → V2 → V3 方向

7 天验证路径的精髓在"预期发现"

Day 1-2：快速标注 20 条，建立标注规范
- 目标：每类场景标 2 条，看规范是否清晰
- 预期发现：
  ✅ 可能发现某类场景定义不清（"信息不全"到底缺到什么程度）
  ✅ 可能发现一条标注耗时超预期 3 倍 → 说明我低估了成本
  ✅ 可能发现遗漏的场景类型

它证明的不是"我会做实验"，而是"我预判了实验可能推翻什么"。

迭代历史证明的是最值钱的东西

V1 初始判断：一开始我觉得全交给大模型就行
转折点：看到 RAG 实践里会加规则校验 + 想起云祺 VMware 那件事
      → 认知跃迁：模型给的是"语义相似"，硬约束要的是"精确匹配"
V2 改进判断：硬约束用规则引擎，模型只在"能卖的产品"里排序
V3 方向：规则有灰色地带（认证过期但在续期算不算？）→ 需要规则置信度分级

面试官最想看到的就是一个会自己迭代的人。

💬 A 级答案的硬性标准

标准	说明	反例 → 正例
可讲出口	口语节奏。写完出声读一遍，拗口就重写	"基于上述分析采取分层架构范式" → "所以我把这类字段单独拉出来做校验"
有具体场景	必须出现真实产品、数字、报错、对话	"保证准确性" → "客户要 CE 我们只有 UL，推了就是错的"
数字可追溯	每个数字说清怎么算的，或标注类型	"准确率达到85%" → "目标是85%，依据是…"
承认边界	没做过就说没做过	硬撑 → "我没接触过真实企业产品库，这是我最大的短板"
反废话检验	能回答"听完能改什么看法或做法"	答不出来 = 正确的废话，删掉重写
禁用大词	无信息量且是 AI 生成特征	鲁棒性、赋能、闭环、提效、抓手、最佳实践
长度	L1 控制 150-250 字	超时被打断 = 失去主动权

三类题型 × 三套模板

为什么要分：M0-M1 候选人大部分问题只能答"设计判断"，用同一套模板会逼他编造。

题型	识别	模板
设计判断题	为什么这么设计	L0结论 → L1原理+失败场景 → L2溯源 → L3边界
真实经历题 ⚠️	你碰到什么困难	诚实承认 → 转成预判 → 设计应对 → 验证计划
数字溯源题	这数字怎么来的	标注类型 → 推导过程 → 参考依据 → 边界 → 验证路径

真实经历题的转换示例（M0-M1 不能硬答）：

"这是课程项目，我没碰到真实的困难。但我做设计时预判最大困难会是数据清洗——我找外贸朋友聊的时候他们说产品数据散在几十个 Excel，MOQ 经常是空的。如果是这样，我的匹配引擎跑不起来，因为硬约束过滤依赖这些字段有值。所以我设计了分级清洗：填充率低的字段不做硬过滤，改成标记'缺失需人工确认'，让产品先能跑起来。如果真做，我会先拿 100 个 SKU 做试点。"

这样答比编一个困难强得多——同时证明了诚实（A组）、预判力（G1）、验证思维（J1）。

PRD 到面试的语言翻译

PRD 是面向未来的断言，面试是面向过去的复盘。原样搬过去听起来像背书。

PRD 写法	面试应该说
"我们将使用规则引擎"	"我当时的判断是硬约束必须用规则引擎"
"系统能够实时查询"	"我设计的是实时查询，如果 ERP 没接口就…"
"准确率达到 85%"	"目标是 85%，依据是…"
"经过调研发现"	"我找了两个外贸朋友聊，A 说…"
"智能 ETL 管线"	"数据清洗。我预判会花 X 时间…"

五条规则：时态（将来→过去）、主语（系统→我）、结果（断言→目标+依据）、证据（抽象→具体）、边界（确定→有边界）。

完整标准见 references/answer-standards.md

📄 完整输出示例

真实跑出来的（候选人：应届 AI 产品经理，课程项目「AI外贸询盘助手」，M1 阶段）。

项目定位

成熟度：M1（PRD + 原型，无真实用户、无 ERP 集成、无开发参与）
出题重心：G组企业落地 + 判断溯源 占 35-40%
简历动词审计：梳理、设计、设计、建立 —— 通篇零落地类动词

判断台账（节选）

#	判断	出处	码	概率	是否原创
1	硬约束交给规则引擎	§4.4	C2	🔴 必问	✅ 有溯源
8	评测集 200-300 条	§0.2	F6/A4	🟡 高	⚠️ 推导无实测
12	9.5 FTE × 18 周	§0.4	H3	🟢 中	⚠️ 估算无依据

