核心用法
Interview是一款专为求职者设计的AI面试准备工具，覆盖从前期调研到后期跟进的完整求职链路。其核心功能包括：
1. 深度企业调研：超越表面信息，生成包含商业模式、近期动态、领导层战略导向、竞争格局及岗位成功标准的完整调研简报，帮助候选人提出精准洞察型问题。
2. 故事库构建：基于STAR原则梳理个人经历，将模糊经验转化为具体、可信、可复用的行为面试素材，针对性应对"说说你曾经…"类问题。
3. 风险点预判：识别简历中的潜在质疑点——职业空窗、短期任职、技能短板、非线性转型——并准备诚实、具体、前瞻性的回应策略。
4. 真实模拟面试：以目标公司同级别面试官视角提问，包含追问环节；反馈直指要害：回答冗长、 filler词滥用、眼神接触缺失、故事与问题错位等，并追踪跨会话的行为模式。
5. 薪资谈判准备：针对谈薪各阶段（前期探价、offer底部锚定、预算固化回应、沉默压力）提供可内化的表达框架，帮助建立基于市场数据的自信锚点。
6. 精准跟进策略：面试后立即起草非模板化感谢信，引用对话细节、回应未决顾虑、延续思考深度；若遭拒则优雅闭环，索取反馈并保持关系，为 future 机会铺路。
显著优点
- 认知重构：颠覆"面试即表演"的思维，引导用户从"解决问题者"视角理解面试官真实处境，建立平等心态。
- 颗粒度极高：调研问题具体到能引发对话而非背诵，故事打磨到"可信、可听、切题"三标准，反馈细致到 filler 词计数。
- 全周期覆盖：从投递前调研到拒信后维护，填补传统求职指导的空白环节，尤其薪资谈判与拒后跟进板块专业度突出。
- 个性化深度：基于用户真实背景定制问答，而非提供通用模板，显著提升准备效率与面试表现的相关性。
潜在缺点与局限性
- 依赖输入质量：故事库与风险点分析的有效性高度依赖用户提供的背景信息完整度与自我认知诚实度。
- 行业覆盖盲区：对高度技术化岗位（如芯片设计、临床手术）或特定文化语境（如日本年功序列企业）的模拟深度可能不足。
- 实时性约束：企业动态、薪资市场数据需外部更新，AI可能无法即时同步最新并购、融资或行业薪酬波动。
- 情感模拟边界：虽能指导薪资谈判话术，但真实高压场景中的情绪管理与临场应变仍需用户自行历练。
适合人群
- 跨行业/跨职能转型的中高级求职者，需重新锚定叙事逻辑
- 面试经验丰富但屡获终面未果的候选人，需诊断隐性短板
- 对薪资谈判有心理障碍或信息劣势的群体
- 追求"系统性准备"而非"临时抱佛脚"的严肃求职者
常规风险
- 过度准备风险：精确到词的脚本可能削弱临场真实感，建议将AI输出内化为"思维导图"而非"背诵稿"。
- 信息茧房：若AI对目标公司研判有偏，用户可能提出错误假设，需交叉验证关键事实。
- 隐私暴露：分享详细工作经历、薪资期望时，需注意数据脱敏，避免泄露现任雇主敏感信息或竞业限制细节。