前言¶
准备面试时常见的两种做法都有明显短板。刷题网站只覆盖算法，反馈只有「通过 / 未通过」；找真人 mock 又要约时间、对齐进度，而且对方未必熟悉目标岗位的问法。更麻烦的是行为面试和案例面试，这类题目没有标准答案，需要有人按角色语境追问、给分、指出改进点。
下面介绍的 Interview Simulator 就是把这件事交给模型来做：它按你指定的角色和经验级别扮演面试官，出技术题、行为题或案例题，逐题反馈并打分，最后给一份汇总成绩单。
这是什么¶
Interview Simulator 是一个通用的 mock interview Skill，坐标 @clawhub_wscats/interview-simulator，版本 1.0.0，来源 clawhub，分类 education，发布者 wscats。上游仓库在 https://clawhub.ai/wscats/interview-simulator ，SkillHub 页面在 https://www.skillhub.cn/skills/clawhub_wscats/interview-simulator 。
它解决的问题是：让一次面试演练能贴近真实面试的形态——按岗位出题、按级别调难度、按题给反馈，而不是只给一串题目。
核心功能¶
Skill 本身是一段 SKILL.md 形式的角色扮演指令，核心能力有四点。
- 角色覆盖广。工程类（前端、后端、移动端、全栈、DevOps/SRE、数据、机器学习、嵌入式、QA）、产品与设计类（产品经理、UI/UX 设计师、技术写作）、业务与运营类（运营、销售、市场、BD、客户成功）、人力与行政类（HR/招聘、财务、法务、行政），以及用户指定的其他角色。
- 级别自适应。从 Intern 到 Junior、Mid、Senior、Staff、Executive，会按级别调整题目难度和追问深度。
- 分模块出题。不同角色走不同模块，下面「面试流程」一节细说。
- 逐题反馈加打分。每道题给做得好的地方、可改进的地方、理想答案或遗漏要点，以及 1–10 的分数；session 结束给汇总成绩单和评级。
触发方式¶
Skill 列出了若干触发模式，以下为原文示例，并非穷举。
- 「Mock interview for [Role]」：该角色的完整模拟。
- 「[Role] system design / design interview」：架构或领域设计题。
- 「[Role] coding / algorithm practice」：代码与算法专项（仅适用工程类角色）。
- 「[Role] behavioral interview」：按 STAR 方法的行为题，结合该角色语境。
- 「[Role] case study」：案例题，面向咨询、产品、运营、商业类角色。
- 「[Role] technical deep-dive on [Topic]」：针对某个技术主题深挖。
- 「Review my answer / solution」：点评已有的回答、设计、代码或案例答案。
- 「Interview in [N] hours — help me prepare」：限定时间的考前突击。
- 「Here is my resume / CV」：先分析简历再做针对性提问。
- 「Switch role to [Role]」：session 中途切换角色。
面试流程¶
Skill 把一次完整 session 分成四步。
- 角色与级别确认。如果用户没有给出，先问四项：目标岗位、经验级别、具体关注方向（例如后端关注分布式系统和数据库，产品经理关注增长或 B2B，销售关注企业客户或 SaaS，HR 关注招聘或员工关系）、session 时长（Quick 15 分钟 / Standard 45 分钟 / Full 90 分钟），以及是否需要特定公司或行业背景。如果用户给了简历，先解析简历提取关键技能与经历，再据此定制题目。
- 选择模块。按角色从对应模块组里挑，见下表。
工程类角色（前端、后端、移动端、全栈、DevOps、数据、机器学习、QA 等）：
| 模块 | 内容 |
|---|---|
| System Design | 设计与岗位相关的系统/架构，涉及规模、取舍、技术选型 |
| Coding / Algorithm | 数据结构、算法、并发、领域相关编码题 |
| Domain Knowledge | 岗位专属技术问题，例如前端问 React、数据岗问 SQL、DevOps 问 CI/CD |
| Behavioral | 工程语境下的 STAR 题，涉及线上事故、技术取舍、协作、排期 |
产品与设计类角色：Product Sense（产品设计、功能优先级、指标定义、用户同理心）、Case Study（分析产品场景并给出带数据推理的建议）、Estimation（市场规模、容量估算、资源规划）、Behavioral（干系人管理、上线决策、失败复盘）。
业务与运营类角色（销售、市场、运营、BD 等）：Case / Scenario（商业案例分析、GTM 策略、活动设计、流程优化）、Role Play（模拟销售通话、客户谈判、冲突处理、pitch）、Domain Knowledge（行业知识、工具与方法论，例如 CRM、漏斗指标、供应链）、Behavioral。
人力与行政类角色（HR、财务、法务、行政等）：Scenario / Case（处理工作场所情境，例如解除劳动关系、合规问题、审计、政策问询）、Domain Knowledge（劳动法、会计准则、合规、工具与系统）、Role Play（模拟员工谈话、离职面谈、干系人沟通）、Behavioral。
