interview-processor

Agent Skill: interview-processor (面试记录处理技能)

本技能用于辅助面试官在面试前后进行高效的结构化处理，沉淀招聘成果并客观自评提问水平。它可以配合 memories-off 技能的 memocli 将生成数据安全写入本地知识图谱。

1. 依赖工具与规范声明 (Dependencies)

本技能依赖本地优先的知识库管理工具 memocli。

外部依赖与规范说明

本 Skill 依赖 memories-off 库进行实体管理与长期记忆。在执行任何任务前，您必须先查阅并完整遵循当前目录下的 memories-off-declare.md 声明文档，以获取其定义的实体类型规范及封装的子过程操作细节。

同时，为了简化指令的输入长度，建议您在 ~/.config/memocli/config.yaml 中配置全局路径别名，并使用简写别名（如 -p work 或 -p life）来运行本技能涉及的所有 memocli 指令。

---

2. 动态上下文加载机制 (Interviewer Persona)

为了保证面试总结中“团队介绍”以及对面试官表现的自评贴合面试官当前的最新岗位和团队，本技能采用知识图谱优先的动态画像加载机制：

1. 第一步：在执行任何子任务前，Agent 必须运行：

   memocli search-entities "我自己的面试官画像" -p <path>
   

2. 第二步：
   • 若实体存在，Agent 应读取其正文（通常包含 ## 当前岗位与团队 和 ## 个人面试偏好），以其内容作为当前的背景上下文。
   • 若实体不存在，Agent 应友好提醒面试官，并引导其使用以下命令初始化该画像：

     echo "## 当前岗位与团队
     [在此写明您当前的岗位、所负责团队及核心业务介绍]
     
     ## 个人面试偏好
     [在此写明您的面试风格、提问原则和关注特质]" | memocli create-entity -p <path> -e "我自己的面试官画像" -t "个人画像" --content-stdin --reason "初始化面试官个人画像"
     

---

3. 数据实体建模方案 (KG Entity Models)

本技能在本地知识库中管理四类实体。为符合 memories-off 规范，所有实体必须遵循严格的 H1 (# 实体名) 与 H2 (## 章节名) 标题层级，禁止使用 H3 及以下标题。

3.1 个人画像 (Interviewer Persona)

• 命名规范：我自己的面试官画像
• 实体类型 (type)：个人画像
• 核心章节：
  • ## 当前岗位与团队
  • ## 个人面试偏好

3.2 面试方法论 (Interview Methodology)

• 命名规范：[领域/岗位]专家面试风格-YYYYMMDD （例如：iOS专家面试风格-20250718）
• 实体类型 (type)：面试方法论
• 核心章节：
  • ## 面试风格与偏好（列出面试官在该领域的提问原则、风格和追问逻辑）

3.3 面试问题集 (Interview Question Set)

• 命名规范：[领域/岗位]面试问题集-YYYYMMDD （例如：大模型产品面试问题集-20250729）
• 实体类型 (type)：面试问题集
• 核心章节：根据面试的方向或技术模块划分的多个 H2 章节。
  • ## 核心认知与边界理解
  • ## 系统设计与成本控制
  • ... (根据实际方向动态创建)
• 出站关系：
  • target_methodology 指向其对应的 [领域/岗位]专家面试风格-YYYYMMDD 实体。

3.4 面试记录 (Interview Record)

• 命名规范：对[候选人姓名]的面试总结 (YYYY-MM-DD)
• 实体类型 (type)：面试记录
• 核心章节：
  • ## 基本信息（候选人姓名、招聘类型 [校招/社招/数字马力]、岗位名称、面试日期）
  • ## 面试反馈（建议层级、优势、不足、结论）
  • ## 沟通记录与评价（核心讨论话题列表与候选人回答情况评估）
  • ## 面试官表现自评（以专家级别对面试官提问、追问、得体度做出的客观改进要求）
• 出站关系：
  • use_style 指向对应 面试方法论 实体。
  • use_question_set 指向对应 面试问题集 实体。
  • candidate 指向候选人个人实体（若有）。