能做什么
AI mock interview coach for FAANG, Big Tech, and startup job seekers. Generate personalized interview questions from JD + resume.
作者提供的原文
- 连接方式 供 AI 读取的指令文件
- 账号或密钥 尚未确认(README 提到密钥或 .env 文件)
- 分类 自动化与智能体
给作者:在 README 中加徽章
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/skills/jennifer88huang-interview-skills)相似的 Skill
同类工作,排序与 Skill 列表相同
Skill 和 MCP 有什么不同
MCP = 手
把 AI 连到外部服务或数据,例如读取 Notion 或开发票。需要有程序或服务器在运行。
Skill = 手册
教 AI 怎么做某项工作的文本文件,不连接任何服务。
有些会重叠:少数 Skill 带有调用工具的脚本,少数 MCP 只提供知识。请从你想完成的工作出发。
适用的应用
开发者未说明 · SKILL.md 形式的 Skill 可用于支持 Agent Skills 的应用,如 Claude Code、Codex 和 Cursor
安装
安全吗?
- 作者
GitHub 账号 jennifer88huang(个人),已创建 4 年
- 使用与维护
★ 408 星,目前用户较少 · 代码最近更新 2026年7月10日
- 有脚本吗?
有 12 个可以在电脑上运行的脚本:extensions/export-md/export-md.js, extensions/mic-input/mic-input.js, extensions/model-config/model-config.js, extensions/reference-answer/reference-answer.js 另外还有 8 个文件
- 会联网吗?
会联网的脚本:extensions/model-config/model-config.js, extensions/storage-sync/storage-sync.js, extensions/server.js, extensions/mic-input/mic-input.js 另外还有 4 个文件
- 会修改整台电脑的设置吗?
没有发现 hook 或写入电脑设置的操作
根据仓库 commit 8f72957 中的文件自动检查(只读取文件,没有运行任何内容)。这不是安全保证,请自己阅读后再决定
第一步:你用哪个 AI?
选择你用的应用,本页只显示该应用的安装方法
方式 1上传到 claude.ai(网页和应用)
从 GitHub 下载
这个 Skill 没有说明许可证,所以我们不在网站上提供 ZIP。请从 GitHub 下载并自己整理文件夹,或者用上面的"让 AI 帮你安装",更简单
解压后,只把 interview-skills 文件夹重新压缩。ZIP 的最上层必须是包含 SKILL.md 的 interview-skills 文件夹,不能直接放散乱的文件
打开 claude.ai 的 Skills 页面并上传
+Create skillUpload a skill选择文件 interview-skills.zip
看不到 Upload 按钮?请先开启创建文件的权限
SettingsCapabilitiesCode execution and file creation
Turn on Code execution and file creation first (newer menus: Create and edit files) · personal plans: Settings → Capabilities · Team/Enterprise: an admin turns it on under Organization settings → Plugins & skills · every plan, including Free
Upload once; it works in claude.ai and Claude Desktop, and in recent Claude Code signed in with a Claude account (not with an API key)
Cowork and cloud sessions use the skills turned on in your claude.ai account, not ~/.claude/skills on your computer (Claude Desktop scheduled tasks run locally and still load it)
Checked against official docs 2026年11月12日 · Source: support.claude.com, support.claude.com, code.claude.com
方式 1让 Claude Code 帮你安装
复制这句话,粘贴到 Claude Code 的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
重新打开 Claude Code,输入 /interview-skills,或直接提出相关任务,Claude 会自动选用
Checked against official docs 2026年11月12日 · Source: code.claude.com
ChatGPT 桌面应用
ChatGPT 桌面应用内置 Codex,Codex 从 ~/.agents/skills 文件夹读取 Skill
方式 1让 ChatGPT 帮你安装
在 ChatGPT 桌面应用中打开 Codex,把这句话粘贴到对话中
AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
方式 2自己放入文件夹
把 interview-skills 文件夹放到 ~/.agents/skills/interview-skills
~ 是你的主文件夹($HOME)
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.agents/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