- 逐题推进。每道题先清晰呈现，必要时带上上下文和约束；等候选人作答，不要立刻给提示；卡住时给一个小推动而不是答案；作答后给出做得好的地方、可改进的地方、理想答案或遗漏要点，以及 1–10 的分数和简短理由。打分前会先问一句「还有要补充的吗」。
- 汇总成绩单。session 结束或用户要求时，输出各模块得分、总分、评级（Strong Hire / Hire / Lean Hire / Lean No Hire / No Hire）、三项主要优势、三项待改进处、三项推荐复习主题。
评分口径¶
分数对应的含义在 Skill 里是固定的，照此解读即可。
| 分数 | 标签 | 含义 |
|---|---|---|
| 9–10 | Exceptional | 超出该级别的预期，能胜任更高级别的工作 |
| 7–8 | Strong | 回答扎实、仅有小缺口，很好地达到预期 |
| 5–6 | Adequate | 可接受但有明显缺口，关键处需要改进 |
| 3–4 | Below Expectations | 缺口较大，缺少基础概念或技能 |
| 1–2 | Insufficient | 未能对问题作出有意义的回应 |
行为约束¶
Skill 里写明了几条对体验影响较大的规则，列在这里便于预期管理。
- 全程保持面试官角色，除非用户主动要求讨论方法论，否则不跳出角色。
- 一次只问一题，等用户回答后再推进，不一次性抛出多题。
- 动态调整难度：答得轻松就加难，答得吃力就略降难度，但分数里仍要记录这个缺口。
- 使用用户的语言。用户写中文就用中文面试，写英文就用英文。
- 有时长限制时按时间控制节奏，优先覆盖最重要的模块。
- 不编造要求，只按该角色和级别的真实实践标准出题。
安装与启用¶
Skill 页面给出 CLI 安装命令：
openclaw skills install @wscats/interview-simulator
页面同时提供 CLI 与 Prompt 两种安装入口。按通用 SKILL.md 格式，装好后在对话里触发即可，例如直接说「Mock interview for Backend Engineer」。
需要说明的是，本次抓取中 SkillHub 的两个地址（https://api.skillhub.cn/zcwl/interview-simulator 和 https://www.skillhub.cn/skills/clawhub_wscats/interview-simulator ）均无法访问，正文里的安装命令、模块划分和评分口径来自上游仓库 https://clawhub.ai/wscats/interview-simulator 的 SKILL.md 原文。资料中标注 requires_api_key=false，即不需要额外 API key。
资料中没有给出 Cursor、Codex CLI、Claude Code 各自的安装差异，这里不写。
典型用法¶
以下都是按 Skill 的触发模式可以直接试的写法。
一次完整的后端工程面试：
Mock interview for Backend Engineer, senior level, focus on distributed systems. Standard 45 min.
限时考前突击：
Interview in 2 hours — help me prepare for Product Manager, mid level, growth focus.
带简历的针对性演练：
Here is my resume: [粘贴简历内容]
中途换角色：
Switch role to Data Engineer.
中途跳过当前题：
skip
只想点评已有答案，不重新出题：
Review my answer / solution: [粘贴你的回答或代码]
适用场景与注意¶
适合的场景：
- 准备某岗位面试，想先按目标岗位的问法练一遍，尤其是系统设计、案例题这类没有标准答案的题型。
- 时间紧，需要在短时间内针对特定角色做集中准备。
- 已有答案或设计稿，需要一个能按角色语境点评的读者。
- 非技术岗同样可用，产品、销售、运营、HR 都有对应的模块组。
需要注意的地方：
- 反馈质量取决于角色和级别描述是否具体。只给岗位名，不给关注方向，题目会偏通用。
- 评分是模型自评，不是真实招聘标准。分数用于定位薄弱点，不要当成通过率预测。
- 它不验证你的实际代码是否可运行，也不替代真实环境里的手写代码或系统演示。
- 一次只问一题，session 会按题推进，想快只能通过时长设置和 skip 控制。
- 页面上的下载量、评分等统计数字会变动，写作时以 https://www.skillhub.cn/skills/clawhub_wscats/interview-simulator 当时显示为准。
结尾¶
Interview Simulator 的价值在于把「出题 + 追问 + 反馈 + 打分 + 汇总」这条链路自动化，并且按角色和级别切分，适合作为面试前的固定演练环节。它不替代刷题和真实项目经验，但能让一次练习更接近真实面试的形态。
官方地址：https://api.skillhub.cn/zcwl/interview-simulator
上游仓库：https://clawhub.ai/wscats/interview-simulator
