市面上的"面试题库"几乎都是静态的,而面试官手里的题是动态的、时效的、个性化的。
- 你刷的 1000 道八股题里,真正会被问到的可能不到 10%——因为面试官是按你简历来问的,不是按题库目录
- 牛客 / 小红书的真实面经满天飞,但没人帮你从里面挖出"跟你简历相关、且最近半年高频"的那一小撮
- LLM 直接生成的面试题听起来像那么回事,但没法溯源——你不知道这道题真有人被问过吗
InterviewRadar 是一个可给 Claude Code 或 Codex 使用的面试准备工作流,把"你给的"变成"它给你的":
| 你给的 | 它做的 | 它给你的 |
|---|---|---|
| • 简历(PDF / 图片 / 扫描件) • 一句模糊岗位方向 (例:"AI 应用开发""市场实习") |
• 多源抓取真实面经 (牛客 + GitHub + 公开博客) • 近两年时效硬过滤 • 频次 × 时效加权排序 • 把每道高频题尝试挂到你简历里的项目上 • LLM 推理 + Python 脚本各司其职 (领域无关,不依赖预设词表) |
• 一份中文 Markdown 备考包 • 可追溯的、锚定到你项目的 连环追问链,而不是凭空编 • 任意领域都能跑——不止 AI 岗 |
给一份"3 个项目、目标 Agent 应用开发岗"的简历,跑出来长这样(节选):
## 2. 简历 ↔ 岗位 Gap 分析
| 维度 | 现状 | 评级 |
|---|---|---|
| Agent Orchestration | P1 已实现多阶段状态机 | ✅ 强 |
| MCP 协议 | 简历未提 | ❌ 弱 |
| Function Calling 工程细节 | 没专门讲 | ⚠️ 中 |
...
## 4. 个性化项目追问链(锚到你的简历)
### 链 4.1 — 高频题 #3 → P1 多阶段状态机
> Q1: "你 P1 项目里设计了 Understanding → Diagnose → ... 这套状态机,
> 具体是怎么拆解出这六个阶段的?"
> Q2: "这套流程对应 ReAct / Plan-and-Execute / Reflexion 里的哪种范式?"
> Q3: "哪个阶段最容易出问题?你是怎么调的?"完整样例:见 examples/sample_prep_package.md
前置:已安装 Claude Code。
# A. 一行安装(需 npm,-g = 全局)
npx -y skills add https://github.com/KunChen1110/InterviewRadar -a claude-code -g
# 或 B. 手动 clone
git clone https://github.com/KunChen1110/InterviewRadar.git ~/.claude/skills/interview-radar
# 装 Python 依赖
cd ~/.claude/skills/interview-radar
python3 -m venv .venv
.venv/bin/python -m pip install -U pip
.venv/bin/python -m pip install -r requirements.txt在 Claude Code 里调用:
用 interview-radar 跑一下:
简历 /path/to/your-resume.pdf
方向:AI 应用开发岗
Codex 不需要走 Claude Skill 安装器。把仓库 clone 到本地,进入项目目录,安装 Python 依赖即可:
git clone https://github.com/KunChen1110/InterviewRadar.git
cd InterviewRadar
python3 -m venv .venv
.venv/bin/python -m pip install -U pip
.venv/bin/python -m pip install -r requirements.txt在 Codex 里直接说:
按这个项目的 SKILL.md 跑 InterviewRadar:
简历 /path/to/your-resume.pdf
方向:AI 应用开发岗
Codex 会读取仓库里的 SKILL.md,调用 scripts/ 下的确定性脚本,并把结果写到 corpus_cache/prep_package.md。如果你已经在这个仓库工作区里,不需要额外安装 skill,直接让 Codex 按 SKILL.md 执行即可。
Agent 会自动:
- 读简历(支持文字 PDF + 图片 + 扫描件)
- 用 WebSearch 发现牛客 / 公开正文页 URL
- 按域名分桶,调对应 connector 抓取
