# 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。

- Skill: `huifer-claude-code-interview/interview-coach` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add huifer-claude-code-interview/interview-coach`
- Raw SKILL.md: https://api.skillmd.com/api/skills/huifer-claude-code-interview/interview-coach/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: huifer (https://skillmd.com/u/huifer-claude-code-interview)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/huifer-claude-code-interview/interview-coach

---


# 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
```
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
```
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
```
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
```
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
```
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。