Skip to content
Conduit

skill

tech-interview-skill

科技行业面试 Skill：评分必须引用你的原话，输出全走机器验收

TAO-LIUJIANG/tech-interview-skillcommunitylistedunreviewed
Use skill

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/TAO-LIUJIANG/tech-interview-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 25, 2026

科技行业面试 Skill

English | 中文

stars forks license

给简历和目标公司，还你行业地图、差距清单、面试话术和陪练。

目录：News · 快速开始 · 适合谁 · 设计哲学 · 特点 · 使用流程 · 功能亮点 · 好答案 vs 差答案 · FAQ · 架构

News

  • 2026-10-02：首个公开发布——五条设计哲学 + 机器验收体系，46 项回归全过。

快速开始

# 复制到 skills 目录（ZCode: ~/.zcode/skills/；Claude Code: ~/.claude/skills/）
cp -r tech-interview-skill ~/.zcode/skills/

一句话开用：「帮我练练面试」「看看我这简历能不能扛住追问」「跑 Stage 0 分析我和某公司的差距」

它适合谁

  • 简历能写但面试说不出的人——需要话术打磨和独立盲评；
  • 想投多家公司、不知道差距在哪的人——需要行业地图和差距清单；
  • 拿到了面试邀请，但对这家公司的业务不了解的人——Stage 0 帮你把行业、公司、岗位三层捋清楚，面试前一晚也能补；
  • 不知道自己的简历能投哪些公司的人——D0 反向岗位发现：从简历出发，找出匹配的方向和公司；
  • 怕背题翻车的人——这套系统专治堆术语（讲不清原理直接扣分）。

设计哲学

哲学人话版
能力优先不看会背多少名词，看能不能把事情做出来、讲明白。
反浮躁任何概念都要能讲给外行听——讲不清就是不会，堆术语直接扣分。
人机协同重要的判断（要不要淘汰）必须人来确认；跑分、查字数交给机器。
链路定位讲项目别报菜名，先讲流水线：原料哪来、我做哪步、成品给谁、怎么算做得好。
双线对照每个技术标注在学校线还是工厂线——中间那条沟（gap）就是你的价值。

总纲：写给人看，交给机器查——人负责把话说清楚，机器负责挑错（结构/字数/来源/内容/截图五查）。

本 Skill 的特点

特点说明
证据链评分每次打分必须逐字引用你的原话，说不出原话的评分无效
诚实红线预演答案每句要有简历依据，编造的东西上场一定穿帮
学习闭环挂点自动回流，按挂点次数 × gap 级别 × 离钱远近排学习优先级
输出受限文档 ≤600 字五段式、对话 ≤150 字，机器五查验收

使用流程

简历 ──→ 行业地图+差距清单 ──→ 学什么(挂点×差距×离钱近) ──→ 练+独立盲评 ──→ 上场
  ↑________________________ 被问穿的地方流回改学习清单 ________________________↑

功能亮点

  • 独立盲评：评委只看问答对、不知来龙去脉，防自己人放水；
  • 论文三级查：本地库 10 秒探测 → arXiv/OpenReview 主力 → 只有二手解读的不许进话术；
  • 多语言调研：英文必查、日文等一手内容也查；技术、产品、市场、财经都查，硬数字以招股书、财报这类原始文件为准；
  • 双库隔离：企业公开资料与你的隐私永不互写，差距分析只做「隔窗比对」；
  • 行业数据库：五层产业链地图 + 国内国际竞品 + 学术×工业双线找沟。

好答案 vs 差答案（同一道题，独立盲评）

题目：介绍你在投的论文项目

❌ 7 分：「我做 LiDAR-3DGS 重建，设计了跨模态编码模块，PSNR 提了 1.5dB，在 nuScenes 从零训练，还验证了跨域泛化。」

评委：技术都对，但停在「做了什么」——「怎么注入的、为什么有效」没讲，像在念摘要。

✅ 9 分：「上游是车载众包数据——6 个环视相机加 32 线激光，只覆盖 1.4% 像素，这是输入约束。我把它转换成可微的 3D 场景表征：稀疏度量真值注入初始化和监督，解决欠约束漂移——为什么必须这层做：漂移发生在表征层，下游修不了。输出给地图更新和世界模型训练消费。反馈上，nuScenes 复现到与论文只差 0.08dB，说明精度可审计。」

评委：链路完整（上游约束→自身转换→层级理由→下游消费→可审计证据），还主动讲了失效边界。

差距的 2 分不在技术，在结构——这就是「链路定位」哲学教的事。

FAQ

  • 必须联网吗？ 行业分析需要；对练/材料攻防纯本地可跑。
  • 我的简历数据会被上传吗？ 不会。你的材料只存在你自己电脑的 candidate-materials/ 目录里，和公开的企业资料是两个库，互不写入。

Skill 架构

tech-interview-skill/
├── SKILL.md               # 主入口：哲学 + 硬规则 R1–R9 + 四模式 + 主循环
├── references/            # 按需加载的六份知识文件
│   ├── interviewers.md    #   10 张面试官角色卡
│   ├── scoring-veto.md    #   0–10 评分锚点 + 五否决判定
│   ├── selection-rules.md #   选题公式与三阶段调权
│   ├── job-matching.md    #   岗位匹配与差距分析
│   ├── company-intel.md   #   行业数据库 v2（五维/竞品/双线Gap/论文三级查）
│   └── output-spec.md     #   输出规范（五段式/说人话三律/机器五查）
├── examples/  ·  docs/    # 示例输出与设计文档

License

MIT

↑↓ navigate openesc close