interview-designer

该技能是一款基于行为科学与顶级招聘理论的结构化面试设计工具，通过"定义标准-证据审查-未来模拟"三阶段方法论，将传统的简历浏览式面试升级为证据驱动的预测性评估体系。

核心用法遵循严格的三步流程：首先依据 Geoff Smart 的 Topgrading 理论定义岗位评分卡（Scorecard），明确 A 级人才标准与 12 个月关键成果；继而运用"法医式"简历扫描技术，识别经历中的逻辑断层与真实贡献度，区分"乘客"与"驾驶员"角色；最后结合 Lou Adler 的绩效招聘法设计压力测试与未来情境模拟题，通过不可背诵的实时思考任务验证候选人解决实际业务问题的能力。

显著优点在于其深厚的学术基础与系统性防偏见机制。整合 Daniel Kahneman 的认知偏差控制理论，强制要求同时记录红旗警示（Red Flags）与绿灯信号（Green Signals），有效抑制确认偏误。问题设计遵循"细节颗粒度"原则，可追问至具体图表与对话内容，配合强制权衡类问题（Forced Trade-offs）深度探测价值观与决策逻辑，大幅提升面试的预测效度。

潜在局限性主要体现在执行复杂度与来源可信度。作为纯方法论指导工具，其效果高度依赖使用者对 Topgrading 与行为面试技术的理解深度，需要投入学习成本；同时 T3 级社区来源意味着缺乏官方企业背书，模板内容需根据组织文化二次定制。此外，该技能仅提供面试框架设计，不具备自动化简历解析或候选人评估功能。

适合目标群体包括企业 HRBP、招聘经理、创业公司 CEO 及需要高频面试的技术团队负责人，特别适用于关键岗位（如高管、架构师、产品经理）的精准招聘场景，以及希望建立标准化面试体系以减少招聘失误的成长型组织。

使用该技能的技术风险极低，作为纯文档型资产无代码执行与数据收集行为。但需注意业务风险：严格的压力测试与情境模拟可能延长面试周期，需平衡评估深度与候选人体验；同时建议在使用前审查模板内容是否符合本地劳动法规与企业文化，避免机械套用理论框架导致面试过程过于僵化。

核心用法

interview-designer 是一套结构化面试设计框架，采用「三步工作流」：

1. Scorecard 定义（Smart 方法）：禁止先看简历，先基于 JD 明确「A 级人才」标准——包括 Mission（角色使命）、Outcomes（12 个月内 3-5 项可衡量成果）、Competencies（达成成果所需的硬/软技能）。

2. 取证式简历扫描（Smart 法医式分析）：用 Step 1 的标准反向审视简历，识别 Gap（疑点） 与 High Point（亮点）。内置三大启发式：「好到不真实」逻辑漏洞检验、「乘客 vs 司机」个人贡献剥离、「第一性原理」技术术语背后的真实理解。

3. 压力测试与未来模拟（Adler 预测法）：

• Pressure Test：针对 Step 2 发现的疑点设计 STAR 追问（不可背诵、细节颗粒度到「当时画了什么图」「原话说了什么」）
• Future Simulation：设计具体业务场景题（如「明年进入 X 市场，最大障碍是 Y，入职第一周你会如何分析？」）

显著优点

• 方法论权威性：融合 Topgrading（Smart）、绩效招聘（Adler）、认知偏差控制（Kahneman）三大经验证体系
• 反直觉设计：强制「先定标准再看人」，根治「 confirmation bias 确认偏误」
• 双轨验证机制：同时标注 [Red Flags] 与 [Green Signals]，保持评估客观性
• 场景化压力设计：问题无法通过「面经」准备，真实检验临场思维

潜在局限

• 学习曲线陡峭：需理解 Topgrading、STAR、绩效模拟等方法论背景
• 执行成本高：完整流程耗时显著高于传统面试准备
• 依赖用户专业度：若用户本身缺乏业务洞察，Scorecard 定义质量受限
• 非技术角色适配性：创意类、文化契合度导向岗位的标准量化难度较高

适合人群

• 中大型企业 HR/招聘经理（需结构化降低偏见）
• 创业公司高管亲自面试关键岗位（CEO 面 VP 级别）
• 猎头顾问设计客户专属面试方案
• 求职者反向准备（理解面试官视角，设计自己的叙事策略）

常规风险

• 过度结构化风险：可能忽略「化学反应」类软性因素
• 模拟场景失真：Future Simulation 若设计不当，可能变成「脑筋急转弯」而非能力预测
• 追问侵略性：Pressure Test 若语气把握不当，可能损害候选人体验
• 无自动化校验：Skill 本身不提供候选人回答的实时分析，输出质量依赖使用者执行能力