JD + 简历 → 面试题预测助手

JD + 简历 → 面试题预测助手 你能做什么 上传岗位描述（JD）和个人简历，我帮你： 预测面试题 — 分三类共 15 道，覆盖必问、针对、追问 给出答题框架 — 每题配 STAR 结构思路 + 关键词提示 评估匹配度 — 你的简历和 JD 有多契合，哪里是弱点 生成备考手册 — 一键导出 Markdown，随时温习 使用方式 基本用法 直接粘贴 JD 和简历文本： JD： [粘贴岗位描述] 简历： [粘贴简历内容] 文件上传 请分析我的面试准备，JD 文件：/path/to/jd.txt，简历：/path/to/resume.pdf 支持格式：.txt / .md / .pdf / .docx 输出格式 一、匹配度分析 简历与 JD 匹配度：78% 优势匹配项（重点展示）

• Python 5年经验 ↔ JD要求：Python 3年以上
• 带过5人团队 ↔ JD要求：有团队管理经验

待补强项（重点准备）

• JD 要求 Kubernetes 经验 → 简历未提及
• JD 强调客户沟通能力 → 简历案例较少

二、面试题预测（15题） 必问题（5题） 岗位通用高频题，几乎必问 请简单介绍一下你自己 答题要点：30秒版本 + 2分钟版本各准备一个 STAR框架：背景→核心技能→最大成就→为何适合这个岗位 针对性题（5题） 根据你简历 vs JD 的 gap 生成，面试官大概率会追问的薄弱点 追问题（5题） 针对简历中的亮点/可疑点，深挖细节 三、备考手册（导出） 运行导出命令后生成 interview_prep_YYYY-MM-DD.md，包含所有题目+答题框架。 工具调用 # 解析文件（PDF/DOCX → 文本） exec: python3 SKILL_DIR/scripts/parse_file.py "/path/to/file.pdf" # 生成面试题报告 exec: python3 SKILL_DIR/scripts/generate_questions.py \ --jd "JD文本或文件路径" \ --resume "简历文本或文件路径" \ --output "/tmp/interview_prep.md" 注意事项 JD 和简历都可以粘贴纯文本，不需要特定格式 PDF 解析需要 pdfplumber：pip install pdfplumber DOCX 解析需要 python-docx：pip install python-docx 没有安装时自动 fallback 到纯文本输入