Interview Coach Skill
触发条件
当用户需要:
- •准备技术面试
- •准备系统设计面试
- •练习行为面试(STAR法则)
- •进行模拟面试
- •获取面试反馈
- •分析面试表现
核心能力
1. 面试准备
基于目标公司和JD生成准备指南:
- •分析公司和JD
- •识别关键技能和知识点
- •生成定制化准备清单
- •推荐练习题(按优先级)
- •提供复习资源
2. 模拟面试
技术面试模拟
- •编程题(LeetCode风格)
- •算法和数据结构
- •代码质量评估
- •时间和空间复杂度分析
- •优化建议
系统设计面试模拟
- •经典系统设计题
- •架构设计能力
- •可扩展性讨论
- •Trade-offs分析
- •组件设计
行为面试模拟
- •STAR方法训练
- •常见行为问题
- •故事讲述技巧
- •反馈和改进建议
HR面试模拟
- •自我介绍
- •职业规划
- •薪资期望
- •为什么选择这家公司
- •优势和劣势
3. 反馈分析
每次模拟面试后提供:
- •技术准确性: 回答是否正确
- •完整性: 是否遗漏关键点
- •沟通清晰度: 表达是否清楚
- •时间管理: 是否在规定时间内完成
- •改进建议: 具体的提升方向
4. 进度追踪
记录和分析:
- •练习历史
- •薄弱环节识别
- •学习计划调整
- •准备进度评估
STAR法则指导
STAR方法详解
行为面试问题的结构化回答方法:
S - Situation (10-20%)
提供必要的背景:
- •简洁明了的背景
- •相关信息
- •不要过度铺垫
T - Task (10%)
明确目标和责任:
- •你需要解决什么问题
- •面临的挑战
- •目标是什么
A - Action (50-60%)
最重要的部分:
- •你采取的具体行动
- •你的思考过程
- •为什么选择这个方案
- •避免使用"我们",强调"我"
R - Result (20-30%)
量化结果:
- •可量化的成果
- •积极的结果
- •如果结果不好,强调学到的东西
- •与目标的关联
STAR示例
问题:描述一个你解决的技术难题
差的回答:
"我们遇到了性能问题,我优化了数据库查询,然后性能提升了。"
好的回答(STAR):
Situation: "在ABC公司,我们的订单系统在双十一高峰期响应时间超过5秒,导致用户投诉和订单流失。"
Task: "我负责将响应时间降低到500ms以内,确保系统稳定运行。"
Action: "我采取了以下步骤:
- •使用性能分析工具识别瓶颈,发现数据库查询是主要问题
- •分析慢查询日志,发现几个未优化的JOIN操作
- •引入Redis缓存热点数据
- •优化SQL查询,添加必要的索引
- •实施读写分离,分散负载
- •进行压力测试验证改进效果"
Result: "响应时间从5秒降低到200ms,超过了500ms的目标。系统吞吐量提升了300%,成功支撑了双十一10倍的业务高峰。"
面试类型和策略
技术面试
解题流程
- •
理解问题 (1-2分钟)
- •重述问题
- •明确输入输出
- •询问边界条件
- •举例说明
- •
分析和设计 (2-3分钟)
- •讨论可能的方案
- •分析时间/空间复杂度
- •选择最优方案
- •画图辅助思考
- •
实现 (15-20分钟)
- •先写框架
- •逐步实现
- •添加注释
- •考虑边界情况
- •
测试 (2-3分钟)
- •正常情况
- •边界情况
- •异常情况
- •
优化 (2-3分钟)
- •识别优化点
- •讨论trade-offs
- •提出改进方案
常见模式
- •双指针
- •快慢指针
- •哈希表
- •BFS/DFS
- •动态规划
- •贪心算法
系统设计面试
设计框架
- •
理解问题
- •功能需求
- •非功能需求(可扩展性、可用性、延迟)
- •规模估算
- •约束条件
- •
高层设计
- •架构图
- •关键组件
- •数据流
- •
详细设计
- •API设计
- •数据模型
- •算法选择
- •Trade-offs讨论
- •
可扩展性
- •负载均衡
- •数据库分片
- •缓存策略
- •CDN
- •
可靠性
- •冗余和备份
- •故障检测和恢复
- •数据一致性
经典题目
- •URL短链服务
- •设计Twitter
- •设计YouTube
- •设计聊天系统
- •设计文件存储系统
行为面试
核心能力分类
- •问题解决
- •领导力
- •团队合作
- •适应能力
- •主动性
- •沟通能力
准备策略
- •准备5-8个核心故事
- •每个故事用STAR结构
- •练习口头表达(2-3分钟)
- •录音回听改进
HR面试
常见问题
- •自我介绍(2分钟)
- •为什么选择这家公司
- •职业规划(3-5年)
- •优势和劣势
- •薪资期望
- •为什么要离开当前公司
回答策略
- •自我介绍:突出与职位相关的经验
- •为什么选我们:研究公司,真诚回答
- •职业规划:展示成长意愿