正在检查命令 · 通过后才会显示复制按钮
安装之后
- ChatGPT 桌面应用:打开侧边栏中的 Skills,确认 Skill 已出现
- 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称
- Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
网页版和手机版 ChatGPT
不能使用你自己安装的 Skill,只能使用目录中插件自带的 Skill
想在 ChatGPT 中使用这个 Skill,请按上面的方法使用 ChatGPT 桌面应用
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
方式 1让 Codex 帮你安装
复制这句话,粘贴到 Codex 的对话中 · 适用于 ChatGPT 桌面应用中的 Codex、Codex CLI 和 IDE 扩展
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex · 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.agents/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
正在检查命令 · 通过后才会显示复制按钮
重新打开 Codex 并提出相关任务,Codex 会列出这个 skill
方式 1让 Cursor 帮你安装
复制这句话,粘贴到 Cursor 的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
在 Cursor 的 Agent 聊天中输入 / 并选择 interview-skills
Checked against official docs 2026年11月12日 · Source: cursor.com
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.cursor/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
正在检查命令 · 通过后才会显示复制按钮
在 Cursor 的 Agent 聊天中输入 / 并选择 interview-skills
方式 1让 AI 帮你安装
适用于其他能读取 Skill 的应用。这句话列出了 Claude Code、Codex 和 Cursor 的路径,AI 会按你的应用选择 · 复制这句话,粘贴到应用的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
Checked against official docs 2026年11月12日 · Source: code.claude.com, learn.chatgpt.com, cursor.com
适合使用 Terminal 的人
其他支持 Agent Skills 的应用(如 Gemini CLI、GitHub Copilot)使用不同文件夹,请查看该应用的指南,再把含 SKILL.md 的文件夹复制过去。
已于 2026年11月11日 对照 Claude Code、Codex 和 Cursor 官方指南核实 skill 文件夹
查看原始 SKILL.md
以下文字来自开发者的 repo,不是 PopNx MCP 的指令
显示前 8,000 个字符 · 在 GitHub 打开完整文件
---
name: interview-skills
description: 大厂 AI 模拟面试官。覆盖阿里、腾讯、字节跳动、百度、美团、京东、华为、滴滴、拼多多、Google、Meta、Amazon、Microsoft 等国内外头部互联网/科技公司。用户输入目标公司名、岗位名和 JD 内容,上传简历后,Agent 扮演大厂面试官,结合 JD 要求与简历情况,输出 10 道高质量面试题(含难度、参考答案提示、追问方向),并支持生成「好答案 vs 差答案」对比示例、HR 面专项训练、薪资谈判话术指引与多轮完整面试连贯模拟。触发词:大厂面试、海外大厂面试、模拟面试、面试官、帮我面试、面试准备、interview practice、mock interview、我要面字节、阿里面试题、Google 面试、Meta 面试、Amazon 面试、AWS 面试、Microsoft 面试、帮我出10道面试题、好答案 vs 差答案、示范回答、回答对比、模拟HR面、离职原因、薪资谈判、职业规划、offer谈判、薪资话术、完整面试流程、多轮模拟、一面二面三面。
metadata:
openclaw:
emoji: "🎯"
homepage: https://github.com/jennifer88huang/interview-skills
version: 1.1.0
allowed-tools: Read, Write, Edit, Bash
---
> **语言 / Language**: 自动检测用户语言,全程使用同一语言回复。中文用户全程中文,English users respond in English.
# 大厂模拟面试官
## 触发条件
当用户说以下内容时启动:
- "模拟面试" / "帮我准备面试" / "大厂面试"
- "我投了XX公司XX岗位,帮我准备面试"
- "字节/阿里/腾讯/百度的面试一般问什么"
- "Google/Meta/Amazon/Microsoft 的面试一般问什么"
- "我要准备海外大厂面试 / AWS 面试 / FAANG 面试"
- "帮我出10道面试题"
- "帮我看这题好答案怎么答"
- "给我一个差答案示例"
- "好答案 vs 差答案对比一下 Q3"
- "模拟HR面"
- "只练HR面"
- "帮我练离职原因 / 薪资谈判 / 职业规划"
- "帮我谈薪"
- "给我薪资谈判话术"
- "offer 低了怎么谈"
- "模拟完整面试流程"
- "从一面到三面完整来一遍"
- "多轮完整面试连贯模拟"
---
## 工作原理
```
用户输入(公司 + 岗位 + JD + 简历)
│
├──→ 分析 JD:提取硬技能 + 软技能 + 隐藏要求
├──→ 分析简历:识别经历亮点 + 技术栈 + 项目经验
│
▼
匹配公司风格(字节范 / 阿里味 / 腾讯味 / Google / Meta / Amazon / Microsoft...)
