【开源】共工skill技能包-助力技术面试

最近我在做一个面向候选人的 skill。

目标就是：输入一份自己的简历，自动生成简历风险诊断、面试追问清单、模拟面试题和准备优先级。

• Git 项目地址：https://github.com/yangchao228/gonggong-skills
• 面试候选人 Skill 目录：gongong-candidate-interview-coach

前段时间我先做过一个“技术面试官 skill”。

那个工具是给面试官用的：输入一份简历，帮面试官生成面试题、追问方向和评分要点。

做完以后我发现，这套能力反过来用，对候选人也很有价值。

如果 AI 能站在面试官视角拆简历、找风险、设计追问，那候选人完全可以在面试前，先用同一套视角审自己。

所以我拆出了这版面试者 skill。

它不是再给你一份通用题库。

它真正想解决的是一个更具体的问题：

在你真正坐到面试官对面之前，先知道自己哪里最容易被问穿。

一、最容易翻车的地方，叫追问

很多人准备技术面试，第一反应是刷题。

Redis、MySQL、MQ、JVM、分布式、项目设计，全都过一遍。

这些当然有用。

但真实面试里，很多人其实卡在自己的简历上。

比如简历里写：

“负责订单系统性能优化，接口耗时降低 40%。”

这句话看起来很漂亮。

但面试官真正会追的是：

• 原来慢在哪里？
• 你怎么定位出来的？
• 这 40% 是平均耗时，还是 P95？
• 优化范围是一个接口，还是整条链路？
• 你负责方案设计，还是其中一段实现？
• 上线后有没有副作用？

这些问题不考你会不会背概念。

它们在验证一件事：

这段经历，到底是不是你真实做过。

这就是候选人 skill 的价值起点。

它先不急着帮你准备答案，而是先把这些潜在追问翻出来。

二、这个 Skill 能帮面试者做什么？

候选人自测包输出示例

候选人自测包输出示例

1．先做简历风险诊断

它会先看你的简历里哪些地方最值得警惕：

• 哪段经历最像亮点
• 哪段表述最空
• 哪个指标缺少口径
• 哪些技术栈只是写了名字
• 哪些地方像团队成果，但没说清个人贡献

这一步最大的好处是：

你会提前知道，简历里哪些地方看起来像加分项，实际可能是风险点。

很多候选人自己看简历，只会看“够不够强”。

面试官看简历，看的往往是“哪里可以继续追问”。

这个 skill 做的第一件事，就是把这两个视角对齐。

2．生成贴着简历的追问清单

通用题库的问题是太宽。

你准备了很多，但不一定打中自己的简历。

这个 skill 生成的问题，会绑定你的简历原句。

比如你写“使用 Redis 优化热点数据访问”，它不会只问“Redis 有哪些数据结构”。

它会继续追：

• 热点数据怎么识别？
• 缓存 key 怎么设计？
• 过期策略是什么？
• 数据一致性怎么处理？
• 出现缓存击穿时怎么兜底？

这类问题对面试者很有用。

因为你的准备会开始围绕自己的项目展开。

3．给出模拟面试题和自评标准

我不希望这个 skill 只停留在“指出问题”。

指出风险以后，它还会继续生成候选人自测包。

里面包括：

• 最可能被追问的 10 个问题
• 每道题的简历依据
• 面试官想验证什么
• 继续追问方向
• 参考回答框架
• 自评标准
• 准备优先级

这比“帮我生成一套 Java 面试题”更实用。

因为它会告诉你：

为什么会问这道题，你应该补什么证据，什么样的回答算有风险。

4．给出简历改写建议和准备优先级

简历改写建议和准备优先级示例

简历改写建议和准备优先级示例

这个亮点很实用：它不会只说“你这里有问题”，还会告诉你怎么补。

比如哪些经历要补时间线，哪些指标要补样本量和基线，哪些项目要写清个人边界。

最后还会分出“今天必须补齐”“面试前需要练熟”“可以放到加分项”。

三、它会逼你补证据

举个例子。

不要只准备一句：

“我做了接口优化，耗时降低 40%。”

更稳的表达应该像这样：

“当时订单详情页在大促期间 P95 耗时偏高，主要慢在多次串行查库和部分字段重复计算。我负责排查链路和改造接口聚合逻辑，把两段串行查询改成并行，并对稳定字段加了本地缓存。上线后在相同压测口径下，P95 从 420ms 降到 260ms。后来复盘发现缓存失效策略还可以更细，这部分如果重做，我会先补监控再灰度。”

这段话没有多华丽。

但它有背景、职责、方案、数据口径和复盘。

面试官继续追问时，你不容易虚。

这也是我给这个 skill 设边界的原因：

• 不替候选人编造项目事实
• 不编指标、样本量和个人贡献
• 缺失信息必须标注“需要你补充”
• 如果某段经历经不起追问，要直接指出风险

面试准备不该只追求更漂亮的表达。

它应该让真实经历更清楚、更扎实，也更经得起追问。

四、如果你明天就要面试，可以怎么用？

我的建议很简单，别一步到位。

先把简历丢给这个 skill，让它做一轮反向审查。

第一步，看简历风险诊断。

先别急着润色，重点看哪些地方被标成“容易追问”“证据不足”“个人贡献不清”。

第二步，看追问清单。

每个高风险项目，至少准备两层追问。

第三步，补证据。

数据口径、个人职责、线上问题、失败复盘、方案取舍，这些比漂亮话更重要。

第四步，做自评。

如果一个项目你讲不清背景、职责、方案、结果和复盘，就先别急着把它写得更大。

五、我这次最大的感受

这次做面试者 skill，我最大的感受是：AI 可以把面试准备变成一套可执行流程。

它可以帮你发现盲区，模拟追问，整理回答框架，建立准备优先级。

但项目事实、真实细节、关键判断，还是要从你自己身上来。

工具越强，人越要清楚哪些部分不能外包。

对候选人来说，AI 可以帮你提前看到问题。

最后能不能讲清楚，靠的是你有没有真的做过，有没有认真复盘过，有没有把自己的经历整理成可验证的证据。

所以如果要把这次实践收成一句话，我会这么说：

AI 负责提前模拟面试官的追问，候选人负责把真实经历补成经得起追问的证据。

这才是这个面试者 skill 对我来说最有用的地方。