⚠️ 撞出一处跨文档矛盾（高价值） 第一阶段文档写"可嵌入 CRM、邮箱、WhatsApp"，第三阶段 PRD 改成"以统一询盘工作台为主要产品形态"。形态从嵌入变独立，PRD 没写为什么。 → 既是 D1 产品形态的必问点，也是他 J1 自我纠错唯一现成的素材。

覆盖诊断（节选）

组	覆盖度	他的状态
C 方案与AI边界	✅ 充分	C1「为什么一定要用AI」是他 PRD 里没正面回答的
G 企业落地	✅ 充分	他最大能力缺口。G6/G7 配置化 PRD 完全没写
H 商业价值	❌ 零准备	PRD 有一堆效果指标，没有一个财务指标
I 协作推动	❌ 零准备	一个人做的项目，无跨职能博弈素材

结论：题库 11 组都覆盖到了，但他本人在 H、I 两组零准备。

Q10｜硬约束为什么放规则引擎，不让大模型判断？

【这题在问什么】 AI PM 和普通 PM 的分水岭。第一性原理：大模型输出的是"语义上相似"（概率分布），硬约束是 0/1 判定（布尔）。把布尔判定交给概率模型是架构错误，不是调参能修的。

【考察维度】 C2 AI边界感 50% ｜ C2 失败场景想象力 30% ｜ C6 判断归属 20%

【L0】（10-15秒）

"因为这些字段必须精确匹配，不能'差不多'。"

【L1 主回答】（60秒 · 240字）

"因为这些字段必须精确匹配，不能'差不多'。举个具体的例子：客户要 CE 认证的 LED 灯出口德国，我们仓库里有一款功率、色温、外观都很接近的，模型算相似度会觉得这是最佳匹配——但这款只有 UL 认证没有 CE，它根本不能卖到欧盟。推给客户就是错的，而且是客户下单之后才发现、要赔钱的那种错。 MOQ 和交期也一样，客户要 5000 个 20 天交货，你推一个 MOQ 10000、交期 45 天的，语义再相似业务上就是不匹配。所以我把这类字段单独拉出来做确定性校验：模型负责理解需求和语义召回，召回之后每个候选产品必须过一遍规则引擎，硬约束不满足的直接过滤掉，模型只在'确实能卖的产品'里排序和写推荐理由。"

【L3 追问应对】

追问	引哪张卡	要点
"全交给模型会怎样？"	判断卡1.反面论证	IP65 vs IP66；库存更危险——模型只能推测但库存实时变，推错就是承诺交付不了的订单
"分界线是什么？"	判断卡1+判断卡2	有标准答案的交给规则，需要理解推理的交给模型
"这想法是你自己想的吗？" ⭐	溯源卡1	必答

溯源追问的完整答法：

"两个来源。一是我看 RAG 在企业场景的应用时发现，很多方案会在检索之后加一层规则校验。二是我自己在云祺踩过类似的坑——有客户问'你们支持 VMware 6.7 吗'，我们产品明确只支持 7.0 以上。这种问题如果让 AI 回答，它很可能说'我们支持 VMware 虚拟机备份'，听起来没错，但客户按这个买了，部署时发现版本不匹配就是交付事故。当时我就意识到硬性技术条件不能靠语义相似度判断。 后来做询盘项目，认证、MOQ 这些在我看来就是同一类东西。"

Q15｜第一阶段你写"可嵌入 CRM、邮箱"，最终改成"独立工作台"，为什么改？

【这题在问什么】 表面问产品形态，实际测 D1 有没有从"用户在哪工作"出发想过形态 + J1 能不能坦诚复盘改过的判断。第一性原理：产品形态决定使用成本。业务员一天在邮箱里，你让他多开一个系统，准确率再高他也不用——这是采纳率的第一道门，比模型效果更前置。

【L1 主回答】（60秒 · 250字）

"第一版我想的是嵌入式——直接嵌进 CRM、邮箱、WhatsApp，因为业务员本来就在那些地方工作。后来改成独立工作台，理由是 V1 我想先验证一个核心假设：AI 能不能在不违反硬性业务条件的前提下找对产品。 如果一上来就做多渠道接入，要处理邮箱授权、WhatsApp API、CRM 权限，验证成本被拉得很高，核心假设反而验证不了。但这个决定有个我当时没想清的风险：业务员一天都在邮箱里，你让他多开一个系统，他很可能就不用了——采纳率会死在使用成本上，不是死在准确率上。 所以如果真做，我会改：先做一个邮箱插件的最小版本，把结构化字段和候选产品直接展示在邮件旁边，先看他们愿不愿意用；确认有价值之后，再决定要不要独立工作台。"