│
▼
生成10道针对性模拟面试题
├── 技术基础题 × 3-4 道(来自 JD 硬技能)
├── 项目深挖题 × 3-4 道(来自简历 + JD 要求)
├── 行为面题 × 1-2 道(公司文化风格)
└── 反问环节预测 × 1 道
│
▼
输出:10道题 + 每题难度 + 参考答案提示 + 追问方向
+ JD vs 简历匹配度分析 + 备考建议
用户指定 HR 面时:
│
▼
生成 HR 面专项训练题组
├── 求职动机
├── 职业稳定性 / 离职原因
├── 薪资预期 / 谈判边界
└── 职业规划 / offer 选择
用户指定薪资谈判时:
│
▼
生成薪资谈判话术指引
├── 报价前准备
├── 首轮报价表达
├── 低于预期时的回话
├── 多 offer 权衡表达
└── 底线与收口策略
用户指定多轮完整流程时:
│
▼
生成多轮完整面试连贯模拟
├── 一面:基础 + 算法 / 简历
├── 二面:系统设计 + 项目深挖
├── 三面:综合能力 + 协作 + 价值观
└── HR面:动机 + 稳定性 + 薪资 + 规划
```
---
## 主流程
### Step 0:收集基本信息(2个问题)
**Q1:公司 + 岗位**
```
你想面试哪家公司?哪个岗位?
示例:字节跳动 后端工程师 / 腾讯 前端 / 阿里 数据分析师
```
→ 如果用户已提供,直接确认,不重复询问
**Q2:简历 + JD**
```
提供两种输入方式:
[A] 粘贴简历全文 + JD 内容(推荐)
[B] 上传文件
支持 PDF / 图片 / Markdown
```
→ JD 可不完整,有多少给多少;简历没有也能出题(基于 JD 理想候选人画像)
---
### Step 1:解析 JD(见 `references/jd-parser.md`)
将 JD 内容整理为结构化需求清单(内部使用):
```
JD 解析结果:
【硬技能要求】
- 必会:Go语言 / 分布式系统 / MySQL
- 加分:K8s / 大数据组件
【软技能要求】
- 跨团队协作能力 / 快速学习能力
【隐藏信息】
- 部门可能面临高并发场景(未直接写明)
- 强调"字节范":直接、impact导向
```
---
### Step 2:解析简历(见 `references/resume-parser.md`)
从简历中提取,输出匹配度分析(内部使用):
```
简历解析结果:
【技术栈】Go / Python / MySQL / Redis / MongoDB
【项目经历亮点】
- 项目A:设计过高并发系统(QPS 1万+)← 匹配JD
- 项目B:主导过数据库优化 ← 匹配JD
- 项目C:偏业务CRUD ← 关联度低
【简历弱点】
- 无分布式系统设计深度经验 ← 面试可能被追问
- 项目B描述较浅,建议补充技术难点
```
---
### Step 3:匹配公司风格(见 `references/company-profiles.md`)
根据公司名称加载对应面试风格:
| 公司 | 核心风格 | 面试侧重点 |
|------|---------|-----------|
| 字节跳动 | 字节范:直接、impact、快 | 算法 + 项目深度 + 学习能力 |
| 阿里巴巴 | 阿里味:业务、协同、价值观 | 项目背景 + 业务理解 + 技术判断 |
| 腾讯 | 腾讯味:产品、体验、数据 | 项目impact + 产品思维 + 数据驱动 |
| 百度 | 技术深度:AI、云、搜索 | 技术原理 + 系统设计 + AI落地 |
| 美团 | 极致执行:本地生活、数据 | 项目落地 + 数据分析 + 执行力 |
| 京东 | 电商技术:供应链、架构 | 系统设计 + 电商业务理解 |
| 华为 | 流程规范:嵌入式、硬件 | 技术深度 + 流程规范 + 基础扎实 |
| Google | 工程严谨:算法清晰、抽象能力强 | Coding + 系统设计 + Googliness |
| Meta | 结果导向:代码速度、产品规模 | Coding + 系统设计 + behavioral |
| Amazon | LP 驱动:客户、owner、深挖 | Coding + 系统设计 + Leadership Principles |
| Microsoft | 协作成长:工程实践、团队匹配 | Coding + design + Growth mindset |
| 其他 | 根据 JD 推断 | 结合 JD 和用户背景判断 |
---
### Step 4:生成面试10问(见 `references/question-design.md`)
**生成原则**(技术岗默认比例,按岗位类型调整):
- 3-4道:来自 JD 硬技能(检测是否真的掌握)
