# Interview Retro

> 面试复盘 skill（求职者视角）。把一次已结束的面试，从「文字记录」沉淀成结构化复盘：逐题诊断 + 5 维评分 + 更优回答范本 + 下一场准备清单，最终产出一份飞书复盘文档。当用户说"面试复盘"、"复盘一下面试"、"刚面完 XX 帮我盘下"、"这场面试哪答崩了"、"面试问答记录帮我分析"时触发。区别于 resume-optimizer / cv-expert（面试前优化简历），本 skill 处理「面完之后」。

- Skill: `cherryhq/interview-retro` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add cherryhq/interview-retro`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cherryhq/interview-retro/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: CherryHQ (https://skillmd.com/u/cherryhq)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/cherryhq/interview-retro

---


# 面试复盘（求职者视角）

把一次「面完就散」的面试，沉淀成可复用的资产。核心交付：**一份飞书复盘文档**，含逐题诊断、5 维评分、更优回答范本、下一场行动清单。

## 适用

- 已经面完一场，手头有问答的**文字记录**（粘贴 / 飞书文档链接）
- 想知道哪几题答崩了、为什么、更优解长什么样
- 想为下一场（同公司下一轮 / 同类岗位）做针对性准备

## 不适用

- 还没面、想优化简历 → 用 `resume-optimizer` / `cv-expert`
- 只有录音/录屏没有文字 → 先用 `lark-minutes`（飞书妙记）转写，再回到本 skill
- 想练模拟面试（实时一问一答）→ 本 skill 是事后复盘，不是陪练

---

## 输入素材

| 素材 | 必需 | 说明 |
|---|---|---|
| 面试问答文字记录 | ✅ | 直接粘贴；或给飞书文档链接 → 用 `lark-doc` 读取 |
| 目标 JD | 强烈建议 | 判断「该考什么」+「你的卖点有没有打出来」 |
| 自己的简历 | 强烈建议 | 看回答和简历是否自洽、有没有挖出更强的故事 |
| 基本信息 | 引导补全 | 公司 / 岗位 / 轮次（HR/技术/总监/HR终面）/ 整体感觉 / 自评卡壳的题 |

记录越糙没关系（断断续续的回忆也行），但**不要编造没发生的问答**——记不清的题标「记不清」，复盘它「为什么记不清」本身也是信息。

---

## 流程

### Phase 0 · 收集与确认

1. 拿到文字记录。若是飞书链接 → 调 `lark-doc` 读取正文。
2. 问齐基本信息（公司 / 岗位 / 轮次 / 整体感觉），缺 JD 和简历时主动问一句「有没有 JD 和简历，能让复盘更准」，**有就用，没有也能继续**。
3. 不确定优先级 / 范围时先问，别闷头分析一大堆。

### Phase 1 · 还原 timeline

把记录拆成有序的「问题清单」。每题抽成四元组：

- **提问** —— 面试官问了什么
- **意图** —— 这题真正想考什么（考点 / 想验证的能力 / 是不是压力题或埋坑）
- **我的回答** —— 用户当时怎么答的（如实，不美化）
- **当时状态** —— 流畅 / 卡壳 / 跑题 / 被追问崩了 / 记不清

输出一张 timeline 表给用户确认，确认后再进入逐题复盘——**避免在错误的还原上做一大堆分析**。

### Phase 2 · 逐题复盘（核心）

对每一题给出：

1. **评分** —— 用 `references/rubric.md` 的单题四档（优 / 良 / 中 / 差），一句话定级理由
2. **诊断** —— 差距在哪：是不懂、懂但没讲清、结构散（没 STAR）、还是没对准考点 / 没呼应 JD
3. **更优回答范本** —— 给一版可以照着练的答法。结合简历挖更强的故事，结合 JD 对准考点。范本要**像真人能说出口的话**，不是知识点罗列。

被追问崩了的题要单独标注追问链，复盘「第几个追问开始接不住」。

### Phase 3 · 横向画像

基于全场，给 5 维评分（量表见 `references/rubric.md`），每维一句话点评：

1. **专业/技术深度** —— 硬核问题扛不扛得住、有没有深度
2. **表达结构（STAR）** —— 有没有结构，还是想到哪说到哪
3. **岗位匹配** —— 回答有没有对准 JD、把自己的卖点打出来
4. **临场反应** —— 追问、压力题、没准备过的题怎么应对
5. **反问质量** —— 最后反问环节有没有问出价值 / 反而扣分

### Phase 4 · 沉淀

1. **Top3 改进动作** —— 最该改的三件事，具体到「下次怎么做」，不要正确的废话
2. **下一场准备清单** —— 针对同公司下一轮 / 同类岗位，列出要重点准备的题和方向
3. **待补题清单** —— 本场暴露的、答得差或答不上来的题，列成可带走练的题目

---

## 输出 → 飞书复盘文档

用 `lark-doc` skill 创建（`docs +create --api-version v2`，正文走 Markdown）。

- **标题格式**：`面试复盘 · {公司}-{岗位}-{轮次} · {YYYY-MM-DD}`（日期用今天）
- **正文结构**严格按 `references/report-template.md`
- 创建后把文档链接回给用户

写文档前，先把完整内容在对话里给用户过一遍，**用户确认后再创建飞书文档**（符合「先商量再动手」的习惯）。

---

## 风格约束

- 诚实，不灌鸡汤。答得差就说差，但要给出「怎么变好」。
- 更优回答范本是这个 skill 的价值核心——要具体、能照着说、贴合用户真实背景，不能是通用模板。
- 一切基于用户给的真实记录，不替用户编造面试官没问过的题或没发生的回答。