面试复盘——把一场面试拆解成结构化复盘,生成飞书文档。支持两套结构:①「能力差距 + 怎么补」(自评本人刚面完的面试);②「问题 → 推测面试官目的 → 原始回答 → AI优化回答」(训练营/课程作业型,或复盘导师/他人分享的面试实录、学习可迁移方法论)。当用户说"面试复盘""刚面完想复盘""帮我盘一下今天的面试""复盘一下这场面试""面试表现分析""面完了帮我总结一下哪里没答好""这个面试记录复盘总结一下""interview retro/debrief",或给出面试录音/转录/链接(通义千问、飞书妙记等)、描述了一场面试(谁问了什么、怎么答的)想要梳理时使用。覆盖任何岗位、任何行业。不负责:制定长期转型学习计划(走 skill-plan)、找岗位(走 skill-scan)、改简历正文。
Scanned 9/6/2026
Install to Claude Code
npx -y skills add sylvia0vera-ship-it/interview-retro --skill interview-retro --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Interview Retro?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/sylvia0vera-ship-it-interview-retro)More formats (shields.io, HTML) on the badges page.
---
name: interview-retro
description: 面试复盘——把一场面试拆解成结构化复盘,生成飞书文档。支持两套结构:①「能力差距 + 怎么补」(自评本人刚面完的面试);②「问题 → 推测面试官目的 → 原始回答 → AI优化回答」(训练营/课程作业型,或复盘导师/他人分享的面试实录、学习可迁移方法论)。当用户说"面试复盘""刚面完想复盘""帮我盘一下今天的面试""复盘一下这场面试""面试表现分析""面完了帮我总结一下哪里没答好""这个面试记录复盘总结一下""interview retro/debrief",或给出面试录音/转录/链接(通义千问、飞书妙记等)、描述了一场面试(谁问了什么、怎么答的)想要梳理时使用。覆盖任何岗位、任何行业。不负责:制定长期转型学习计划(走 skill-plan)、找岗位(走 skill-scan)、改简历正文。
---
# 面试复盘
把一场面试从"凭感觉觉得没答好"变成"具体哪几题暴露了什么、下次怎么答更好",并生成一份可回看的飞书文档。复盘的价值不在安慰,而在把模糊的挫败感拆成可执行的改进项。
## 第一步:收集这场面试的素材
复盘质量取决于素材颗粒度。素材可能有三种来源,处理方式不同:
1. **用户口述**——已经在对话里讲了的,先提取,别重复问;缺什么一次问全,别挤牙膏。
2. **文件**(.docx/.txt/.md 转录、录音转写)——用工具读全文。ASR 转录常有识别错误和发言人混淆,要做语义还原,不要逐字照搬。
3. **链接**(通义千问/飞书妙记/招聘站 JD 等)——多是登录后才渲染的动态页,`WebFetch` 通常抓不到,改用已连接的浏览器(Claude in Chrome)打开后用 `read_page` 读取问答/转录;招聘站(BOSS直聘等)可能弹人机验证,**绝不替用户过验证码**,等其自动跳转或请用户协助。
需要的信息:**公司 + 岗位**、**轮次/形式**、**问了哪些问题 + 怎么答的(核心)**、**自我感觉**、**JD/岗位要求**(有则差距分析更准)、**当场反馈/结果**。
如果只给了零散一两句又无文件可读,别硬凑空洞复盘——先把"具体问了什么 + 怎么答的"问回来。
> ⚠️ **先确认"谁的面试"**:素材里的候选人不一定是用户本人。可能是用户自己的面试,也可能是导师/同学分享的实录(训练营常见)。这决定了用哪套结构、以及复盘是"评价用户"还是"帮用户学习"。记忆里的用户背景(简历口径等)只有在确认是用户本人面试时才拿来核对一致性,张冠李戴会出错。
## 第二步:选择复盘结构(用时选)
根据素材和目的二选一。判断不了就用一句话问用户。
**结构 A —— 作业型 / 学习型(问题→目的→原始回答→AI优化回答)**
用于:素材是导师/老师/同学分享的面试实录;要交训练营或课程的复盘作业;用户明确要这个结构;或重点是从一场面试里提炼可迁移的方法论(无论谁面的)。