- •优势:举例说明
- •劣势:真实但可改进的
- •薪资:给出范围,强调成长
面试反馈框架
技术面试反馈
json
{
"question_id": "q_001",
"type": "coding",
"performance": {
"approach_quality": 4,
"code_quality": 3,
"optimization": 3,
"communication": 4,
"time_management": 4
},
"strengths": [
"思路清晰,考虑了多种方案",
"代码结构良好,可读性强",
"与面试官沟通积极"
],
"areas_for_improvement": [
"需要更深入考虑边界情况",
"可以进一步优化时间复杂度",
"可以更主动地讨论trade-offs"
],
"specific_suggestions": [
"在写代码前先列出所有边界情况",
"练习更多动态规划题目",
"思考时多思考为什么这个方案"
]
}
系统设计反馈
json
{
"question_id": "q_002",
"type": "system_design",
"performance": {
"architecture_quality": 4,
"scalability_consideration": 3,
"tradeoff_discussion": 3,
"communication": 4
},
"strengths": [
"系统架构清晰",
"考虑了可扩展性",
"画图辅助说明"
],
"areas_for_improvement": [
"数据库分片讨论不够深入",
"可以更详细讨论一致性",
"可以提出更多alternatives"
]
}
行为面试反馈
json
{
"question_id": "q_003",
"type": "behavioral",
"performance": {
"situation": 4,
"task": 4,
"action": 3,
"result": 3,
"communication": 4
},
"strengths": [
"故事结构清晰",
"情境描述恰当",
"表达流利"
],
"areas_for_improvement": [
"Action部分需要更多细节",
"Result可以更加量化",
"避免使用'我们',多用'我'"
]
}
面试准备清单
技术准备
- • 复习算法和数据结构
- • 练习LeetCode(至少30题)
- • 复习系统设计基础
- • 准备语言特定问题
- • 准备项目技术深挖
行为准备
- • 准备5-8个STAR故事
- • 练习自我介绍
- • 准备为什么离职的答案
- • 准备职业规划
- • 研究目标公司
HR准备
- • 准备薪资谈判
- • 准备福利相关问题
- • 准备向面试官提问
- • 了解公司文化
- • 准备离职原因
公司特定风格
- •重视: "Googleyness"(好奇、学习、同理心)
- •风格: 开放式、探讨式
- •关键: 可教、团队协作、技术卓越
Meta
- •重视: 影响力、快速迭代
- •风格: 直接、结果导向
- •关键: Move fast, Ship code, Impact
Amazon
- •重视: 领导力准则
- •风格: 结构化、数据驱动
- •关键: Customer Obsession, Ownership
常见错误
技术面试
- •直接开始写代码,不思考
- •不沟通,沉默写代码
- •不考虑边界情况
- •不优化方案
- •不测试代码
系统设计
- •不问需求直接设计
- •忽视规模估算
- •不讨论trade-offs
- •过早深入细节
- •不画图
行为面试
- •准备不足,临时编造
- •情境过长
- •"我们"太多,"我"太少
- •结果未量化
- •负面内容
不足分析系统
不足分类体系
1. 技术不足 (technical)
子类别:
- •
algorithms- 算法(DP、贪心、图论、回溯等) - •
data_structures- 数据结构(树、图、堆、哈希表等) - •
coding- 编码能力(语法、调试、代码质量、优化) - •
system_design- 系统设计(架构、扩展性、可靠性、性能) - •
domain_knowledge- 领域知识(网络、OS、数据库、分布式系统)
识别信号:
- •无法独立解决问题
- •算法选择不当
- •代码有逻辑错误
- •不了解基础知识
- •无法优化方案
2. 沟通不足 (communication)
子类别:
- •
clarity- 表达清晰度(思路是否清楚) - •
structure- 逻辑结构(是否有条理) - •
terminology- 术语使用(专业词汇准确性) - •
conciseness- 简洁性(是否啰嗦) - •
listening- 倾听理解(是否理解问题)
识别信号:
- •思路跳跃,面试官跟不上
- •表达冗长,抓不住重点
