面试快到了，简历还没写？写完了但全是"参与了XX开发"？项目跟着教程敲的，不知道怎么包装？模拟面试只会问"介绍一下你自己"？
让 AI 真正帮你解决面试前的问题。
不是泛泛地改改措辞，不是随便出几道题——而是：针对你要投的岗位，读你的项目代码写简历，把学习项目包装成交付项目，搜真实面经深挖你的每一个项目，揪出你说不清楚的地方。
直接对 Claude Code 说：
为我安装 mokio-interview-skill，github链接为https://github.com/Wood-Q/Mokio-Interview-Skill
npx skills add Wood-Q/Mokio-Interview-Skill -g目录
大多数 AI 辅助简历和面试工具都有可预测的失败模式：
- 简历创建：生成泛泛的要点（"参与了后端开发"），跳过项目分析，一次性输出不经迭代
- 简历润色：不知道目标岗位就"改进"简历，改了半天但方向不对
- 模拟面试：问泛泛的问题（"介绍一下你自己"），不搜索真实面经，给主观评分（"7/10"）而非可操作的反馈
本技能使用约束技术（参考 Superpowers）——铁律、红旗表、借口防范、<EXTREMELY-IMPORTANT> 标签、承诺原则、渐进式披露——强制产出结构化、高质量的结果。
从零构建 LapisCV 格式简历。
设置 LapisCV → 批量收集个人信息 → 分析项目代码 → 生成项目描述 → 组装完整简历 → 产品检查清单 → 保存
关键约束：
- AI 必须先读取你的实际项目代码，才能写任何要点
- 个人信息通过模板批量收集，不是逐字段问答
- 每个要点需要：强动词 + 做了什么 + 具体细节 + 量化结果
- 至少 2 轮用户审核才能输出最终结果
- 简历通过复制 LapisCV 模板并替换占位内容生成——不从零手写
针对目标岗位优化现有简历。
设置 LapisCV → 询问求职意向 → 询问 JD → 搜索岗位信息 → 确认岗位分析 → 读取简历 → 验证格式 → 八维分析 → 分析报告 → 迭代修复 → 产品检查清单 → 保存
关键约束：
- 必须先问目标岗位——没有岗位定位就是盲改
- 必须联网搜索岗位要求和部门信息——不能凭训练数据猜测
- 8 个分析维度（全部必做，全部指向岗位）：
- 量化程度
- STAR 方法
- 关键词覆盖（岗位定向）
- 格式一致性
- 冗余和缺失（岗位定向）
- 动词力度
- 项目结构（背景 → 方案 → 成果）
- 项目包装——将"为了学习 XX"项目转化为真实交付项目
项目包装不是造假。它改变的是叙事视角：
| 包装前（学习项目） | 包装后（交付项目） |
|---|---|
| "为了学习 Go 语言开发了一个异步任务框架" | "实验室承接企业横向项目，需处理大量异步计算任务，现有调度方案无法支持任务自动续做和灵活配置，因此开发了 AsyncFlow 框架" |
| "跟着教程实现了 Redis 缓存" | "设计多级缓存架构，采用布隆过滤器减少 80% 无效数据库查询" |
| "基于 Spring Boot 课程做了一个短链服务" | "内部运营平台需要短链管理能力，自建短链服务替代第三方服务，降低成本并支持自定义统计分析" |
技术实现是真实的，只是换了业务场景来体现工程价值。
基于简历和真实面经的深挖式模拟面试。
读取简历 → 询问目标公司/岗位 → 搜索面经（牛客、小红书） → 用户选择项目 → 逐主题深挖 → 用户选择下一个项目 → 快问快答 → 改进报告 → 保存
关键约束：
- 必须搜索真实面经——不用训练数据中的通用问题
- 用户选择先面试哪个项目——AI 不自行决定顺序
- 7 层主题递进：项目背景 → 架构设计 → 数据/训练 → 技术内部原理 → 评估与指标 → 失败模式 → 电梯演讲
- 表面回答必须追问——绝不放过浅层回答
- 实时检测知识盲点并标记
- 快问快答环节覆盖横切关注点（训练细节、消融证据、架构极限、Bad Case）
- 禁止主观评分——只有结构化反馈：含糊回答 + 知识漏洞 + 推荐资源
- 全程语言复述提醒——看了不等于会了，说出来才是你的
skills/mokio-interview-skill/
├── SKILL.md # 入口：工作流分发 + 跨工作流规则
├── resume-creation.md # 简历创建工作流
├── resume-polish.md # 简历润色工作流（八维分析）
├── mock-interview.md # 模拟面试工作流
├── lapiscv-template.md # LapisCV 格式参考与设置指南
├── interview-question-bank.md # 深挖问题模板与知识盲点资源
└── assets/
└── lapis-cv-vscode-v2.0.1/ # LapisCV v2.0.1 资源（字体、CSS、模板）
├── .vscode/settings.json # VS Code Markdown 预览配置
├── lapis-cv/fonts/ # 6 个字体文件（思源黑体、JetBrains Mono、iconfont）
├── lapis-cv/styles/ # 3 个 CSS 文件
├── template-cn.md # 中文简历模板
└── template-en.md # 英文简历模板
渐进式披露：子文件只在对应工作流分发时加载，节省上下文。
本技能使用多种技术防止 AI 走捷径：
| 技术 | 工作方式 |
|---|---|
| 铁律 | 文件顶部的简短绝对规则："没有岗位定位就不能分析。没有分析就不能修改。" 违反 = 重做 |
| 红旗表 | 贯穿每个工作流的"如果你发现自己想 X，停下来做 Y"模式 |
| 借口防范表 | 每个文件底部的常见借口表——预先反驳 AI 可能合理化的捷径 |
<EXTREMELY-IMPORTANT> 标签 |
不可跳过的关键步骤（如"必须联网搜索面经"） |
| 承诺原则 | AI 必须在开始时宣布使用哪个工作流——公开承诺防止静默偏离 |
| 流程图 | 每个工作流都有 DOT 流程图，使正确路径不含糊 |
| 产品检查清单 | 任何交付物保存前的最终验证关卡——无例外 |
简历使用 LapisCV v2.0.1 Markdown 格式，配合 CSS 样式在 VS Code 中预览和导出 PDF。
任何简历工作流启动时，技能自动将 LapisCV 资源（.vscode/、lapis-cv/、template-cn.md、template-en.md）复制到工作目录。简历 .md 文件必须与 lapis-cv/ 在同一目录层级，CSS 才能正确加载。
导出 PDF：在 VS Code 中打开 .md 文件 → 安装 Markdown PDF 插件 → 右键 → "Markdown PDF: Export (pdf)"。
当你的消息涉及简历创建、简历润色或面试准备时，技能自动触发。
触发示例：
- "帮我写一份简历" → 简历创建
- "润色一下我的简历" → 简历润色
- "我想准备面试" → 模拟面试
如果意图不明确，技能会询问："你是要创建新简历、改进现有简历，还是准备面试？"
本项目包含 LapisCV 资源（字体、CSS、模板），受其各自许可条款约束。