⏳ This skill is pending AI review.
Scores will appear once the review pipeline completes.
backend-interview-simulator
>
Choose how to use this skill
You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.
1. Native installer
This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.
Do not guess an installer command or replace an existing version without reviewing the diff.
2. Complete package recommended
Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.
No complete ProSkills package is published for this listing yet.3. Prompt-only
Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.
Need only the instruction file?
Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.
No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.
// RATINGS
Not yet listed on ClawHub or SkillsMP
// README
Backend Interview Simulator
使用自然语言与 AI 面试官互动，模拟真实中国大厂（字节、腾讯、阿里、美团、快手）后端技术面试。支持按求职者身份和面试官风格定制，全程记录状态并输出结构化评估报告。
核心特性
多身份模拟 — 针对不同阶段候选人设计差异化问题：日常实习、暑期实习、校招（应届）、社招 1-3 年。难度和追问深度随身份自动调整。
多语言支持 — 支持 Java、C++、Go 以及主次语言混合模式的后端技术面试 Skill。
六种面试官风格 — 从"严厉拷打"到"温和鼓励"，从"工程实践"到"深挖学术"，覆盖不同偏好。同一场面试，不同体验。
高频技术题库 — 基于 JavaGuide/XiaolinCoding 整理，覆盖并发编程、JVM、MySQL、Redis、Spring、分布式系统等大厂常考方向。
深度追问链 — 简历关键词（CAS、volatile、多级缓存、RAG 等几十个高频技术点）自动触发 3-5 层追问链，逼近底层原理与权衡，避免"听过名词"式过关。
完整评估反馈 — 面试结束后输出综合评分、各维度评分及风格化改进建议，新增"追问深度"评估维度，反馈措辞随面试官风格变化。
简历与 JD 支持 — 提供简历和目标岗位 JD 可获得定制化问题，简历关键词自动预生成追问链，面试后输出 JD 匹配度分析。
AI 辅助开发考察 — 当候选人展示 AI 编程工具使用经验时，自动深入提问 Agent Loop、上下文管理、Spring Boot AI 辅助、RAG 量化验证等方向。
编码题 — 可选环节，面试末尾安排并发编程、设计模式、数据库等手写代码题，难度随身份调整。
实时状态跟踪 — 面试全程维护结构化状态（已考察点、候选人弱点、待跟进项），避免重复提问，确保评估连贯。
纠错模式可选 — 面试开始前可选"严格模式"（真实面试压力，连续两次错误才纠正）或"即时引导模式"（答错立即纠正，边面边学）。
快速开始
方式零：在线直接用（推荐）
由 socialistic.ai 提供的在线入口，打开即传简历/岗位JD、开始模拟，无需配置环境。
选择你的运行环境
本 skill 兼容 OpenClaw Skills 规范，可在多种平台运行。推荐手机微信用户走 QClaw + 云端 OpenClaw 路线，零配置即可开始。
| 你的使用场景 | 推荐路径 | 安装方式 |
|---|---|---|
| 手机微信，想随时随地练 | QClaw + 云端 OpenClaw | 让 AI 帮你装（见下方） |
| 企业微信 / 飞书 / 钉钉 / QQ | WorkBuddy | 让 AI 帮你装 |
| 飞书重度用户 | AutoClaw | 让 AI 帮你装 |
| 本地深度使用、想看源码 | Claude Code（桌面端） | 手动复制文件（见下方） |
关于"复制 GitHub 目录"的疑问：除了本地 Claude Code 需要手动复制，其他云端/远程平台都不需要你手动操作仓库目录，直接让 AI 安装即可。
方式一：让 AI 帮你装（推荐）
把下面这句话连同本仓库链接一起发给 AI（QClaw / WorkBuddy / AutoClaw / Claude Code 都支持）：
帮我安装这个 skill：https://github.com/Hazehacker/java-backend-interview-simulator
AI 会自动拉取仓库、放到正确的 skills 目录、确认安装成功。然后你就可以直接说"开始模拟面试"触发。
方式二：手动安装（仅本地 Claude Code）
将仓库中 SKILL.md 和 references/ 目录复制到 Claude Code 的 skills 目录：
