基于动态专家路由的面试深度分析工具，自动匹配领域权威方法论，识别候选人真实能力而非方法论背诵，覆盖产品、工程、设计等全岗位类型。纯文档零代码设计，安全可信。
说明：
## 核心定位
**Interview Analysis** 是一套面向招聘场景的系统性分析框架，而非可执行程序。其核心价值在于通过”动态专家路由”机制，将抽象的角色类型转化为具体的评估视角——例如用 Marty Cagan 的框架审视产品思维，用 John Carmack 的标准检验工程深度，用 Geoff Smart 的方法验证事实真伪。
## 显著优点
1. **方法论权威性**：整合了各领域的顶尖实践者思维模型（Cagan、Torvalds、Ng 等），避免面试官陷入个人经验盲区
2. **反表演设计**：明确区分 “Battle Scars（真实伤疤）” 与 “Methodology Recitation（方法论背诵）”，直击面试造假痛点
3. **系统性工作流**：四步闭环（事实重建→STAR 解码→面试官自检→卡片输出）确保分析有结构、可追溯
4. **零技术风险**：纯 Markdown 文档形态，无代码执行、无外部依赖、无数据外泄渠道，安全认证达 S+ 顶级
## 局限性
– **依赖输入质量**：输出深度直接受制于面试记录的完整性与细节丰富度，对粗略笔记场景效果有限
– **专家匹配主观性**：虽声称”自动选择”，实际仍需人工判断何种专家组合最适合特定候选人背景
– **无原生集成**：作为独立分析框架，需手动将结果同步至 ATS 或 HR 系统，缺乏工作流自动化
## 适用人群
– 科技企业中高层面试官（尤其产品、工程负责人）
– 创业公司早期团队核心成员（需精准识别 A Player）
– 猎头顾问与人才评估机构
## 常规风险
– **结论过度归因**：系统提示”用 Cagan 视角分析”，但 Cagan 本人的判断也可能受限于硅谷语境，对非美国市场候选人可能产生误判
– **面试官元分析的敏感性**：第四步要求评估同事表现，在组织文化中可能引发政治敏感，需谨慎使用
– **无版本控制机制**：生成的分析卡片分散存储于 `people/{name}/analysis/`，长期积累后检索与对比困难
## 综合评估
这是一款设计理念清晰、安全基底牢固的招聘辅助工具。其价值不在于自动化，而在于**结构化地引入外部权威视角**，帮助团队跳出”感觉不错”的直觉陷阱。建议配合标准化的面试记录模板使用，并在组织内部建立专家选择的共识机制。
会员专属
