interview-designer

该技能是一款基于行为科学与顶级招聘理论的结构化面试设计工具，通过"定义标准-证据审查-未来模拟"三阶段方法论，将传统的简历浏览式面试升级为证据驱动的预测性评估体系。

核心用法遵循严格的三步流程：首先依据 Geoff Smart 的 Topgrading 理论定义岗位评分卡（Scorecard），明确 A 级人才标准与 12 个月关键成果；继而运用"法医式"简历扫描技术，识别经历中的逻辑断层与真实贡献度，区分"乘客"与"驾驶员"角色；最后结合 Lou Adler 的绩效招聘法设计压力测试与未来情境模拟题，通过不可背诵的实时思考任务验证候选人解决实际业务问题的能力。

显著优点在于其深厚的学术基础与系统性防偏见机制。整合 Daniel Kahneman 的认知偏差控制理论，强制要求同时记录红旗警示（Red Flags）与绿灯信号（Green Signals），有效抑制确认偏误。问题设计遵循"细节颗粒度"原则，可追问至具体图表与对话内容，配合强制权衡类问题（Forced Trade-offs）深度探测价值观与决策逻辑，大幅提升面试的预测效度。

潜在局限性主要体现在执行复杂度与来源可信度。作为纯方法论指导工具，其效果高度依赖使用者对 Topgrading 与行为面试技术的理解深度，需要投入学习成本；同时 T3 级社区来源意味着缺乏官方企业背书，模板内容需根据组织文化二次定制。此外，该技能仅提供面试框架设计，不具备自动化简历解析或候选人评估功能。

适合目标群体包括企业 HRBP、招聘经理、创业公司 CEO 及需要高频面试的技术团队负责人，特别适用于关键岗位（如高管、架构师、产品经理）的精准招聘场景，以及希望建立标准化面试体系以减少招聘失误的成长型组织。

使用该技能的技术风险极低，作为纯文档型资产无代码执行与数据收集行为。但需注意业务风险：严格的压力测试与情境模拟可能延长面试周期，需平衡评估深度与候选人体验；同时建议在使用前审查模板内容是否符合本地劳动法规与企业文化，避免机械套用理论框架导致面试过程过于僵化。