Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx agentmods add skills/dora0512/interview-trainer/interview-prepnpx skills add Dora0512/interview-trainer --skill interview-prepgit clone --depth 1 https://github.com/Dora0512/interview-trainerWhat it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5 | $0.00037 | $0.01715 |
| Opus 5 | $0.00018 | $0.00857 |
| Sonnet 5 | $0.00007 | $0.00343 |
| Haiku 4.5 | $0.00004 | $0.00171 |
Grade A, and why
interview-prep scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 2d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 132 lines — stays where its author put it; the contents beside it link to each section on GitHub.
面试准备编排 Skill / Interview Prep Orchestrator
根据目标公司和即将到来的面试轮次，生成针对性准备计划。
语言规则：指令用中文写，但用用户的语言输出准备计划。
使用方式
/interview-prep <公司> # 生成准备计划（自动推断轮次）
/interview-prep <公司> --round 二面 # 指定轮次
/interview-prep <公司> --jd <JD文本> # 带 JD 上下文
/interview-prep <公司> --hr # 针对 HR 面准备
/interview-prep <公司> --readiness # 只看准备度评分
工作区路径（准备开始前读取）
| 内容 | 路径 |
|---|---|
| 用户画像（身份/简历卖点/量化数据锁定/目标） | profile.md |
| 话题体系 + 各话题 L1-L5 标准答案 | knowledge-base/topics.md |
| 深度追问清单 | knowledge-base/deep-dive-questions.md |
| STAR 故事库 | knowledge-base/star-stories.md |
| 公司风格库 | knowledge-base/company-styles/*.md |
| HR 问题参考（如有） | knowledge-base/hr-questions.md |
| 面试管线 | data/pipeline.md |
| 能力画像 | data/capability-profile.md |
| 该公司历史面试记录 | data/records/<公司>/*.md |
| 该公司已有准备文档 | data/prep/*<公司>*.md |
| 该公司定制简历 | profile.md 中简历目录下的 *<公司>*.md（如有） |
| 跨面试分析（如有） | data/analytics.md |
执行流程
Step 1：收集上下文
- 从管线读该公司当前阶段，推断即将到来的轮次
- 读该公司所有历史记录，提取每轮考察话题、难度风格、表现和暴露弱点
- 有 JD 或定制简历则提取技术要求
- 从能力画像读各话题当前水平（🕐 已过期的达标话题按待复测处理）
- 读
knowledge-base/star-stories.md各故事的强度评级和使用记录
Step 2：分析与预测
公司风格推断：优先从 knowledge-base/company-styles/<公司>.md 读；若无该文件，从历史记录归纳，并匹配最接近的 archetype（算法深挖型 / 数据驱动型 / 稳定性型 / 系统设计型 / 行为面型 / 领域专项型）。
考察方向预测逻辑：
- 上轮已考话题：二面通常不重复但更深
- 上轮暴露弱点：面试官可能交叉验证
- JD 核心要求但未考的话题：高概率本轮出现
- 该公司特色方向（从 company-styles 取）
- 二面/三面通常增加：系统设计、技术决策、架构思维
Step 3：生成准备计划
# <公司><轮次>面试准备
> 预计面试时间：<从管线或用户输入> | 管线状态：<当前阶段> | 准备度评分：<X>%
## 上轮回顾
> 上轮日期：<日期> | 考察方向：<话题列表> | 表现：<强项>✅ <弱点>❌
> 详细复盘：<面试记录链接>
## 本轮预测
| # | 预测考察方向 | 预测概率 | 你的当前水平 | 目标 | 差距 | 紧急度 |
|---|---|---|---|---|---|---|
| 1 | <话题> | 🔴 高 | L<N> | L<M> | <差距> | P0 |
## 紧急复习清单
### P0（高概率 + 有差距，必须复习）
1. **<话题>** — <差距> 复习：`/interview review <话题>` 重点：<知识点> 来源：<在哪找>
### P1（中概率或差距小）
### 模拟练习
3. `/interview mock <核心话题> --company <公司>` — 针对最弱话题模拟一次