- 时效过滤(默认 730 天)+ 频次×时效排序
- 项目锚定生成追问链
- 输出中文备考包到
corpus_cache/prep_package.md
| 源 | 拿到什么 |
|---|---|
| 牛客(NowCoder) | 真实面经帖,带 createTime |
| GitHub | 主流面经仓库的 markdown 题库 |
| 知乎 / CSDN / 博客类 | 通过 agent 的网页读取能力拉正文页 |
主流程已覆盖中文圈 90%+ 高频面经源,跑起来不需要任何额外配置。
(进阶,可选)接入小红书源
小红书面经笔记很多,但平台反爬严,不能直接抓——需要一次性配置 MediaCrawler。配完之后 agent 会通过本项目 connector 自动调用,不用每次手动跑。
# 一、安装 MediaCrawler(默认路径 ~/.mediacrawler)
if [ ! -d "$HOME/.mediacrawler" ]; then
git clone https://github.com/NanmiCoder/MediaCrawler.git ~/.mediacrawler
fi
cd ~/.mediacrawler
python3.11 -m venv venv || python3 -m venv venv
venv/bin/python -m pip install -U pip
venv/bin/python -m pip install -r requirements.txt
venv/bin/python -m playwright install chromium
# 二、复制小红书 web_session 到配置文件
# 打开 ~/.mediacrawler/config/base_config.py,改这几行:
# LOGIN_TYPE = "cookie"
# COOKIES = "web_session=<你从浏览器复制的 web_session 值>"
# ENABLE_CDP_MODE = False
# ENABLE_GET_COMMENTS = False
# 三、验证
venv/bin/python main.py --platform xhs --lt cookie --type search --keywords "AI应用开发 面经" --save_data_option json --get_comment no成功后会生成 ~/.mediacrawler/data/xhs/json/search_contents_*.json。如果你看到 zsh: command not found: pip,不要装全局 pip,用上面的 venv/bin/python -m pip ...。
小红书有两种读取深度:
| 模式 | 读取内容 | 适合场景 |
|---|---|---|
| fast | 标题、正文 caption、标签、发布时间 | 快速召回、确认登录和关键词是否跑通 |
| deep | fast 内容 + 按顺序下载图片并 OCR | 正式生成备考包。小红书很多面经正文只放一部分,完整题目在图片里,这种必须用 deep |
所以报告里会标注本次小红书源用的是 fast 还是 deep。如果只跑了 fast,结论只能代表文字区可见内容,不能当作完整小红书面经覆盖。
完事。Claude Code 或 Codex 接下来要小红书数据时会自动 shell out 调 MediaCrawler。登录过期前不用再管。
详见 docs/setup/mediacrawler.md。MediaCrawler 仅供个人非商用。
等价的 Mermaid 流程图(技术细节)
flowchart TD
R["简历 PDF / 图片"] --> A
D["模糊岗位方向"] --> A
A["Agent (Claude Code / Codex)"] --> S1["Step 1<br/>简历理解<br/>pypdf + 视觉回退"]
S1 --> S2["Step 2<br/>种子查询<br/>agent 当场推,不依赖预设词表"]
S2 --> S3a["Step 3a<br/>WebSearch 发现 URL<br/>按域名分桶"]
S3a --> S3b["Step 3b: dispatch connector"]
S3b --> C1["NowCoder<br/>(官方 discuss)"]
S3b --> C2["Xiaohongshu<br/>(via MediaCrawler)"]
S3b --> C3["GitHub raw<br/>(with hints filter)"]
S3b --> C4["WebFetch<br/>(知乎 / CSDN / ...)"]
