mcpField
I
interview-analysis

interview-analysis

github.com/mikonosその他264 回インストール37 週間前に更新
リポジトリ

interview-analysis について

interview-analysisは、面接記録を候補者評価と面接官レビューにまとめるスキルです。職種に応じて評価の視点を選び、複数回の面接にまたがる事実を整理して、相互に関連するMarkdownカードに記録します。

主な機能

  1. 01職種に応じた専門家視点の選択
  2. 02経歴の時系列と発言の整合性確認
  3. 03STAR事例の詳細分析
  4. 04面接官のパフォーマンスレビュー
  5. 05テンプレートに基づくMarkdownカード生成

活用シーン

  1. 01複数回の面接での候補者の説明を比較
  2. 02実績の主張を裏付ける事実の確認
  3. 03職種に関連する能力の評価
  4. 04面接官の掘り下げ方や偏りの検討

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/mikonos/interview-analysis --skill interview-analysis

インストール後、Claude Code で/interview-analysisを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

README.md
templates/
profile_template.md
evaluation_template.md
insight_template.md
structure_note_template.md

詳細

面接分析スキル

中核となる使命:面接の記録を深い洞察へと変換します。 中核となる考え方:候補者が「何を言ったか」(手法の暗唱)ではなく、「何をしてきたか」(実戦の痕跡)と「どう考えるか」(第一原理)に注目します。

1. 専門家の動的な選定(専門家のルーティング)

中核となる原則

職種と評価項目に基づいて、その領域に最適な専門家の組み合わせを自動的に選定します。

専門家選定の3ステップ:

  1. 中核となる能力領域を特定する:プロダクト/エンジニアリング/オペレーション/デザイン/営業/データサイエンス/…
  2. その領域を代表する思想家を選ぶ:その分野で認められている手法の第一人者または実践者
  3. 採用の専門家を組み合わせる:Geoff Smart(事実確認)+ Lou Adler(能力の検証)
よくある職種と専門家の対応(網羅的な一覧ではありません)
職種領域の専門家(手法)採用の専門家(検証)選定理由
プロダクトマネージャーMarty Cagan / Julie ZhuoGeoff Smartプロダクトセンス+事実確認
ソフトウェアエンジニアLinus Torvalds / John CarmackLou Adlerエンジニアリングにおける判断力+成果の検証
グロースハッカーSean Ellis / Brian BalfourGeoff Smartグロース手法+指標の検証
UX デザイナーDon Norman / Jony IveLou AdlerUX の原則+ポートフォリオの検証
データサイエンティストAndrew Ng / DJ PatilGeoff Smart技術的な深さ+プロジェクトの検証
オペレーションSheryl Sandberg / Reid HoffmanLou Adler規模に応じたオペレーション+成果重視
営業/BDAaron Ross / Jill KonrathGeoff Smart営業手法+実績の検証

重要

柔軟性の原則:上の表はあくまで参考です。具体的な職種と候補者の経歴に基づいて、最適な専門家の組み合わせを柔軟に選んでください。

イノベーションを促す:主流ではない専門家のほうが候補者の評価に適していると考える場合は、その専門家を選び、理由を説明してください。

中核となる問い:「この職種で、なりすましを最も見抜けるのは誰か。中核となる能力を最も適切に検証できるフレームワークは誰のものか。」

2. 実行ワークフロー

ステップ1:事実の再構成と危険信号の確認
  • 経歴の再構成:複数回の面接に散らばった経験をつなぎ合わせ、論理の抜けがないか確認します。
  • 一貫性の検証:異なる面接官に話した同じエピソードの内容を比較します(例:退職理由、プロジェクトの失敗)。
  • 危険信号への注記:曖昧な役職名(例:SPM)、誇張された数値、責任転嫁の誤謬(「すべて市場/テクノロジーのせいだった」)に印を付けます。
ステップ2:STAR エピソードの深掘り
  • 方針:スタートアップのプロジェクトや最も困難だったプロジェクトなど、中核となる事例を1~2件選び、詳細に分析します。
  • 真実の抽出:
    • 手法の確認:候補者はSOP(MECE、SWOT)を暗唱しているのか、それとも第一原理に基づいているのか。
    • 解決策への偏りの確認:「価値の検証」を最初に行わず、いきなり「機能を追加する」判断をしていないか。
    • 技術的な境界の確認:技術的な課題に対して、「責任を回避」していたのか、それとも「先を見越して」いたのか。
ステップ3:面接官のメタ分析
  • 対象:面接官(あなた/同僚)のパフォーマンスを評価します。
  • 評価項目:
    • 深さ:重要な場面で掘り下げて質問したか。それとも見過ごしたか。
    • 偏り:結論を急いだり、誘導的な質問をしたりしなかったか。
    • 基準:Aプレイヤーの基準を保てていたか。
ステップ 4:カード形式の出力(ツェッテルカステン形式の出力)

以下の標準テンプレートを使って Markdown カードを作成し、people/{candidate_name}/analysis/ に保存します。分析結果を記入する前に、テンプレートの内容を必ず確認してください。

  • プロフィール(包括的な人物像):
    • テンプレートのパス:templates/profile_template.md
    • 目的:事実確認、懸念事項の検出、中核的な能力の評価。
  • インサイト(詳細分析):
    • テンプレートのパス:templates/insight_template.md
    • 目的:特定の領域(AI 能力、プロダクト戦略など)を詳しく分析します。
  • メタ分析(面接官の振り返り):
    • テンプレートのパス:templates/evaluation_template.md
    • 目的:面接官のパフォーマンスを評価し、組織への提言を行います。
  • 構造ノート(ハブ文書):
    • テンプレートのパス:templates/structure_note_template.md
    • 目的:上記のすべての分析カードをつなぐハブとして機能し、意思決定を完結させます。

3. 使用例

  • 「Li Yashuang の 3 回の面接を、AI 能力に焦点を当てて分析してください。」
  • 「この面接を振り返り、面接官としてうまくできた点と、機会を逃した点を確認してください。」
  • 「Marty Cagan の視点から、この候補者のプロダクト思考を分析してください。」

コメント