- •使用不当术语
- •误解问题要求
- •需要面试官多次澄清
3. 时间管理 (time_management)
子类别:
- •
analysis_time- 分析时间过长(思考太久) - •
coding_speed- 编码速度慢(打字/语法不熟练) - •
planning- 时间分配不合理(前松后紧) - •
prioritization- 优先级判断(在次要问题花太多时间)
识别信号:
- •超时未完成
- •简单题用时过长
- •没有时间测试代码
- •在不重要细节纠结
4. 思维模式 (thinking_pattern)
子类别:
- •
decomposition- 问题分解(能否拆解复杂问题) - •
abstraction- 抽象能力(能否提取共性) - •
pattern_recognition- 模式识别(能否识别问题类型) - •
optimization- 优化思维(能否主动寻找优化点) - •
trade_offs- 权衡考虑(能否分析方案优劣)
识别信号:
- •面对复杂问题无从下手
- •无法识别相似问题
- •只考虑单一方案
- •不讨论优劣对比
- •缺少深度思考
5. 其他不足 (other)
子类别:
- •
domain- 特定领域知识(如前端、后端、DevOps) - •
tools- 工具使用(Git、IDE、调试工具) - •
language- 语言能力(英语口语/表达) - •
confidence- 自信心(是否自信) - •
stress_management- 压力管理(紧张应对)
不足严重性评估
严重性等级
- •high (8-10分):严重影响面试结果,必须立即改进
- •例如:基础算法不会、代码完全错误、完全不理解问题
- •medium (5-7分):影响面试表现,需要短期改进
- •例如:优化方案不够好、表达不够清晰、时间略超
- •low (1-4分):轻微影响,可以长期提升
- •例如:代码风格、术语使用、小细节问题
影响评分 (impact_score)
考虑因素:
- •对最终结果的影响程度
- •对公司/职位的重要性
- •对后续面试的影响
- •对offer的影响
评分范围:1-10分
不足分析流程
步骤 1: 收集证据
对于每个不足,记录:
- •具体问题/场景
- •用户表现细节
- •面试官反馈(如有)
- •评分依据
步骤 2: 分类归档
将不足归入5大类别和对应子类别
步骤 3: 评估严重性
- •根据对面试结果的影响程度评分
- •考虑出现频率
- •考虑职位重要性
步骤 4: 生成改进建议
为每个不足提供:
- •具体改进措施
- •学习资源推荐
- •练习建议
- •时间规划
步骤 5: 识别重复问题
与历史不足对比:
- •计算语义相似度(文本相似度 70% + 关键词重叠 30%)
- •相似度 ≥ 0.75 判定为重复
- •标注为重复出现
改进建议生成
技术类不足改进建议模板
code
问题:[具体技术不足] 根本原因:[为什么会出现这个问题] 改进计划: 1. 短期(1-2周): - [具体学习内容] - [练习题量] - [验证方式] 2. 中期(3-4周): - [深化内容] - [实战项目] - [总结归纳] 推荐资源: - 书籍:[推荐书籍] - 在线课程:[课程名称] - 练习平台:[LeetCode/牛客等] - 视频教程:[推荐视频]
沟通类不足改进建议模板
code
问题:[具体沟通不足] 改进方法: 练习策略: 1. Think Aloud 练习 - 边思考边说出来 - 录音回听改进 - 找人模拟练习 2. 结构化表达 - 使用总-分-总结构 - 先说结论再展开 - 使用第一、第二、第三 3. 主动确认 - 定期确认理解 - 询问是否需要澄清 - 征求反馈
重复不足识别算法
语义相似度计算
code
相似度 = 文本相似度 × 0.7 + 关键词重叠度 × 0.3 其中: - 文本相似度:描述文本的语义相似度(使用embedding) - 关键词重叠度:关键词/术语的重叠比例 判定阈值:≥ 0.75
示例
code
新不足:"动态规划状态转移方程推导困难" 历史不足:"DP问题无法独立设计状态" 相似度:0.82 → 判定为重复
优先级评分算法
计算公式
code
priority = (frequency_score × 0.3 + severity_score × 0.3 + impact_score × 0.2 + status_weight × 0.2) × 10
其中:
- •
frequency_score:出现频率评分(1-10,出现越多越高) - •
severity_score:平均严重性(1-10) - •
impact_score:影响评分(1-10) - •
status_weight:状态权重- •not_improved: 10
- •partially_improved: 5
- •improved: 2
- •resolved: 0
结果范围:0-100分
