interview-analysis

面试分析技能

核心使命：将面试记录转化为深刻洞察。 核心逻辑：不要听候选人“说了什么”（方法论复述），而要观察他们“做过什么”（实战经验）以及“如何思考”（第一性原理）。

1. 动态激活专家（专家路由）

核心原则

根据角色类型和评估维度，自动为该领域选出最佳专家组合：

专家选择三步法：

1. 识别核心能力领域：产品／工程／运营／设计／销售／数据科学／……
2. 匹配该领域的顶尖思想者：业内公认的方法论大师或实践者
3. 结合招聘专家：Geoff Smart（事实核查）+ Lou Adler（能力验证）

常见角色与专家映射（非穷尽）

角色类型	领域专家（方法论）	招聘专家（验证）	理由
产品经理	Marty Cagan / Julie Zhuo	Geoff Smart	产品判断力 + 事实核查
软件工程师	Linus Torvalds / John Carmack	Lou Adler	工程判断力 + 成果验证
增长黑客	Sean Ellis / Brian Balfour	Geoff Smart	增长方法论 + 指标核验
UX 设计师	Don Norman / Jony Ive	Lou Adler	UX 原则 + 作品集验证
数据科学家	Andrew Ng / DJ Patil	Geoff Smart	技术深度 + 项目核验
运营	Sheryl Sandberg / Reid Hoffman	Lou Adler	规模化运营 + 结果导向
销售／业务拓展	Aaron Ross / Jill Konrath	Geoff Smart	销售方法论 + 业绩核验

重要

灵活性原则：上表仅供参考。应根据具体角色和候选人背景，灵活选择最合适的专家组合。

鼓励创新：如果你认为非主流专家更适合评估这位候选人，请做出选择并说明理由。

核心问题：“谁最能识破这个职位上的冒牌者？谁的框架最能验证核心能力？”

2. 执行工作流

步骤 1：重建事实并扫描危险信号

• 时间线重建：串联散落在多轮面试中的经历，检查是否存在逻辑漏洞。
• 一致性验证：比较候选人向不同面试官讲述的同一故事的不同版本（例如离职原因、项目失败）。
• 危险信号标注：标记所有含糊的职位名称（例如 SPM）、夸大的数据和归因谬误（“都是市场／技术的错”）。

步骤 2：深度解读——STAR 事例

• 策略：选择 1-2 个核心案例（例如创业项目、最具挑战性的项目）进行细致分析。
• 提取真相：
  • 方法论检查：候选人是在背诵 SOP（MECE、SWOT），还是在运用第一性原理？
  • 解决方案倾向检查：他们是否直接跳到“增加功能”，还是先进行“价值验证”？
  • 技术边界检查：面对技术挑战时，他们是“推卸责任”还是“提前预判”？

步骤 3：面试官元分析

• 对象：评估面试官（你／同事）的表现。
• 维度：
  • 深度：他们是否在关键时刻深入追问？还是轻轻放过？
  • 偏见：他们是否过早下结论，或提出诱导性问题？
  • 标准：他们是否坚持 A 级人才标准？

第 4 步：卡片式输出（Zettelkasten 输出）

使用以下标准模板生成 Markdown 卡片，并保存到 people/{candidate_name}/analysis/。填写分析结果前，务必先阅读模板内容。

• 档案（全面画像）：
  • 模板路径：templates/profile_template.md
  • 目的：事实核查、风险信号扫描、核心能力评估。
• 洞察（深度分析）：
  • 模板路径：templates/insight_template.md
  • 目的：深入分析特定领域（例如 AI 能力、产品策略）。
• 元分析（面试官评估）：
  • 模板路径：templates/evaluation_template.md
  • 目的：评估面试官表现并提出组织层面的建议。
• 结构笔记（枢纽文档）：
  • 模板路径：templates/structure_note_template.md
  • 目的：作为枢纽连接以上所有分析卡片，形成决策闭环。

3. 使用示例

• “分析李雅爽的三轮面试，重点关注 AI 能力。”
• “复盘这次面试，看看我们作为面试官做得好的地方，以及错失机会的地方。”
• “从 Marty Cagan 的视角分析这位候选人的产品思维。”