真实面试经历检索|简历分析|高频题排序|项目追问|面试备考包

真实面试经历检索|简历分析|高频题排序|项目追问|面试备考包
获取链接:https://pan.quark.cn/s/91408a8462a0
这套 Skills 是做什么的
这一篇整理的是 `05 真实面试经历检索|简历分析|高频题排序|项目追问|面试备考包` 这个 Skill。它主要围绕真实面试经历检索、简历分析、高频题排序、项目追问来设计,适合在你已经有一个明确任务,但不想每次都从零写提示词的时候使用。它更像是一份提前写好的工作说明:把关注点、处理步骤和交付方式先固定下来,让 Codex 做事时少跑偏。
它主要解决哪些痛点
每次都要反复说明检查范围和输出格式
项目改多了以后,容易漏掉风险点
接手陌生工程时,不知道先看哪里
修复问题后还需要有人帮忙复核结果
有素材但不知道怎么整理成可发布内容
AI 写出来容易太像模板,缺少人的表达
这一包里有哪些 Skills
技能名称:InterviewRadar(Codex 注册名:interview-radar)(InterviewRadar(Codex 注册名:interview-radar)
打包版本:main 分支快照(2026-06-29)
【一句话介绍】
读取简历和岗位方向,检索近两年的真实面经,按频次与时效去重排序,再生成能够追溯来源、锚定用户项目的中文面试备考包。
【主要功能】
1. 从 PDF、图片或文本简历中提取技能、项目和关键词。
2. 根据岗位方向与简历内容生成检索关键词,不依赖固定岗位词表。
3. 检索牛客、GitHub 和公开正文页;配置后可接入小红书来源。
4. 默认过滤超过约两年的内容,并按频次和时效排序高频题。
5. 对真实面经内容做相关性判断、题目抽取与来源追踪。
6. 将高频题连接到简历中的真实项目和技能,生成个性化连环追问。
7. 输出岗位 Gap、候选人定位、自我介绍、一周冲刺计划和面试速查清单。
8. 数据源不可用或 OCR 不完整时会明确说明缺口,不使用虚构题目补齐。
【把压缩包交给 Codex 安装】
将同目录下的 InterviewRadar.zip 发送给 Codex,并使用下面这段话:
“请安装附件中的 InterviewRadar.zip。解压后找到包含 SKILL.md 的 InterviewRadar-main 目录,将它安装到 %USERPROFILE%\.codex\skills\interview-radar。使用独立虚拟环境安装 requirements.txt,不要安装或配置可选的 MediaCrawler,也不要读取浏览器 Cookie,除非我之后明确同意。确认 scripts 可以通过语法检查,安装完成后提醒我重启 Codex。”
【基本环境要求】
1. Python 3.11 或更高版本。
2. 依赖见源码 requirements.txt,包括 pypdf、requests、BeautifulSoup、pytest、RapidOCR 和 ONNX Runtime。
3. OCR 与 ONNX Runtime 安装包较大,首次安装可能需要较长时间。
4. 正式检索需要可用的网络搜索与网页读取能力。
5. 小红书来源属于可选能力,不配置也能使用其他数据源。
【推荐用法】
对 Codex 说:“使用 interview-radar。简历在 D:\\简历\\resume.pdf,方向是 AI 应用开发岗。只使用可追溯的近两年面经,并明确说明数据缺口。”
【隐私、账号与平台提示】
简历包含个人信息,应尽量在客户自己的电脑处理。小红书扩展依赖第三方 MediaCrawler,原项目说明其仅供个人、非商业用途;该扩展不包含在本压缩包中,也不应作为付费功能承诺。Cookie 等同于账号登录权限,不能发送给卖家或陌生人。自动采集可能触发验证、限流或封号,应遵守目标平台规则。
【开源信息】
原项目名称:InterviewRadar
项目维护者:KunChen1110
项目地址:https://github.com/KunChen1110/InterviewRadar
开源协议:MIT
本说明仅用于中文整理和安装提示,源码权利归原作者及贡献者所有。)
读取简历和岗位方向,检索近两年的真实面经,按频次与时效去重排序,再生成能够追溯来源、锚定用户项目的中文面试备考包。
适合解决:技能名称:InterviewRadar(Codex 注册名:interview-radar)
比较好用的地方:1. 从 PDF、图片或文本简历中提取技能、项目和关键词
