使用自然语言与 AI 面试官互动，模拟真实 AI 应用开发岗位面试。支持按求职者身份和面试官风格定制，全程记录状态并输出结构化评估报告。
多身份模拟 — 针对不同阶段候选人设计差异化问题：日常实习、暑期实习、校招（应届）、社招 1-3 年。难度和追问深度随身份自动调整。
六种面试官风格 — 从"严厉拷打"到"温和鼓励"，从"工程实践"到"深挖学术"，覆盖不同偏好。同一场面试，不同体验。
实时状态跟踪 — 面试全程维护结构化状态（已考察点、候选人弱点、待跟进项），避免重复提问，确保评估连贯。
高频技术题库 — 基于 JavaGuide AI 应用开发面试系列整理，覆盖 LLM 原理、Agent、RAG、MCP、AI 编程等大厂常考方向。
完整评估反馈 — 面试结束后输出综合评分、各维度评分及风格化改进建议，反馈措辞随面试官风格变化。
简历与 JD 支持 — 提供简历和目标岗位 JD 可获得定制化问题，面试后输出 JD 匹配度分析。
实操编码题 — 可选环节，面试末尾安排 Prompt 设计、Agent 流程设计、RAG 实现等实操题，难度随身份调整。
AI 知识库按需触发 — 当候选人展示 AI 相关经验（Agent/RAG/MCP/Vibe Coding 等）时，自动从知识库深入提问。
- Claude Code（桌面端）
- Node.js 18+
将 SKILL.md、README.md 和 references/ 目录复制到 AI 平台的 skills 目录即可使用。
在支持 Skills 的 AI 平台中直接表达面试意图即可触发：
开始一场 AI 开发模拟面试
我是应届生，想练习 AI 应用开发面试，温和鼓励型
系统会依次确认：求职者身份、面试时长、面试官风格。可选提供简历或目标岗位 JD。
在支持语音的平台上，可使用系统语音输入获得更好体验：
| 平台 | 系统语音 | 微信 | 企业微信 | 飞书 | |
|---|---|---|---|---|---|
| QClaw | Win+H / Fn+Fn | 转文字 | — | — | — |
| WorkBuddy | Win+H / Fn+Fn | — | 支持 | 支持 | 支持 |
| AutoClaw | Win+H / Fn+Fn | — | — | 支持 | — |
提示：微信语音需长按消息选择"转文字"后再发送，直接语音消息暂不支持。
| 平台 | 远程接入 | 安装难度 | 适合场景 |
|---|---|---|---|
| WorkBuddy（推荐） | 企业微信 / QQ / 飞书 / 钉钉 | 一键安装 | 企业办公、团队练习 |
| AutoClaw | 飞书 | 一键安装 | 个人 / 快速上手 |
| QClaw | 微信 | 开箱即用 | 日常练习 |
| Claude Code | 本地桌面 | 手动配置 | 本地深度使用 |
WorkBuddy 和 AutoClaw 完全兼容 OpenClaw Skills，可直接加载本项目无需修改。
面试过程中可使用以下命令：
- 继续 — 进入下一环节
- 跳过 — 跳过当前问题
- 结束 — 提前结束并生成报告
- 换个风格 — 实时切换面试官风格
- 反馈 — 查看当前评分
提供简历和/或目标岗位 JD 可获得更有针对性的项目深挖问题和技术考察方向。面试结束后会输出 JD 匹配度分析报告。将简历文本或 JD 内容直接发送给 AI 即可。
ai-dev-interview-simulator/
├── SKILL.md # 技能主文件（OpenClaw skill 格式）
├── README.md # 本文档
├── references/
│ ├── tech-knowledge-base.md # 技术知识库（高频面试题与答案要点）
│ ├── evaluation-rubric.md # 评分细则与分人群反馈模板（含 JD 匹配分析）
│ ├── interviewer-styles.md # 六种面试官风格详解
│ ├── coding-challenges.md # 实操编码题库（可选环节）
│ ├── ai-dev-knowledge-base.md # AI 应用开发知识库（LLM/Agent/RAG/MCP，可选扩展）
│ └── ai-dev-tools-knowledge-base.md # AI 编程工具知识库（可选项）
└── LICENSE
本项目基于 OpenClaw Skill 框架构建，采用三层加载架构：
| 层级 | 文件 | 作用 |
|---|---|---|
| 元数据 | SKILL.md frontmatter |
触发条件与能力概述，始终加载 |
| 主体逻辑 | SKILL.md body |
面试流程、风格适配、状态跟踪规则 |
| 知识库 | references/*.md |
按需加载：技术题库、评分标准、风格指南 |
面试流程采用有限状态机思路：破冰 → 项目介绍 → 技术深度 → 场景设计 → AI 能力 → 总结反馈，各阶段时长和深度由身份和剩余时间共同决定。
- 面试时长依赖估算：实际面试中时间分配是动态的，本项目按参考时长设计，但不做精确计时
- 不支持实时语音：当前为文字交互，暂不涉及口语表达评估（表达能力通过文字间接评估）
- 题库覆盖有边界：主要覆盖 AI 应用开发高频方向，传统后端开发方向暂不涉及
- 简历解析有限：可读取简历文本，但暂不支持结构化简历解析（PDF/图片格式）
- 🎓 在校学生 — 准备 AI 相关实习面试
- 🌱 应届生 — 目标是 AI 应用开发岗位
- 💼 社招生（1-3 年） — 转向 AI 应用开发或深耕该领域
欢迎提交补充，以下是几个优先方向：
- 题库扩充 — 补充更多高频面试题及参考答案（参考
references/tech-knowledge-base.md格式） - 风格优化 — 改进现有面试官风格的话术或追问逻辑
- 场景扩充 — 添加更多场景设计题（如具身智能、多模态 Agent、Agent 安全等）
- 文档改进 — 修正错误、提升可读性
参与流程：
- Fork 本仓库
- 创建分支 (
git checkout -b feature/your-feature) - 提交改动 (
git commit -m 'Add: 简短描述') - 推送分支 (
git push origin feature/your-feature) - 提交 Pull Request
本项目基于 MIT License 开源。
技术知识库部分引用了 JavaGuide 的 AI 应用开发面试系列内容，仅作为面试考察点使用。
- JavaGuide — AI 应用开发面试指南来源
- OpenClaw / Claude Code — AI 能力支撑