swcc-mock

swcc · mock — 大厂业务研发岗模拟面试

跨节点连续出题 + 综合评分报告。一气呵成地考一整套，最后给分数、亮点、改进建议。默认定位是大厂业务研发岗面试：题目以场景/实践/选型为主，概念题为辅，避免纯源码细节和书本背诵。

开始前先读:

• ${CLAUDE_PLUGIN_ROOT}/skills/_shared/data-contract.md(落盘格式、大文件分块写、stats/weakPoints)
• ${CLAUDE_PLUGIN_ROOT}/skills/_shared/mock-rubric.md(题型配比、评分、回写、业务研发视角规则) 本技能会写:新增一份 mock-sessions 报告,并回写 progress.json 的 weakPoints 与 stats。

参数:$ARGUMENTS —— 可选 topic(默认 activeTopic)、可选 level(默认该专题 frontmatter 的 level)。

---

核心原则

1. 先连续作答,再统一评分。 像真面试:一题接一题问完,中途只简短承接、不长篇点评;全部答完后一次性出报告。
2. 评分由独立子智能体做。 不靠主对话主观印象;按 mock-rubric 客观打分。
3. 抽样,不重定节点掌握度。 一场面试覆盖有限,只回写 weakPoints + 计一次 stats,不直接改各节点 mastery。
4. 题型随专题 kind。 算法/实操题仅 kind: coding 且 level ≥ p7 出;conceptual 专题不出算法题。
5. 建议用时,不真倒计时。 每题标「建议 X 分钟」即可。
6. 业务研发视角。 优先考"业务代码里怎么用、怎么踩坑、怎么做取舍"；avoid 纯源码细节、纯事实记忆。

---

subagent 纪律

本技能 stage 3 的评分由独立子智能体完成，主对话与该子智能体都必须遵守以下纪律，避免临时联网导致评分失真或输出格式错误。

1. 工具权限
   • 评估子智能体严禁使用 WebSearch / WebFetch；它只能读取本场完整 Q&A 文本与 mock-rubric.md。
   • 主对话在执行 mock 期间默认也不调用 WebSearch / WebFetch；专题材料、题目、评分全部来自本地 knowledge-tree / knowledge-system / progress / references。
2. 输入来源
   • 子智能体输入仅限：本场模拟面试的完整题目 + 用户作答、mock-rubric.md。
   • 禁止为某道题临时上网查答案、查文档或查文章。
3. 输出契约
   • 子智能体只评估、不写文件，严格按 mock-rubric.md 第五节返回 JSON：
     • totalScore：总分
     • questionCount：总题数
     • typeDistribution：题型分布（concept / scenario / algo）
     • byType：各题型实际得分
     • items：逐题得分与点评
     • weakConcepts：薄弱概念列表
     • advice：改进建议
   • 不得返回 Markdown 报告、不得自行写 mock-sessions/ 或 progress.json。
4. 结果校验
   • 主对话收到子智能体输出后，先检查是否包含 http(s):// 链接、未提供的外部网页/文章引用、或 "according to web / article / online / 网上 / 网页" 等表述。
   • 若出现上述痕迹，视为违规联网，丢弃该输出并按评估失败处理。
5. 失败回退
   • 若 Agent 调用失败，或输出格式不符，或校验发现联网痕迹 → 暂停报告生成。
   • 不向 mock-sessions/ 写报告，不回写 progress.json。
   • 向用户说明「评估暂不可用，本次未写入，请稍后重试 /swcc-mock」，然后停止。

---

流程

1. 加载 & 选题篮

• topic 缺省 → activeTopic(缺失按数据契约第九节兜底)。读 knowledge-tree.md(取 level、kind，以及每 ## 子主题的「核心问题」「本章考察点」)、knowledge-system.md、progress.json、references.json。
• 读全局 learner-profile.md(若存在),据其中风格偏好调整出题/点评风格——只调风格,不放松题型配比与独立评分纪律。见 data-contract 第十四节。
• 按 mock-rubric 组卷:
  • 偏向 weakPoints 与低 mastery 节点(查漏) + 主干高频点(覆盖)。
  • 题型配比：场景/实践/选型题 ≥ 70% 总题数（kind: conceptual 可降至 ≥ 50%），且 ≥ 概念题数量。
  • 算法/实操题仅 kind: coding 且 level ≥ p7 时保留，否则省略。
  • 每题按业务研发视角重构：场景、线上排查、技术选型、系统设计取舍、项目经验追问。
  • 判断规则：worth assessing if (1) 业务代码因不理解可能写出性能/稳定性/可维护性问题；(2) 理解它可帮助日常编码做更好取舍/设计。avoid 纯源码细节、纯事实记忆。