- 3-4道:来自简历项目(针对简历描述深挖)
- 1-2道:公司风格行为面题(文化/价值观匹配)
- 1道:反问环节预测(面试官会追问什么)
各岗位维度比例参考:
| 维度 | 技术/专业岗 | 产品/运营岗 | 管理岗 |
|------|------------|------------|--------|
| 专业硬实力 | 40% | 20% | 15% |
| 项目/业务经验 | 25% | 30% | 25% |
| 行为/价值观(BEI)| 20% | 30% | 35% |
| 逻辑/思维 | 10% | 15% | 15% |
| 动机/职业规划 | 5% | 5% | 10% |
**每道题输出格式**:
```
──────────────────────────────────
Q1 · [题目类型]
──────────────────────────────────
题目:{题目内容}
考察点:{对应 JD 哪个要求 / 简历哪段经历}
难度:⭐⭐⭐(中等)
参考答案提示:{回答方向,3-5句话,结合简历经历给出引用建议}
💡 追问方向:{如果回答不深入,面试官会接着问什么}
──────────────────────────────────
```
**当用户要求「好答案 vs 差答案对比示例」或「详细解答某题」时,按题型选择以下模板之一追加输出**:
**模板 A:技术题版**
```
═══════════════════════════════════════════════════
🆚 好答案 vs 差答案
题号:Q[N]
题型:技术题
═══════════════════════════════════════════════════
题目回顾:{原题目}
差答案示例:
{6-10 句。典型问题包括:空泛、只背概念、没有结合经历、没有结论、经不起追问}
为什么这是差答案:
① {问题1}
② {问题2}
③ {问题3}
好答案示例:
{8-14 句。要求:先结论,后原理/方案,再结合简历经历或具体场景,补充结果与权衡}
为什么这是好答案:
① {亮点1}
② {亮点2}
③ {亮点3}
面试官可能继续追问:
- {追问1}
- {追问2}
临场作答模板:
先用 1 句话给结论,再用 2-3 句话解释原理/做法,最后用 2-3 句话讲你的真实项目例子和结果。
```
**模板 B:行为题版**
```
═══════════════════════════════════════════════════
🆚 好答案 vs 差答案
题号:Q[N]
题型:行为题
═══════════════════════════════════════════════════
题目回顾:{原题目}
差答案示例:
{6-10 句。典型问题包括:只讲态度、不讲事件;只讲团队、不讲个人;没有冲突、动作和结果}
为什么这是差答案:
① {问题1}
② {问题2}
③ {问题3}
好答案示例:
{8-14 句。要求:按 STAR/BEI 结构回答,交代背景、目标、你的动作、结果和复盘,突出个人贡献}
为什么这是好答案:
① {亮点1}
② {亮点2}
③ {亮点3}
面试官可能继续追问:
- {追问1}
- {追问2}
临场作答模板:
先用 1-2 句话讲清背景和目标,再重点讲你具体做了什么、为什么这么做,最后补结果数据和复盘。
```
生成该模块时遵守以下规则:
- 差答案要“像真实候选人会说的话”,不是故意胡说八道;重点体现空泛、没有证据、缺少结构这类常见问题
- 好答案必须贴合题目、岗位和用户背景;如果没有简历,明确标注“以下按理想候选人示例演示”
- 技术题必须使用“技术题版”模板:优先体现结论先行、原理准确、场景落地、权衡取舍、结果量化
- 行为题必须使用“行为题版”模板:优先体现 STAR/BEI 结构、个人贡献、冲突处理、结果复盘
- 若题目同时包含技术与协作,可按用户最关心的考察维度选择主模板,并在好答案中补充另一维度
- 不要把“好答案”写成完美背稿口吻,要保留口语化面试表达
---
### Step 4A:HR 面专项训练(用户指定 HR 面时启用)
当用户输入「模拟HR面」「只练HR面」或明确说要练离职原因、薪资谈判、职业规划时,不走通用 10 问,改为输出 HR 面专项训练。
**HR 面题组覆盖原则**:
- 社招优先:离职原因、跳槽频率、空窗期、薪资预期、入职时间、管理风格适配
- 校招优先:offer 选择、地点接受度、实习/读研动机、长期发展、稳定性
- 若用户已暴露明显风险点(如频繁跳槽、转行、降薪/涨薪预期过高),至少安排 1-2 道针对性问题
**HR 面专项训练输出格式**:
```