C1 --> S45["Step 4-5<br/>内容相关性 + 题目抽取<br/>文本 / OCR / 视觉"]
C2 --> S45
C3 --> S45
C4 --> S45
S45 --> S6["Step 6<br/>时效过滤 730d 硬截断<br/>频次 × 时效排序"]
S6 --> S7["Step 7<br/>项目锚定推理<br/>高频题 ↔ 简历项目"]
S7 --> OUT["prep_package.md (中文)"]
classDef in fill:#fff3cd,stroke:#856404
classDef stage fill:#d1ecf1,stroke:#0c5460
classDef src fill:#d4edda,stroke:#155724
classDef out fill:#f8d7da,stroke:#721c24
class R,D in
class S1,S2,S3a,S3b,S45,S6,S7 stage
class C1,C2,C3,C4 src
class OUT out
分工原则:
- agent(Claude Code / Codex)做推理判断:领域知识、种子词生成、URL 分桶、项目锚定
- Python 脚本做确定性脏活:HTML 解析、时效过滤、去重排序、降级处理
- 两者通过磁盘 JSON 解耦,可独立调试
| 静态题库(JavaGuide / Xiaolincoding / GitHub repo) | LLM 直接出题 | InterviewRadar | |
|---|---|---|---|
| 时效 | ❌ 经常陈旧 | ✅ 730d 硬过滤 | |
| 个性化 | ❌ 不看你简历 | ✅ 项目锚定 + is_grounded 标记 |
|
| 可追溯 | ✅ 但散落 | ❌ 编的就是编的 | ✅ 每条题 / 追问都带源链接 |
| 跨领域 | ❌ 一仓一岗 | ✅ | ✅(不依赖预设词表) |
| 多源 | ❌ 单一 | ❌ 不爬 | ✅ 牛客 / GitHub / 通用正文页(小红书可选) |
InterviewRadar/
├── SKILL.md ← Claude Code / Codex 的入口工作流
├── scripts/
│ ├── resume_extract.py 简历理解(文本/视觉回退)
│ ├── connectors/ source connectors:
│ │ ├── nowcoder.py ├─ 牛客 (选择器漂移守卫 + anti-bot 半空守卫)
│ │ ├── xiaohongshu.py ├─ 小红书 (吃 MediaCrawler 导出)
│ │ └── github.py └─ GitHub (relevance_hints 过滤算法噪音)
│ ├── corpus/
│ │ ├── store.py RawPost / Question 存取
│ │ ├── recency.py 时效过滤(730d)
│ │ └── dedupe_rank.py 去重 + 频次×时效排序(未标日期降权 0.2)
│ ├── ocr/
│ │ ├── extract.py OCR + 视觉回退
│ │ └── xhs_images.py 小红书图片下载 + OCR 拼接
│ └── scrape/normalize_xhs.py MediaCrawler 输出适配器
├── tests/ 单测(TDD)
├── docs/
│ ├── specs/ 3 份设计文档
│ ├── plans/ 6 份实施计划
│ └── setup/mediacrawler.md 小红书源接入指引
├── examples/ 跑通的样例输出
└── corpus_cache/ 运行时产物(gitignored)
# 跑所有测试
.venv/bin/python -m pytest tests/ -v
# 跑某个 connector 的测试
.venv/bin/python -m pytest tests/test_nowcoder_connector.py -v怎么加新源:实现 Connector ABC(见 scripts/connectors/base.py),返回 SearchResult。降级时用 SearchResult.degraded(name, msg),绝不抛异常打断管道。
怎么调整时效窗口 / 排序权重:见 scripts/corpus/recency.py 和 scripts/corpus/dedupe_rank.py,纯函数,容易改 + 测试覆盖好。
- 小红书 live 采集:MediaCrawler cookie driver 已接入,支持按关键词自动抓取小红书 notes JSON,并进入
XiaohongshuConnector。 - 小红书基础适配:MediaCrawler 原生 JSON 已能 normalize 成
RawPost,支持标题、正文、时间戳、图片 URL。 - Plan 7:小红书图片面经补全:
image_list会按顺序下载到corpus_cache/assets/xhs/{note_id}/,优先用图片 OCR 作为RawPost.raw_text/content_text主正文;标题、caption、tags 只进入locator_text,并保留低置信度 vision fallback。 - Plan 8:
extract_questions()自动抽题:从 text/OCR/vision 文本中抽取标准Question,接入dedupe_and_rank,减少 agent 临场读raw_text手工合成题目的比例。 - Plan 9:端到端 runner + CI:打通 resume -> search -> connectors -> raw_posts -> questions -> prep_package,并加入 GitHub Actions / 端到端 fixtures。
- Plan 10:抖音图文/视频源 MVP:优先通过 MediaCrawler 接入抖音图文、标题、描述、评论文本;视频 ASR 先做接口与降级提示,确认高密度面经后再接完整转写。
- 持久化术语词典:跨 session 累积岗位名、公司名、技术词和真实高频术语,用于下一轮查询扩展。
- 评测体系:Golden Set + Trace 回放,覆盖 OCR 抽题、自动抽题、排序和备考包生成质量。
欢迎 issue / PR。开发流程一律走 docs/specs/ → docs/plans/ → TDD → 二阶段 review。可以翻看 docs/plans/ 找现成的范本。
仅供个人非商用。使用本工具拉取数据的合规性由用户自担。详见 DISCLAIMER.md。
MIT © 2026 Kun Chen