不足追踪状态
状态定义
- •
not_improved:未改善(首次出现或持续出现) - •
partially_improved:部分改善(连续3次面试未出现) - •
improved:已改善(连续5次面试未出现) - •
resolved:已解决(连续7次面试未出现)
状态转换规则
升级(改善):
- •not_improved → partially_improved:连续3次未出现
- •partially_improved → improved:连续5次未出现
- •improved → resolved:连续7次未出现
降级(复发):
- •improved/resolved → partially_improved:再次出现
- •partially_improved → not_improved:再次出现
不足分析报告模板
markdown
# 面试不足分析报告
## 基本信息
- 面试ID: {{interview_id}}
- 公司: {{company}}
- 类型: {{interview_type}}
- 日期: {{date}}
- 分析时间: {{analysis_timestamp}}
## 总体评估
- 总体评分: {{overall_score}}/10
- 识别问题: {{total_issues}}个
- 严重问题: {{critical_issues}}个
- 重复出现: {{recurring_issues}}个
## 🔴 紧急改进(重复出现)
### {{weakness_name}}
- **ID**: {{weakness_id}}
- **出现次数**: {{occurrence_count}}次
- **最近出现**: {{last_occurrence}}
- **历史**: {{history}}
#### 具体表现
- {{evidence_1}}
- {{evidence_2}}
#### 改进计划
1. [ ] {{action_1}}(截止: {{target_date}})
2. [ ] {{action_2}}(截止: {{target_date}})
#### 推荐资源
- {{resource_1}}
- {{resource_2}}
## 🟡 短期改进
[类似结构]
## 🟢 长期提升
[类似结构]
不足分析最佳实践
- •客观具体:基于具体表现,避免主观判断
- •可操作:改进建议必须具体可执行
- •优先级明确:区分紧急、重要、长期
- •正向鼓励:指出优势,增强信心
- •持续追踪:记录改善进度,及时调整计划
高级功能 (Phase 3 新增)
智能准备计划生成
基于JD的定制化准备
json
{
"personalized_prep_plan": {
"company": "Google",
"position": "Software Engineer L4",
"interview_date": "2024-01-25",
"prep_days": 10,
"daily_plan": {
"day_1": {
"focus": "算法基础 + Google文化",
"tasks": [
"完成2道Easy DP题 (建立信心)",
"阅读Google工程博客 (了解文化)",
"准备3个STAR故事 (Leadership)",
"时间: 3小时"
]
},
"day_2": {
"focus": "系统设计基础",
"tasks": [
"Design TinyURL (45分钟计时)",
"观看Google系统设计视频",
"复习CAP定理和一致性",
"时间: 4小时"
]
},
"day_3-5": {
"focus": "算法强化",
"tasks": [
"每天5道LeetCode Medium题",
"严格计时 (25分钟/题)",
"记录解题模式",
"时间: 3-4小时/天"
]
},
"day_6-7": {
"focus": "模拟面试 + 复盘",
"tasks": [
"2场模拟面试 (coding + system design)",
"深入分析反馈",
"针对性改进",
"时间: 4小时/天"
]
},
"day_8-9": {
"focus": "弱势加强",
"tasks": [
"针对弱点专项练习",
"复习常见模式",
"准备behavioral问题库",
"时间: 3小时/天"
]
},
"day_10": {
"focus": "最后准备 + 休息",
"tasks": [
"轻量练习 (2-3道简单题)",
"准备面试官问题",
"早休息 (充分睡眠)",
"时间: 2小时"
]
}
},
"resource_checklist": [
"✅ LeetCode Premium (或免费题目)",
"✅ System Design Primer",
"✅ Google公司研究",
"✅ 简历最终版本",
"✅ 准备问面试官的问题",
"✅ 模拟面试伙伴"
],
"success_metrics": {
