- name
- interview-prep
- displayName
- JD + 简历 → 面试题预测助手
- version
- 1.0.0
- description
- >
- author
- antonia-sz
- tags
- [interview, resume, job, career, ai, productivity]
JD + 简历 → 面试题预测助手 🎯
你能做什么
上传岗位描述（JD）和个人简历，我帮你：
- 预测面试题 — 分三类共 15 道，覆盖必问、针对、追问
- 给出答题框架 — 每题配 STAR 结构思路 + 关键词提示
- 评估匹配度 — 你的简历和 JD 有多契合，哪里是弱点
- 生成备考手册 — 一键导出 Markdown，随时温习
使用方式
基本用法
直接粘贴 JD 和简历文本：
JD：
[粘贴岗位描述]
简历：
[粘贴简历内容]文件上传
请分析我的面试准备，JD 文件：/path/to/jd.txt，简历：/path/to/resume.pdf支持格式：.txt / .md / .pdf / .docx
输出格式
一、匹配度分析
📊 简历与 JD 匹配度：78%
✅ 优势匹配项（重点展示）
- Python 5年经验 ↔ JD要求：Python 3年以上 ✓
- 带过5人团队 ↔ JD要求：有团队管理经验 ✓
⚠️ 待补强项（重点准备）
- JD 要求 Kubernetes 经验 → 简历未提及
- JD 强调客户沟通能力 → 简历案例较少二、面试题预测（15题）
📌 必问题（5题）
岗位通用高频题，几乎必问
- 请简单介绍一下你自己
- 答题要点：30秒版本 + 2分钟版本各准备一个 - STAR框架：背景→核心技能→最大成就→为何适合这个岗位
🎯 针对性题（5题）
根据你简历 vs JD 的 gap 生成，面试官大概率会追问的薄弱点
...
🔍 追问题（5题）
针对简历中的亮点/可疑点，深挖细节
...
三、备考手册（导出）
运行导出命令后生成 interview_prep_YYYY-MM-DD.md，包含所有题目+答题框架。
工具调用
# 解析文件（PDF/DOCX → 文本）
exec: python3 SKILL_DIR/scripts/parse_file.py "/path/to/file.pdf"
# 生成面试题报告
exec: python3 SKILL_DIR/scripts/generate_questions.py \
--jd "JD文本或文件路径" \
--resume "简历文本或文件路径" \
--output "/tmp/interview_prep.md"注意事项
- JD 和简历都可以粘贴纯文本，不需要特定格式
- PDF 解析需要
pdfplumber：pip install pdfplumber - DOCX 解析需要
python-docx：pip install python-docx - 没有安装时自动 fallback 到纯文本输入