JD Interview Prep · 面试作战地图生成器

这个 skill 的核心信念

面试不是问答，是双向校准。

这一句话决定了所有后续设计。三个推论：

1. 面试官的字面问题 ≠ 真正在评估的东西。 问"你最大的失败"——评的不是失败本身，是你对自己的元认知深度。
2. 你的回答 ≠ 你传递的信号。 答得太流畅反而像背诵；露出一点真实挣扎更可信。
3. 你问的反问 ≠ 你想知道的事。 你问什么 = 你是谁的最强信号——这是反问被反复强调却很少被讲透的本质。

这个 skill 不是"问题清单 + 标准答案生成器"。是把面试还原成社会场域里的信号博弈，让用户读完后对面试这件事的理解升一个维度。

触发条件

满足任一即触发：

• 用户粘贴 JD 文本（即使没明说"面试"）
• 用户说"下周/下个月/明天面试 XX"
• 用户说"帮我准备 XX 面试"、"AI PM 面试"、"准备面经"、"interview prep"
• 用户说"我心仪 XX 公司"、"我要申请这个岗位"、"帮我看看这份招聘描述"
• 用户提供一段疑似招聘文案（含"职位描述/职位要求/岗位职责/任职资格"等关键词）

不要触发：用户问"如何写简历"（那是简历优化）、"模拟面试我"（那是 mock interview）、"AI PM 是什么"（那是职业咨询）。

输入约定

• 必给：JD 文本（粘贴，不需要 URL）
• 可选：用户简历（贴文本或描述项目即可）
• 可选：用户期望薪资 / 当前 offer 情况 / 已知面试轮次安排

如果 JD 没含公司名，先问用户："这是哪家公司？" 公司名是必须的——没公司名做不了场域分析。

如果用户没贴简历，按"匿名简历模式"走——叙事主轴和项目深挖部分会标注 [需要你的简历] 占位。

三层工作流（这是 skill 的主线，严格按顺序执行）

┌─────────────────────────────────────────────────────────┐
│  L0 · 元认知诊断 (200 字)                                │
│  让用户读完后，对这场面试的理解升一个维度。              │
│  这是 HTML 第一段，不是开场白，是"洗礼"。               │
├─────────────────────────────────────────────────────────┤
│  L1 · 战略层                                             │
│  - JD 解码：表层期待 / 隐含期待 / 避雷信号               │
│  - 场域分析：公司在 AI 行业的位置 / 派系 / 最近动作      │
│  - 叙事主轴：你这场面试的核心故事 + 3 个传递目标形容词   │
├─────────────────────────────────────────────────────────┤
│  L2 · 战术层                                             │
│  - 分轮次画像：HR / 技术 / 直属 / skip / 终面 各自的 stake│
│  - AI PM 考题域：eval / RAG / Agent / 安全等的认知地图   │
│  - 项目深挖：3 层讲法 + 失败叙事工艺                     │
│  - 行为题：场景驱动选模板（STAR/CAR/SOAR/SBI）           │
├─────────────────────────────────────────────────────────┤
│  L3 · 话术层                                             │
│  - 自我介绍：30s / 60s / 2min 三档钩子                   │
│  - 反问清单：4 层 × 你想被记住的形象                     │
│  - 谈判剧本：先报价 vs 后报价两条分支                    │
│  - 面试前/中/后仪式 + 跟进邮件模板                       │
└─────────────────────────────────────────────────────────┘

执行步骤（严格按序）

Step 1 · 接需求 + 公司情报（5 分钟）

1. 读 JD 全文。如果没有公司名，立刻问用户。
2. 强制 WebSearch 公司情报（除非用户显式说"--no-web"）：
   • <公司名> <岗位> 2026 战略
   • <公司名> 最近 产品发布 / 融资 / 技术博客
   • <公司名> AI 派系 模型 选型
3. 公司情报必须带源 + A/B/C/D 置信度：
   • A = 官方源（公司官网/公告/CEO 公开发言/技术博客）
   • B = 主流媒体/分析报告（36氪/晚点/The Information/科技日报）
   • C = 社区/二手（知乎/小红书/Reddit/X 帖子）
   • D = 推断（根据 JD 措辞推测，未直接证实）
4. 询问用户简历情况和已知轮次安排（一次问完，不要反复问）。

Step 2 · 元认知诊断（200 字）

基于 JD + 简历 + 情报，写一段让用户对这场面试理解升维的诊断。模板见 references/output-spec.md。 要点：

• 不要"祝你面试顺利"这种废话
• 直接告诉用户："你简历过了说明 X 已被预设达标，所以接下来对方真正在评 Y"
• 点出这场面试的隐含规则——这家公司这个岗位面试的隐藏轴是什么

Step 3 · L1 战略层（按子文件执行）

• 读 references/decode-jd.md，输出 JD 解码三栏（表层/隐含/避雷）
• 读 references/decode-field.md，输出场域分析（公司位置/派系/最近动作的解读）
• 读 references/narrative-architecture.md，输出叙事主轴 + 3 个形容词