"algorithm_accuracy": ">80% on Medium problems",
"system_design": "能独立设计中等复杂度系统",
"behavioral": "15+ STAR stories ready",
"confidence_level": "7+/10"
}
}
}
面试轮次特定准备
Phone Screen (15-30分钟)
yaml
focus: "快速验证基础技能" expectations: coding: "1-2道简单-中等题" culture: "基本沟通和兴趣" prep_strategy: - 刷30道Easy-Medium题 - 准备2分钟self-introduction - 准备3个"为什么选择我们公司"的理由 - 了解公司基本业务 success_criteria: - 能清晰交流思路 - 代码无明显bug - 展现 genuine interest
Onsite Round 1: Coding (45-60分钟)
yaml
focus: "算法深度 + 代码质量" expectations: difficulty: "Medium-Hard" follow_ups: "优化、edge cases、alternative approaches" prep_strategy: - 深度练习: DP, Graph, Tree - 每题必讨论testing - 优化: Time → Space → 代码简洁 - 25分钟内完成Medium题 success_criteria: - 正确 + 优化思路 - 清晰解释复杂度 - 主动讨论edge cases - 时间管理良好
Onsite Round 2: System Design (45-60分钟)
yaml
focus: "大规模系统设计能力" expectations: complexity: "百万级用户考虑" depth: "架构决策 + trade-offs" prep_strategy: - 掌握经典设计: URL shortener, Twitter, Uber - 练习7步设计法 - 重点: Scalability, Availability, Consistency - 画图练习 (白板设计) success_criteria: - requirements → design flow清晰 - 主动讨论trade-offs - 考虑scalability和reliability - 图表清晰有逻辑
Onsite Round 3: Behavioral (45-60分钟)
yaml
focus: "文化契合 + 软技能" expectations: questions: "4-6个行为问题" style: "STAR方法, 量化成果" prep_strategy: - 准备15-20个STAR故事 - 覆盖所有公司文化维度 - 练习时间控制 (每个故事2-3分钟) - 准备"向面试官提问" success_criteria: - 每个问题都有STAR结构 - 包含量化数据 - 展现leadership和impact - 文化价值观匹配
面试成功概率预测
机器学习风格评分
json
{
"success_probability_model": {
"features": {
"technical_skills": {
"weight": 0.35,
"score": 75,
"impact": "High"
},
"communication": {
"weight": 0.25,
"score": 70,
"impact": "Medium-High"
},
"cultural_fit": {
"weight": 0.20,
"score": 85,
"impact": "Medium"
},
"experience_match": {
"weight": 0.15,
"score": 80,
"impact": "Low-Medium"
},
"recommendations": {
"weight": 0.05,
"score": 90,
"impact": "Bonus"
}
},
"calculation": {
"weighted_score": 76.75,
"base_probability": "65%",
"adjustments": {
"hot_company": "-10%",
"referral": "+15%",
"high_demand_role": "+10%",
"strong_market": "+5%"
},
"final_probability": "85%"
},
"confidence_interval": "±10%",
"factors": "实际面试可能高于或低于预测",
"disclaimer": "概率仅供参考,实际结果取决于面试表现"
}
}
模拟面试计划生成器
多轮模拟安排
json
{
"mock_interview_schedule": {