【L3 追问应对】

追问	要点
"那你现在觉得哪个对？"	不要两头讨好。明确说"先验证核心假设这个判断对，但独立工作台这个形态选择是错的"
"你怎么发现这个问题的？"	诚实："不是做的时候发现的，是后来复盘产品形态时想到的。当时我关注的全是技术架构，没算过用户的使用成本"

两题对照

	Q10（强项）	Q15（空白）
策略	讲透原理+具体场景+溯源	承认判断变过+说清为什么+给V3
加分点	判断是自己的（溯源过硬）	坦诚 + 明确站边，不两头讨好
最大风险	溯源答不出 → 被认定 AI 生成	试图辩解"两个都对" → 显得没判断力

实测体积：Stage 1 索引约 2,400 字｜Stage 3 每批 2 题约 1,900 字｜全量预估 12,000-14,000 字。

💾 安装

Claude Code

git clone https://github.com/zhangchau/interview-designer-skill.git \
  ~/.claude/skills/interview-designer

Cursor

git clone https://github.com/zhangchau/interview-designer-skill.git \
  .cursor/skills/interview-designer

ClawHub (OpenClaw)

npx clawhub@latest install interview-designer

Skills Protocol

npx skills add zhangchau/interview-designer-skill

装完调用：

用 interview-designer 帮我准备面试

📁 文件结构

interview-designer-skill/
├── README.md                                # 本文件
├── SKILL.md                                 # 核心执行逻辑
│                                            #   ├ 7 条第一性原理
│                                            #   ├ 上下文纪律（硬性配额）
│                                            #   ├ 五阶段工作流
│                                            #   └ 11 组维度骨架
├── _meta.json                               # v2.0.0
│
├── references/
│   ├── coverage-model.md          ⭐        # 11 组 / 52 子维度完整模型
│   │                                        #   每维度带提问模板 + A/C级信号
│   ├── card-system.md             ⭐        # 五类卡模板 + 攻防版 + 关联链路
│   ├── answer-standards.md        ⭐        # L0/L1/L2/L3 + 三类题型 + PRD翻译
│   ├── enterprise_reality_checklist.md      # G 组深挖题库（七组切面）
│   └── design_rationale.md                  # 设计理念（Smart/Adler/Kahneman 批判）
│
└── templates/
    ├── index_template.md                    # Stage 1 索引层 + 冻结简报
    ├── candidate_prep_template.md           # Stage 3 候选人逐字稿（分批）
    └── interview_guide_template.md          # 面试官模式输出模板

文件	行数	什么时候读
`SKILL.md`	230	每次执行
`coverage-model.md`	205	出题和覆盖诊断时
`card-system.md`	242	Stage 2 建卡、Stage 4 攻防时
`answer-standards.md`	172	Stage 3 写逐字稿时
`enterprise_reality_checklist.md`	178	G 组深挖时

🧠 理论基础

七条第一性原理

全部规则从这七条推导。理解这七条，换个岗位模型能自己推导，不需要记流程。

#	原理	推导出什么
1	面试是信息不对称下的预测问题	全部技术都在解决"证据不可信"和"未来不可知"
2	没有标准，取证就变成挑刺	Scorecard 必须在看简历之前（否则因人设岗）
3	候选人提交的文档一定是自洽的	要破自洽文档只能攻击它的前提 → G 组企业现实检验
4	问题和答案是同一个东西的两面	写不出 A 级答案说明题目有问题 → 答案是题目的质量校验
5	面试官和候选人需要的答案形态不同	两种模式必须分开（给学员看 C 级会污染准备）
6	素材卡是压缩机制不是内容增量	一张卡支撑 3-5 题，答案引用卡而不内联
7	纸面项目没有"经历"只有"判断"	思维方式的证明在答案之间的结构里 → 攻防增强

专家面板

专家	代表作	负责	核心原则
Geoff Smart	Who: The A Method	定标准与取证	Scorecard First
Lou Adler	Hire With Your Head	预测未来表现	过去表现只在情境相似时才能预测未来
Marty Cagan	Inspired	企业现实检验	四类风险：价值、可用性、可行性、商业可行性
Daniel Kahneman	Noise	防偏见	找疑点时也找反证，找亮点时验证可复用性