这些 Skills 怎么用
这些 Skill 可以理解成给 Codex / Agent 准备好的“专业工作说明书”。平时没有 Skill 时,我们可能要写很长一段提示词,告诉它要看什么、按什么顺序做、最后交付什么。用了对应 Skill 后,这些规则已经提前整理好了,你只要根据任务选择合适的 Skill,再把材料、目标和限制说清楚就行。
请用 `InterviewRadar(Codex 注册名:interview-radar)
打包版本:main 分支快照(2026-06-29)
【一句话介绍】
读取简历和岗位方向,检索近两年的真实面经,按频次与时效去重排序,再生成能够追溯来源、锚定用户项目的中文面试备考包。
【主要功能】
1. 从 PDF、图片或文本简历中提取技能、项目和关键词。
2. 根据岗位方向与简历内容生成检索关键词,不依赖固定岗位词表。
3. 检索牛客、GitHub 和公开正文页;配置后可接入小红书来源。
4. 默认过滤超过约两年的内容,并按频次和时效排序高频题。
5. 对真实面经内容做相关性判断、题目抽取与来源追踪。
6. 将高频题连接到简历中的真实项目和技能,生成个性化连环追问。
7. 输出岗位 Gap、候选人定位、自我介绍、一周冲刺计划和面试速查清单。
8. 数据源不可用或 OCR 不完整时会明确说明缺口,不使用虚构题目补齐。
【把压缩包交给 Codex 安装】
将同目录下的 InterviewRadar.zip 发送给 Codex,并使用下面这段话:
“请安装附件中的 InterviewRadar.zip。解压后找到包含 SKILL.md 的 InterviewRadar-main 目录,将它安装到 %USERPROFILE%\.codex\skills\interview-radar。使用独立虚拟环境安装 requirements.txt,不要安装或配置可选的 MediaCrawler,也不要读取浏览器 Cookie,除非我之后明确同意。确认 scripts 可以通过语法检查,安装完成后提醒我重启 Codex。”
【基本环境要求】
1. Python 3.11 或更高版本。
2. 依赖见源码 requirements.txt,包括 pypdf、requests、BeautifulSoup、pytest、RapidOCR 和 ONNX Runtime。
3. OCR 与 ONNX Runtime 安装包较大,首次安装可能需要较长时间。
4. 正式检索需要可用的网络搜索与网页读取能力。
5. 小红书来源属于可选能力,不配置也能使用其他数据源。
【推荐用法】
对 Codex 说:“使用 interview-radar。简历在 D:\\简历\\resume.pdf,方向是 AI 应用开发岗。只使用可追溯的近两年面经,并明确说明数据缺口。”
【隐私、账号与平台提示】
简历包含个人信息,应尽量在客户自己的电脑处理。小红书扩展依赖第三方 MediaCrawler,原项目说明其仅供个人、非商业用途;该扩展不包含在本压缩包中,也不应作为付费功能承诺。Cookie 等同于账号登录权限,不能发送给卖家或陌生人。自动采集可能触发验证、限流或封号,应遵守目标平台规则。
【开源信息】
原项目名称:InterviewRadar
项目维护者:KunChen1110
项目地址:https://github.com/KunChen1110/InterviewRadar
开源协议:MIT
本说明仅用于中文整理和安装提示,源码权利归原作者及贡献者所有。` 把下面这份素材整理成一篇更适合发布的内容。
基于这个分类里的 Skill,帮我拆出几个可执行的内容方向。
请保留原始信息,不要乱加功能,把表达改得更自然一点。
适合什么人
经常使用 Codex / Agent 处理同类任务的人
让 AI 帮自己写代码、改项目的人
需要维护多个仓库或经常接手旧项目的人
经常写文章、脚本、简历、邮件或营销内容的人
想减少 AI 模板味、但又需要稳定产出的人
想少写重复提示词的人
简单总结
我的理解是,`05 真实面试经历检索|简历分析|高频题排序|项目追问|面试备考包` 这种 Skill 更适合当成一个“固定工作流”来用。你不一定每天都会打开它,但只要遇到真实面试经历检索、简历分析、高频题排序这类任务,它就能帮你少写很多前置说明。它不会替代你的判断,真正省事的地方在于:把检查点、处理顺序和交付形式先约定好,让 Codex 不至于每次都从空白开始。后面我会把这一整套 Skill 文件整理好,通过网盘分享给需要的人。