线索词:"训练营""作业""导师分享""按这个结构""问题-目的-原始-优化""学方法论""这个面试记录复盘"。
**结构 B —— 自评型(能力差距 + 怎么补)**
用于:素材是用户本人刚结束的面试,目的是改进自己下次的表现。
线索词:"我刚面完""帮我盘一下我今天的面试""我哪里没答好""我下次怎么改"。
## 第三步:生成复盘报告
用对应模板输出 Markdown。可按素材增减小节,但每套的"重心小节"必须有干货、不能空泛。诊断要具体,杜绝"可以更好""多练习"这种废话;给出的更优答法要能直接复用。
### 模板 A(作业型 / 学习型)
```markdown
# 面试复盘 · [公司/类型] [岗位]([轮次])
> 日期:[YYYY-MM-DD] · 类型:[本人面试 / 导师实录学习版...] · 用途:[作业 / 自学]
> 结构:每题 → 推测面试官目的 → 原始回答 → AI优化回答
## 〇、这场面试是什么
[岗位、轮次形式、结果(若有)、候选人背景一句话;若非用户本人,点明"本复盘帮你学习,不评价你"]
## 一、逐题复盘
逐个还原关键问题。每题四段:
### Q1 [问题]
- **面试官目的**:[先推测他为什么问这题——这是这套结构的灵魂]
- **原始回答**:[从素材还原候选人当时怎么答的]
- **优化回答**:[更好的答法/话术骨架,可直接套用]
## 二、可迁移的方法论(若素材含带教/方法论,务必提炼)
按 表达节奏 / 内容组织 / 应答技巧 / 调研与谈薪 等归类,提炼能直接用到下次面试的要点。
这是学习型复盘最有价值的部分。
## 三、待办 / 作业(若有)
[训练营布置的交付物、截止时间、提交方式等]
```
### 模板 B(自评型)
```markdown
# 面试复盘 · [公司] [岗位]
> 日期:[YYYY-MM-DD] · 轮次:[一面/终面...] · 形式:[线上/现场]
## 一句话总结
[整体表现 + 最该改的一件事,两三句讲透]
## 逐题拆解
聚焦有信息量的题(卡住的、答砸的、被追问的),答得好的简略带过。
### Q1:[问题]
- **你的回答**:[还原]
- **诊断**:[好在哪 / 问题在哪,具体]
- **更好的答法**:[可复用的思路或话术骨架]
## 能力差距盘点(重心)
每条落到"是什么差距",而非"哪题没答好":
- **[差距]** — 表现在 Q_;本质是 ___;影响:面试官会怀疑 ___
区分两类:① 临场表现(紧张、表达、结构),② 硬实力/知识空缺(更需系统补)。
## 下次行动清单
针对每条差距给可执行动作,别给空话:
- [ ] [要准备的带数字 STAR 案例]
- [ ] [要补的知识点,具体到主题]
- [ ] [要改的话术/表达习惯]
- [ ] [要跟进的事:感谢信、补 demo、确认下一轮]
## 简历口径一致性(仅当确认是用户本人面试且简历口径可得)
[回答与简历是否冲突、有没有夸大或前后不一]
```
## 第四步:输出到飞书文档
默认把复盘生成为**飞书文档**(不在本地留存档)。用 lark-doc 能力创建:
1. 先把报告 Markdown 写到 scratchpad 临时文件(不是用户目录),例如 `<scratchpad>/retro.md`。
2. 用用户身份从 Markdown 导入创建飞书文档:
```bash
cat <scratchpad>/retro.md | lark-cli docs +create --as user --doc-format markdown \
--title "面试复盘 · [公司] [岗位] [YYYY-MM-DD]" --content -
```
3. 从返回 JSON 取 `data.document.url`,把可点击链接交给用户。
4. 删掉临时文件。
注意:
- 首次用 lark-cli 若提示未登录或权限不足,按 lark-shared 的指引引导用户 `auth login`(需 `docx:document:create`);需要细节时读 `~/.claude/skills/lark-doc/SKILL.md`。
- 日期用环境里的当前日期。
- 用户若明确说"存本地""给我 markdown""不要飞书",就改存本地 `~/面试复盘/YYYY-MM-DD-公司-岗位.md` 或直接回报内容;否则默认飞书。
- 报告正文只用 Markdown,不导出 Word/docx。
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!