面试评价#

Overview#

根据面试录音转写、视频记录或面试官笔记，撰写 结构化、可直接用于用人决策 的面试评价。

Core principle: 面试是筛选"能力合适"的候选人，而非"经验匹配"的候选人。

• 简历写的是"做过什么"，面试要验证"是不是真的做过""做到什么深度""下次遇到会不会"。
• 底层能力（钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力）驱动解决复杂新问题。
• 能力不是凭空存在的，需要从候选人的具体行为和表达中推断。
• 面试能可靠考察的能力中， 逻辑性最可靠，其他能力容易被表演，需要深挖细节验证。

When to Use#

• 用户发来面试录音转写文字 / 面试视频转写 / 面试官记录，要求写面评。
• 用户要求"判断候选人是否进入下一轮 / 终面 / 录用"。
• 用户要求"按用人单位视角写面评"，而不是顾问报告。
• 用户在 [[recruiting-skillset]] 流程中走到面试评价阶段。

Output Structure（严格遵循）#

markdown

## 综合建议
> ⭐⭐⭐ 强推 / ⭐⭐ 推荐 / ⭐ 待定 / ❌ 不推荐 进入下一轮

## 综合评价

### 优势（2-4 条）
每条格式：**先说能力判断，再接证据叙述**，能力融入叙述中，不单独标注。

### 不足（2-4 条）
同上，反映能力短板或经验缺口。

### 风险（1-3 条）
标注风险类型：□ 稳定性 □ 技术边界 □ 方向偏离 □ 团队适配 □ 其他

## 下一步建议
□ 进入二面 — 重点验证：...
□ 进入终面 — 重点验证：...
□ 不推荐 — 原因：...

空白模板见 evaluation-template.md。完整示例见 example-evaluation.md。

Writing Rules#

1. 用人单位视角：直接输出内部面评结论（"建议进入下一轮""不建议继续推进""不满足我们当前预期"），不要写成第三方顾问式建议。
2. 避免条件化、顾问式表达：不要使用"更准确地说""如果团队当前更需要…那么…""可以保留观察"这类外部视角措辞，除非用户明确要求顾问报告。
3. 优势 / 不足每条只描述一件事，不要把多件事揉在一起。
4. 证据为能力判断服务：证据要有具体行为，而非泛泛描述。
5. 能力名称直接出现在句首或句中，不加括号标注，不单独列维度。
6. 描述具体可感，避免"有一定经验""表现出色"等模糊表达。
7. 不足的归因必须准确：把"经验不匹配""岗位不要求的能力"和"真正的能力短板"分清。详见 attribution-errors.md。

Capability Dimensions#

候选人评估参考 16 个维度（不作为固定框架，需揉进优势 / 不足 / 风险描述）：

• 底层能力（6）：钻研精神、学习速度、逻辑性、自我认知、表达沟通、自驱力。
• 经验维度（5）：领域 context 理解、产品场景匹配度、工程落地深度、产品 sense、技术栈覆盖。
• 风险维度（5）：稳定性、技术边界、方向偏离、团队适配、意愿真实性。

完整定义、行为信号和打分提示见 capability-dimensions.md。

Probing Techniques#

面试追问 / 复核证据的 3 类技巧：真实性验证、能力深度验证、风险验证。详见 probing-techniques.md。

关键提醒：

• 真实性验证最重要：流畅讲细节 → 大概率真实参与；答不上来或绕 → 参与深度有限或非主导。
• 技术深度 ≠ 表达流畅：必须追问关键技术替代方案、数据 / 指标 / 失败案例 / 权衡。
• 新概念 ≠ 探索能力强：必须核实是否实际读过源码、跑过 demo、改造过旧系统。

Anti-Patterns#

错误归因正确归因产品经理不深度参与模型微调 → 钻研精神弱→ 简历夸大 / 不实跨行业没经验 → 学习能力差→ 面试准备不充分 / 方向偏离回答绕 → 逻辑不清→ 可能是细节参与有限（自我认知问题）说不清楚 → 表达差→ 可能是没想清楚（钻研 / 认知问题）表达流畅、项目链路讲得完整 → 技术能力强→ 表达能力好；技术深度看关键追问下能否讲清实现细节、指标、badcase、方案权衡说"我设计 / 我负责" → 独立主导→ 需核实 mentor、正式员工、数据 / 测试团队边界提到新框架 / 新概念 → 探索能力强→ 需核实是否实际读源码、跑 demo、改造旧系统

完整列表见 attribution-errors.md。

Pre-Output Discipline#

• 必须先读完整转写 / 记录，再判断，不只根据简历印象。
• 批量面试转写姓名误识别风险：同一候选人在转写中可能有多个称呼（姓名、昵称、口误）。若用户提到"昨天那批名单 / 按名字匹配"，必须先用历史会话和本地简历文件核对正式姓名，再在内部材料里加"姓名匹配说明"表。 正式报告中不要出现姓名匹配过程。
• PDF 简历提取：见 [[recruiting-resume-screening]] 的 pdf-extraction.md。

Output Discipline#

• Markdown 格式，中文输出。
• 每条优势 / 不足不加"体现：XXX"括号标注，能力直接融入叙述。
• 优势不超过 4 条，不足不超过 4 条，风险不超过 3 条（精炼）。
• 不回避矛盾——候选人某方面强但另一方面有风险，两面都写。
• 下一步建议要具体，"重点验证：xxx"要写清楚验证什么。
• 完成面评后 必须落为 .md 文件并交付给用户（保存到本地或发送到对话），不要只在回复中给出一次性文本。
• 正式报告只保留评价内容：综合建议、优势、不足、风险、下一步。姓名匹配、修订说明、材料定位、工具执行痕迹不要混入正式报告，除非用户明确要求。

Self-Check#

输出前逐项确认：

• 简历 PDF 是否已正确提取？
• 面试转写文字是否完整阅读？
• 优势 2-4 条，每条先说能力再接证据？
• 不足 2-4 条，归因是否准确（产品不该背工程的锅）？
• 风险标注了类型？
• 下一步建议是否具体？
• 没有"体现：XXX"类型括号标注？
• 把"表达好"与"技术深度强"分开？
• 核实了候选人个人贡献边界，没有把"我负责"默认成"独立主导"？
• 把"提到新技术"与"真实探索 / 实践"分开？
• 已将面试评价保存为 Markdown 文件并交付给用户？
• 正式报告里没有姓名匹配、修订说明、工具执行痕迹？

Feedback Loop#

每次完成面评后主动询问用户：

1. 评价是否准确？哪些地方评高了 / 评低了？后续面试 / 共事结果是否验证了判断？
2. 是否有遗漏的能力维度？哪些维度过度关注，哪些被忽略？
3. 归因是否准确？有没有新的常见归因错误？
4. 追问技巧是否有效？哪些追问挖出了有效信息，哪些是无效问题？

反馈类型更新内容评价偏差在 EVOLUTION.md 记录预测命中率，形成校准数据归因错误补充到 attribution-errors.md追问无效优化 probing-techniques.md维度缺失补充到 capability-dimensions.md新发现记录到 EVOLUTION.md

See Also#

• capability-dimensions.md — 16 个能力维度的定义。
• attribution-errors.md — 常见归因错误对照。
• probing-techniques.md — 真实性 / 深度 / 风险 3 类追问技巧。
• evaluation-template.md — 空白面评模板。
• example-evaluation.md — 完整面评示例（含写作要点说明）。
• EVOLUTION.md — 演化日志。
• 总控流程：[[recruiting-skillset]]；简历筛选：[[recruiting-resume-screening]]。