## STAR 故事分配
> 一个故事一场面试只支撑一题；同司上一轮讲过的故事本轮换角度或换故事。
| 预测问题 | 首选故事 | 适配度 | 备选 | 使用提醒 |
|---|---|---|---|---|
| <预测问题> | Story <N> | 🟢 强适配 / 🟡 可用 / 🟠 勉强 / 🔴 缺口 | Story <M> | <连续 3 场用过→提示轮换；该公司上轮讲过→换角度> |
**冲突解决**：两题争同一强故事 → 强故事给预测概率更高的题；出现 🔴 缺口 → 建议补写新故事并给素材方向，不硬凑。
## 自查 Checklist
□ <话题1> 能用类比开场 + 30 秒说清核心概念？
□ <话题2> 能画出关键 Mermaid 图？
□ <话题3> 能说出项目实战模块 + 量化数据？
□ 自我介绍准备好？（结构见 profile.md）
□ 简历量化数据背熟？（profile.md 锁定数据）
□ 该公司相关 STAR 故事准备好？
□ 薪资期望准备好？（目标见 profile.md）
## 准备度评估
准备度：🟡 <X>%（<关键差距>）
建议：<具体，如"用 2 小时复习 X + 做 1 次模拟可提升到 🟢 80%">
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 2d ago First seen · 132 lines · 37 tokens per session scan A 7b4b05df2927
interview-prep is a skill published in the GitHub repository Dora0512/interview-trainer (10 stars, last pushed 1mo ago), licensed MIT. It adds 37 tokens to every session and 1,715 once invoked, about $0.0002 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.
Other skills, from other repositories
job-application-kit
求职申请与面试准备套件：针对目标职位（JD/职位描述）量身定制简历与求职信，在诚实边界内修改与包装既有经历， 生成阶段化面试准备包并支持模拟面试。触发词：写简历、改简历、简历定制、tailor resume、resume、CV、 resume writing、求职信、cover letter、投递、申请职位、job posting、JD、职位描述、岗位匹配、fit 评估、 面试准备、面试问题、interview prep、mock interview、模拟面试、包装经历、量化成果。 不适用于：职位批量抓取与申请追踪管理、通用营销或商务文案、学术论文写作、招聘方视角的简历筛选。.
project-interview-skill
在项目根目录生成导学.md与面经.md；大厂工程向、第一人称口播（每题≥150字完整STAR）、 简历一句话简介、仓库相对路径阅读指引、量化合并文末（待测+如何测）。触发：面经、导学、 interview analyzer、项目分析、面试准备、STAR、简历亮点。.
job-description-skill
Job Description 解码器 + Offer 策略系统。把任何 JD 翻译成「这家公司到底在招什么人 / 我的匹配度 / Gap 在哪 / 为什么投/不投 / 面试会问什么 / 下一步怎么走」。只有 3 步：贴 JD → 给简历 → 自动生成并打开一份 HTML Offer Strategy Report。是整个求职链路的入口，向下衔接 Resume Skill 和 BQ Skill。关键词：job description, JD, 职位描述, 匹配度, ATS, resume tailor, 简历定制, 招聘经理, 投不投, should I apply, 面试预测, offer strategy。.
pm-interview-grill
产品经理（PM）高强度面试拷问与即时教练技能。模拟 Google/Meta/字节/腾讯等顶尖科技公司 PM 面试官，支持四大经典题型与真实简历项目深度挖掘，并在每轮回答后提供即时优点拆解、逻辑扣分点与 CIRCLES/STAR/AARM 框架标准示范。当用户提出“PM面试”、“产品经理面试”、“PM烤问”、“产品经理模拟面试”、“PM烤问我”或需要 PM 面试指导时触发。.
resume-assistant
智能简历助手,通过五个AI代理提供全流程求职支持:(1)故事挖掘-发现经历亮点;(2)职位推荐-匹配合适岗位;(3)简历优化-针对JD定制内容;(4)模拟面试-实战演练与反馈;(5)能力提升-差距分析与计划。适用于简历创建、优化、面试准备、职业规划等求职相关任务。.
career-ops
AI job search command center -- evaluate offers, generate CVs, scan portals, track applications. Use when the user pastes a job URL or JD, asks to scan portals, generate a CV/PDF, track applications, prepare for interviews, draft outreach/emails, or run any career-ops mode.