Claude Code Plugins

Community-maintained marketplace

Feedback

interview-retro

@CherryHQ/skills
0
5

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」。

Install Skill

Shared

Installs to .agents/skills, used by Codex, Amp, Warp, Cursor, OpenCode, and more.

CodexAmp
Warp
CursorOpenCode
Cline
Gemini CLI
GitHub Copilot
Personal

Available across projects.

$npx skills-installer add @CherryHQ/skills/interview-retro --client shared
Project

Writes to .agents/skills.

$npx skills-installer add @CherryHQ/skills/interview-retro -p --client shared
Note: Review the skill instructions before using it.

SKILL.md

name interview-retro
description 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」。
allowed-tools Read Write Bash Skill
argument-hint 面试问答文字记录 或 飞书文档链接
metadata [object Object]

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

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。