- Windows：
C:\Users\<你的用户名>\.claude\skills\java-backend-interview-simulator\ - macOS/Linux：
~/.claude/skills/java-backend-interview-simulator/
重启 Claude Code 后即可触发。
触发面试
安装完成后，在对话中直接表达面试意图即可：
开始一场模拟面试
我是应届生，想模拟练习 Java 后端面试
帮我准备字节后端实习面试
系统会依次确认：单语言或混合语言及具体语言、求职者身份、面试时长（30 / 40 / 45 / 60 分钟）、面试官风格、是否提供简历、是否包含编码题、纠错模式（严格/即时引导）等
语音输入（推荐）
文字输入面试问题太慢，用语音模拟更接近真实面试节奏：
| 你在哪里聊天 | 语音方式 |
|---|---|
| Windows 电脑（任何输入框） | Win + H 系统语音转文字 |
| Mac（任何输入框） | Fn + Fn 双击启动语音输入 |
| 微信 / QQ | 长按已发送的语音消息 → "转文字" 后再发 |
| 企业微信 / 飞书 | 直接发送语音消息（远程接入支持自动转写） |
进阶用法
控制命令
面试过程中可使用以下命令：
- 继续 — 进入下一环节
- 跳过 — 跳过当前问题
- 结束 — 提前结束并生成报告
- 换个风格 — 实时切换面试官风格
- 反馈 — 查看当前评分
简历与 JD 支持
提供简历和/或目标岗位 JD 可获得更有针对性的项目深挖问题和技术考察方向。面试结束后会输出 JD 匹配度分析报告。支持直接粘贴简历文本，也可提供 PDF / 图片 / Word 格式的简历文件路径，AI 会自动读取解析。
项目结构
backend-interview-simulator/
├── .gitignore
├── LICENSE
├── README.md
├── SKILL.md
├── references/
│ ├── common-ai-dev-knowledge-base.md
│ ├── common-backend-knowledge-base.md
│ ├── common-evaluation-rubric.md
│ ├── common-interviewer-styles.md
│ ├── cpp-ai-dev-tools-knowledge-base.md
│ ├── cpp-coding-challenges.md
│ ├── cpp-tech-knowledge-base.md
│ ├── go-ai-dev-tools-knowledge-base.md
│ ├── go-coding-challenges.md
│ ├── go-tech-knowledge-base.md
│ ├── java-ai-dev-tools-knowledge-base.md
│ ├── java-coding-challenges.md
│ └── java-tech-knowledge-base.md
├── scripts/
│ └── validate_skill.py
└── tests/
├── test_java_knowledge_boundaries.py
├── test_java_thread_pool.py
├── test_jd_coverage.py
└── test_validate_skill.py
技术架构
本项目基于 OpenClaw Skill 框架构建，采用三层加载架构：
| 层级 | 文件 | 作用 |
|---|---|---|
| 元数据 | SKILL.md frontmatter | 触发条件与能力概述，始终加载 |
| 主体逻辑 | SKILL.md body | 面试流程、风格适配、状态跟踪规则 |
| 知识库 | references/*.md | 按需加载：技术题库、评分标准、风格指南 |
面试流程采用有限状态机思路：破冰 → 项目深挖 → 技术考察 → AI 能力（可选）→ 编码题（可选）→ 总结反馈，各阶段时长和深度由身份和剩余时间共同决定。
当前局限
- 面试时长依赖估算：实际面试中时间分配是动态的，本项目按参考时长设计，但不做精确计时
- 不支持实时语音：当前为文字交互，暂不涉及口语表达评估（表达能力通过文字间接评估）
贡献指南
欢迎提交补充，以下是几个优先方向：
- 题库扩充 — 补充更多高频面试题及参考答案（参考
references/tech-knowledge-base.md格式） - 风格优化 — 改进现有面试官风格的话术或追问逻辑
- 场景扩充 — 添加更多场景设计题（如秒杀系统、分布式 ID、即时通讯等）
- 文档改进 — 修正错误、提升可读性
参与流程：
- Fork 本仓库
- 创建分支 (
git checkout -b feature/your-feature) - 提交改动 (
git commit -m 'Add: 简短描述') - 推送分支 (
git push origin feature/your-feature) - 提交 Pull Request
许可证
本项目基于 MIT License 开源。
技术知识库部分引用了 JavaGuide 的高频面试题整理，仅作为面试考察点使用，不改变其原有许可。
致谢
- JavaGuide / xiaolincoding— 高频面试题来源
// HOW IT'S BUILT
KEY FILES