防偏见提醒

警惕文档体量光环 —— 上千行 PRD 容易读成"这人很强"。AI 时代体量不证明能力，问文档里没写的东西才行。
反向防过度怀疑 —— 技术判断确实对就该给分，不要因为"应届生不可能懂"而压分。
纸面项目不是原罪 —— 区分"没落地过"（可培养）和"不知道自己没落地过"（危险）。

❓ 常见问题

不能。A 级答案是原料不是成品。skill 生成的是"客户要 CE 认证我们只有 UL"这类结构，你要填入自己真实的产品名、认证名、客户场景、数字。照背一定会在追问环节被穿——尤其是"这想法是你自己想的吗"这一问。

这是 v2.0 专门解决的。三条纪律：①输入侧只读大纲+含判断的 5 个节（18 倍压缩）②Stage 1 后写冻结简报，后续不再回读 PRD ③L2 只写骨架不写全文，单次响应 ≤4000 字，分批落到不同文件。

索引层（40-60 题只有题干）先给你全局地图，你点名要哪几题的全文。

两个原因。技术上：60 题 × 600 字 = 40,000 字，质量在触到上下文限制之前就崩了。教学上：学员不会一次消费 60 题，他是分几周准备的——一次全出等于给他一份没人读的文档。

从"AI PM 的工作是什么"逐句拆（见维度模型）。独立性判据是：一个人能 A 组强 B 组弱才算两组，否则合并。

这一版是拿真实面试记录反查补齐的，补进来的高频漏项包括：AI 必要性（C1）、产品形态（D1）、多业务配置化（G6）、配置存放位置（G7）、安全合规（G8）、接手老项目（J6）、失败复盘（J1）、AI Coding 工具深度（J3）、立项说服（B6）、北极星定义（B7）、业务方冲突（I5）、表达控时（I2）。

跳过 Stage 3.5（补证据），只做 Stage 1 + P0 前两批 + 24 小时清单。缺口用"诚实承认"兜底——保底不丢分，只是拿不到"我特意去问过"那部分加分。

可以，但会漏掉纸面项目最大的缺口。课程项目的 PRD 通常逻辑自洽，你从文档内部问不倒他——必须问"数据脏了怎么办""ERP 没接口怎么办""字段映射放哪里"这类外部约束（G 组）。

可以。A/B/G/H/I/J/K 七组通用（真实性、需求、企业落地、商业价值、协作、学习、匹配）。C/E/F 三组是 AI 特化（AI边界、技术深度、可靠性评测），非 AI 岗可整组跳过或替换成对应的专业维度。跳过要标 N/A 并写理由，不许静默省略。

自动跟随输入。中文提问全中文输出，英文提问全英文输出。

📋 Changelog

v2.0.0

维度模型重建

从 7 组扩到 11 组 / 52 子维度，从工作定义逐句推导而非罗列
拿真实面试记录反查，补齐 12 个高频漏项（AI必要性、产品形态、配置化、安全合规、接手老项目、失败复盘等）
按项目成熟度 M0-M1 / M2-M3 / M4+ 动态调组权重

上下文纪律（全新）

输入侧：只读大纲 + 含判断的 5 个节，220KB PRD 压缩 18 倍
冻结简报：Stage 1 后产出 800-1200 字，后续阶段不回读 PRD
L2 只写骨架 + 卡引用，不写全文（省一半输出）
硬配额：索引只含题干，单次响应 ≤4000 字，分批落文件
素材卡定位修正为压缩机制（一张卡支撑 3-5 题），不是内容增量

攻防增强（全新）

TOP 3 判断补：反面论证 + 边界条件 + 7天验证路径 + 迭代历史
三类题型模板：设计判断题 / 真实经历题 / 数字溯源题
PRD 到面试的语言翻译手册（5 条规则）

Stage 3.5 补证据（全新）

准备期 ≥2 周时，缺口从"只能承认"变成"可以补掉"
每个缺口标能补/不能补 + 具体动作 + 补完后答案的变化
带排期，外部依赖（约人访谈）排最前

v1.0.0

Scorecard → 取证 → 未来模拟三步法
七组企业现实检验
双模式输出

🙏 致谢

方法论基于：

Geoff Smart —— Who: The A Method for Hiring（Scorecard、取证式面试）
Lou Adler —— Hire With Your Head（Performance-based Hiring、未来模拟）
Daniel Kahneman —— Noise（决策噪声、偏见控制）
Marty Cagan —— Inspired（产品四类风险框架）

📜 License

MIT

如果这个 skill 对你有帮助，给个 ⭐️ Star

报告问题 · 参与讨论