"week_1": {
"day_1": {
"type": "coding",
"company": "Google",
"difficulty": "Medium",
"focus": "Time management",
"partner": "AI or peer"
},
"day_3": {
"type": "system_design",
"company": "Amazon",
"topic": "Design Uber",
"focus": "Trade-offs discussion"
},
"day_5": {
"type": "behavioral",
"company": "Meta",
"questions": ["Leadership", "Conflict", "Failure"],
"focus": "STAR structure"
}
},
"week_2": {
"frequency": "3 mock interviews",
"progression": "Easy → Medium → Hard",
"companies": ["Google", "Meta", "Amazon", "Netflix", "Stripe"],
"types": ["coding", "system_design", "behavioral", "hr"]
}
}
}
面试前心理准备
心态建设
markdown
## 面试心态指南 ### 正确的心态 ✅ 1. **学习机会**: 将面试视为学习和改进的机会 2. **平等对话**: 面试是双向选择,你也在评估公司 3. **展现真我**: Be authentic, 不要过度表演 4. **信任准备**: 相信自己充分准备的能力 5. **享受过程**: 展示你的热情和技术兴趣 ### 错误的心态 ❌ 1. **完美主义**: 不可能完美,专注发挥最好水平 2. **过度紧张**: 紧张是正常的,适度紧张有助于专注 3. **比较心理**: 每个人路径不同,专注自己 4. **结果焦虑**: 一次面试不能定义你的价值 5. **讨好面试官**: 要专业,但不要卑躬屈膝 ### 焦虑管理技巧 **面试前**: - 深呼吸: 4-7-8呼吸法 (吸气4秒, 屏息7秒, 呼气8秒) - 积极想象: 想象成功的场景 - 准备清单: 确认所有材料就绪 - 早到: 提前10-15分钟到达 **面试中**: - 问题听不懂: 礼貌地请求clarify - 卡住了: 诚实地说"Let me think", 不要慌张 - 出错了: 承认错误, 解释如何修正 - 时间压力: 专注当前步骤, 不要想太多 **面试后**: - 记录: 立即记录问题和你的回答 - 复盘: 客观分析哪些做得好/不好 - 放下: 不要纠结,准备下一个 - 感谢: 发感谢信给面试官
公司特定准备策略
Google专属准备
yaml
emphasis: "技术卓越 + 可扩展性"
key_areas:
algorithms:
priority: "High"
focus: ["DP", "Graph", "Tree", "Greedy"]
pattern: "Start easy → Medium → Hard quickly"
system_design:
style: "Distributed systems at scale"
hot_topics: [
"Large-scale storage",
"Distributed consensus",
"Load balancing",
"Data center design"
]
cultural:
values: ["Googleyness", "Curiosity", "Helpfulness"]
behaviors:
- "Think from user perspective"
- "Collaborative problem solving"
- "Learning orientation"
- "Open to feedback"
practice_specific:
- "Practice explaining complex systems simply"
- "Prepare examples of learning new things"
- "Discuss projects with broad impact"
- "Think about scalability from day 1"
Meta专属准备
yaml
emphasis: "Impact + Infrastructure"
key_areas:
practical_coding:
style: "Real-world problems"
focus: ["System-oriented", "Production-ready"]
common: ["API design", "Data pipelines", "Tooling"]
system_design:
style: "Infrastructure at massive scale"
hot_topics: [
"Edge computing",
"CDN design",
"Real-time systems",
"Storage optimization"
]
cultural:
values: ["Move fast", "Ship code", "Impact"]
behaviors:
- "Focus on shipping value quickly"
- "Discuss real-world impact"
- "Show pragmatism over perfection"
- "Demonstrate ownership"
practice_specific:
- "Prepare examples of fast iterations"
- "Discuss trade-offs concretely"
- "Show bias for action"
- "Emphasize user impact"
Amazon专属准备
yaml
emphasis: "Customer obsession + Ownership"
key_areas:
leadership_principles:
critical: ["Customer Obsession", "Ownership", "Invent and Simplify"]
behavioral: "Prepare 2-3 stories for EACH principle"
integration: "Weave principles into all answers"
system_design:
style: "Customer-facing, scalable"
focus: [
"Customer journey",
"Scalability for growth",
"Operational excellence",
"Data-driven decisions"
]
practice_specific:
- "Memorize all 16 Leadership Principles"
- "Start with customer, work backwards"
- "Use 'I' not 'we' to show ownership"
- "Quantify impact (metrics, numbers)"
面试准备清单
Final Checklist (Interview Eve)
markdown
## ✅ 面试前一天检查清单 ### 材料 - [ ] 最终版简历 (PDF格式) - [ ] 作品集/项目链接 - [ ] Github profile (整理好) - [ ] LinkedIn profile (更新) - [ ] Notepad and pen (两支笔) - [ ] 2-3份纸质简历 (备用) ### 技术准备 - [ ] 刷题 (5-10题warm-up) - [ ] 复习常见模式 - [ ] 准备系统设计案例 - [ ] 准备15+ STAR故事 - [ ] 简历每个项目的细节 ### 公司研究 - [ ] 公司最新新闻 - [ ] 产品和服务了解 - [ ] 团队和部门信息 - [ ] 技术栈和架构 - [ ] 文化价值观 ### 实务准备 - [ ] 确认面试时间/地点/平台 - [ ] 测试网络/摄像头/麦克风 - [ ] 准备问面试官的问题 - [ ] 充足睡眠 (7-8小时) - [ ] 早餐/午餐安排 - [ ] 提前15分钟到达 ### 心理准备 - [ ] 积极心态 - [ ] 放松练习 - [ ] 深呼吸准备 - [ ] 相信自己 - [ ] Good luck! 🍀
面试日执行流程
当天时间线
yaml
3_hours_before: - "轻量早餐 (高蛋白)" - "轻量复习 (5-10 LeetCode easy)" - "准备问面试官的问题" 1_hour_before: - "到达/登录" - "放松和深呼吸" - "最后一次材料检查" - "积极想象成功场景" 15_min_before: - "准备进入" - "深呼吸: 4-7-8 x 3次" - "调整心态: 这是展示机会" - "微笑和自信" during_interview: - "Listen carefully to questions" - "Think out loud" - "Ask clarifying questions" - "Be authentic" - "Manage time well" after_interview: - "立即记录反馈" - "感谢面试官" - "不要纠结具体表现" - "准备下一轮" - "发送感谢邮件"
Phase 3 增强: 这些高级功能使interview-coach成为全方位的面试准备助手,不仅提供技术和行为指导,还包括心理准备、时间规划和成功预测。