interview-analysis

该技能是一套基于顶尖专家方法论的深度面试分析系统，通过动态专家路由机制，将硅谷产品、工程、设计等领域的权威思想家（如 Marty Cagan、Linus Torvalds）与招聘验证专家（Geoff Smart、Lou Adler）的方法论相结合，帮助用户穿透候选人的"表演"，识别真实的"战斗伤疤"。

核心用法遵循四步工作流：首先进行事实重建与红旗扫描，连接多轮面试中的经历时间线，检查逻辑一致性与夸张表述；其次对核心案例进行 STAR 深度解码，区分方法论背诵与第一性原理思考；第三步开展面试官元分析，复盘提问深度与评估偏见；最后通过 Zettelkasten 卡片系统输出结构化报告，包括候选人画像、深度洞察、面试官评估及决策中枢。

显著优点在于其强大的防骗能力：通过"战斗伤疤优于方法论背诵"的核心逻辑，结合领域专家的批判性视角，有效识别夸大经历与归因谬误。同时支持多岗位类型（产品、工程、运营、销售等），并具备面试官自我纠错功能，可持续提升团队招聘能力。

潜在局限性包括：高度依赖输入的面试记录质量，若原始记录不详尽则难以深度解码；作为纯文档型工具，无法实时交互追问；AI 分析仍存在幻觉风险，关键决策仍需人工复核。此外，T3 来源意味着需关注模板更新与方法论迭代。

适合目标群体为技术团队负责人、HRBP、专业猎头及招聘经理，尤其适用于高阶岗位（如产品总监、架构师）的深度评估。

使用风险主要集中在数据隐私层面：面试记录通常包含敏感个人信息，用户需确保本地存储合规，并获得候选人授权。建议企业建立内部数据管理制度，避免敏感信息外泄。性能方面，处理超长文本时可能受限于上下文长度，建议分段分析。