AgentSkillsCN

interview-coach

AI面试教练,提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试(STAR法则)、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。

中文原作
SKILL.md
--- frontmatter
name: interview-coach
description: AI面试教练,提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试(STAR法则)、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。
allowed-tools: Read, Write, Skill

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:

  1. 使用性能分析工具识别瓶颈,发现数据库查询是主要问题
  2. 分析慢查询日志,发现几个未优化的JOIN操作
  3. 引入Redis缓存热点数据
  4. 优化SQL查询,添加必要的索引
  5. 实施读写分离,分散负载
  6. 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

  1. 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
  2. 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
  3. 实现 (15-20分钟)

    • 先写框架
    • 逐步实现
    • 添加注释
    • 考虑边界情况
  4. 测试 (2-3分钟)

    • 正常情况
    • 边界情况
    • 异常情况
  5. 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

  1. 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
  2. 高层设计

    • 架构图
    • 关键组件
    • 数据流
  3. 详细设计

    • API设计
    • 数据模型
    • 算法选择
    • Trade-offs讨论
  4. 可扩展性

    • 负载均衡
    • 数据库分片
    • 缓存策略
    • CDN
  5. 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

  1. 问题解决
  2. 领导力
  3. 团队合作
  4. 适应能力
  5. 主动性
  6. 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

  1. 自我介绍(2分钟)
  2. 为什么选择这家公司
  3. 职业规划(3-5年)
  4. 优势和劣势
  5. 薪资期望
  6. 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

Google

  • 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

  1. 直接开始写代码,不思考
  2. 不沟通,沉默写代码
  3. 不考虑边界情况
  4. 不优化方案
  5. 不测试代码

系统设计

  1. 不问需求直接设计
  2. 忽视规模估算
  3. 不讨论trade-offs
  4. 过早深入细节
  5. 不画图

行为面试

  1. 准备不足,临时编造
  2. 情境过长
  3. "我们"太多,"我"太少
  4. 结果未量化
  5. 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

  1. 客观具体:基于具体表现,避免主观判断
  2. 可操作:改进建议必须具体可执行
  3. 优先级明确:区分紧急、重要、长期
  4. 正向鼓励:指出优势,增强信心
  5. 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。