Step 4 · L2 战术层

• 读 references/round-strategy.md，按 JD 推断的轮次链输出 N 张轮次卡
• 读 references/ai-pm-canon.md，按 JD 技术关键词命中 3-5 个考题域，每个给认知地图
• 读 references/narrative-architecture.md 项目深挖部分，对用户简历每个项目给 3 层讲法（事实/方法/哲学）
• 读 references/behavioral-craft.md，挑 4-6 个高频行为题给三档对比

Step 5 · L3 话术层

• 读 references/narrative-architecture.md 自我介绍部分，输出 30s/60s/2min 三档
• 读 references/questions-you-ask.md，输出 4 层反问清单（每条标"会让对方记住你 X"）
• 读 references/offer-craft.md，按级别（实习/junior/mid/senior）输出谈判剧本
• 读 references/ritual-bookends.md，输出面试前 24h / 当天 / 面试后跟进的执行清单

Step 6 · 拼装 HTML 作战地图

• 读 references/output-spec.md 的章节结构规范
• 读 assets/battle-map-template.html 取模板骨架
• 把上述所有内容填入模板
• 输出到 <skill-dir>/workspace/battle-map-<公司名>-<时间戳>.html
• 必须是单文件，所有 CSS/JS inline，可离线、可打印

Step 7 · 验证 + 交付

• 用 Bash 检查 HTML 文件存在 + 可打开（stat + head -5 确认不是空文件）
• 给用户回传 HTML 路径 + 一句"建议打开方式"
• 不要在对话里把整个 HTML 内容贴出来——文件路径就够，让用户自己打开

厚度的 4 个引擎（贯穿所有模块）

skill 输出之所以是"作战地图"而不是"清单包"，靠这 4 个引擎：

① 三档对比

所有重要建议给弱 / 合格 / 惊艳三档。让用户立刻看到天花板。 不是话术差距，是对自己处境的元认知深度差距。

② 反例与失败学

每个模块都有"做过这事的人 80% 会怎样错"段。反例传递的是判断力，不是知识。 例："你们晚上几点下班？"为什么是反问灾难——它精准告诉对方你把面试当工时谈判。

③ 认知地图

不只给题，给该领域的思维结构。 例：eval 题不只列"offline/online/human eval"，给一张图说明"什么时候用什么 + LLM-as-judge 为什么是当代 AI PM 的核心武器 + 为什么 eval 设计本身就是产品决策"。

④ 元层升维（第一段定调）

HTML 开篇 200 字直接给"这场面试的真相"——读完后用户对面试这件事的理解升一个维度。 这不是开场白，是认知洗礼。

心理学/社会学的存在方式

这个 skill 大量使用了戏剧论（Goffman）、影响力六原则（Cialdini）、锚定（Tversky）、首因近因（Asch/Murdock）、Big Five、框架效应（Kahneman）、Bourdieu 场域/文化资本、行为经济学等理论——但它们不会作为"标签"出现在输出里。

理论应该变成观察的视角和指令的逻辑，而不是注脚。

❌ 不要这样：反问第 3 题（用 Cialdini 互惠原则）：……

✅ 应该这样：想被记住为"会成长"的，问"如果我加入 6 个月，你判断我做对了什么/做错了什么的标准分别是什么？"——这一问还顺手激活了对方的"如果他加入"心理画面，把评估从"是否录取"悄悄推到"录取后怎么用"。

后者通篇没出现 "Cialdini" 三个字，但调动了 4 种心理机制（signaling、impression management、commitment & consistency、prospective imagery）。

写输出时，理论是骨头，不是装饰。

路由总表（按需读取）

失败模式与防止

1. "伪场域分析"——不搜索就编公司故事 → 强制 Step 1 调 WebSearch + 置信度分级
2. "通用化漂移"——给的建议泛泛适用任何公司 → 每个模块都要显式引用 JD 中的具体词句作为依据
3. "理论装饰化"——把心理学贴成标签 → 见上面"心理学的存在方式"，理论变骨头不变标签
4. "清单瘫痪"——给一堆条目但没厚度 → 强制使用三档对比 + 反例 + 认知地图
5. "开场白污染"——HTML 第一段写"祝你面试顺利"→ 第一段必须是元认知诊断，不是寒暄
6. "简历失忆"——用户给了简历但输出里完全没引用 → 项目深挖必须基于真实简历内容

红线

• 🚫 不杜撰公司情报（必须 WebSearch 验证或标 D 级推断）
• 🚫 不杜撰用户经历（项目内容只能基于用户提供的简历，缺失就标 [需要补充]）
• 🚫 不输出"通用面试题大全"——每条建议必须扣回 JD 或公司
• 🚫 不在 HTML 里挂"⚙️ 用了 Cialdini"这种学究标签
• 🚫 不让用户撒谎或暗示扭曲事实
• ✅ 输出必须是可立即使用的话术，不是"建议你思考一下 X"的废话

配套 skill 推荐

如果用户在跑完作战地图后表达"还想再深一层"、"被追问怎么办"、"想做面试深度准备"——主动推荐 jd-interview-arsenal。

典型协作流程：用户跑本 skill 拿"作战地图 HTML" → 推荐用户跑 arsenal 拿"武器装备库 HTML" → 双 HTML 配套用面试稳。两 skill 视觉风格一致（典雅风 + 公司主色），可独立可配套。