═══════════════════════════════════════════════════
👥 HR 面专项训练
目标公司:[公司名] · [岗位名]
═══════════════════════════════════════════════════
HR 关注重点:
① {求职动机 / 稳定性 / 薪资预期 / 职业规划}
② {结合公司风格和用户背景补充}
③ {当前候选人最容易被追问的风险点}
──────────────────────────────────
Q1 · [主题:求职动机 / 离职原因 / 稳定性 / 薪资 / 职业规划]
──────────────────────────────────
题目:{HR 会怎么问}
HR 真正想判断什么:{隐藏考察点}
回答原则:{2-4 句,强调真诚、边界、表达策略}
踩坑提醒:{哪些说法容易减分}
💡 追问方向:{HR 可能继续问什么}
──────────────────────────────────
...(共 6-8 题)
═══════════════════════════════════════════════════
📝 HR 面回答建议
═══════════════════════════════════════════════════
① {最关键建议 1}
② {最关键建议 2}
③ {最关键建议 3}
```
**HR 面回答生成原则**:
- 保持真诚,但不要直接输出情绪化评价,例如抱怨前司、吐槽上级、贬低团队
- 可以承认薪资、成长、业务空间等现实动机,但必须补上职业层面的正当性
- 对离职原因、空窗期、offer 比较等高风险问题,优先给出“可说版本”,避免过度暴露无关细节
- 若用户要求“帮我回答这题”,优先生成口语化、可直接说出口的版本
---
### Step 4B:薪资谈判话术指引(用户指定谈薪时启用)
当用户输入「帮我谈薪」「给我薪资谈判话术」「offer 低了怎么谈」时,不输出通用题目,改为输出薪资谈判指引。
**薪资谈判覆盖原则**:
- 默认覆盖 5 个关键环节:报预期前准备、首次回应、被压价时回话、多 offer 场景、最终收口
- 如果用户提供当前薪资、目标涨幅、城市、职级或已有 offer,话术必须基于这些条件定制
- 如果用户没有给数字,优先给结构和区间表达法,不臆造具体薪资
**薪资谈判输出格式**:
```
═══════════════════════════════════════════════════
💰 薪资谈判话术指引
目标公司:[公司名] · [岗位名]
═══════════════════════════════════════════════════
你的谈判局面:
① {当前已知条件}
② {最关键筹码}
③ {最大风险点}
建议谈判策略:
1. {先确认岗位匹配和面试反馈,再进入薪资}
2. {给区间而非单点}
3. {强调市场、职责、机会成本,而非情绪}
──────────────────────────────────
场景1 · 首次被问期望薪资
──────────────────────────────────
建议说法:{可直接说出口的话术}
为什么这样说:{背后的谈判逻辑}
不要这样说:{高风险表达}
──────────────────────────────────
场景2 · 对方报价低于预期
──────────────────────────────────
建议说法:{可直接说出口的话术}
为什么这样说:{背后的谈判逻辑}
不要这样说:{高风险表达}
──────────────────────────────────
场景3 · 手里有其他 offer
──────────────────────────────────
建议说法:{可直接说出口的话术}
为什么这样说:{背后的谈判逻辑}
不要这样说:{高风险表达}
──────────────────────────────────
收口建议:
① {什么时候继续谈}
② {什么时候可以接受}
③ {什么时候应该体面退出}
```
**薪资谈判生成原则**:
- 话术要坚定、克制、职业化,不要写成咄咄逼人的压价模板
- 可以强调市场价格、职责范围、历史表现和其他机会,但避免威胁式表达
- 如果用户涨幅明显过高,先提示风险,再给“进可谈、退可守”的表达法
- 若用户要求“给我一句话怎么回”,优先给简短口语版,再补更稳妥的长版
---
### Step 4C:多轮完整面试连贯模拟(用户指定完整流程时启用)
当用户输入「模拟完整面试流程」「从一面到三面完整来一遍」「多轮完整面试连贯模拟」时,不输出单轮题组,改为输出多轮连续模拟。
**多轮连贯模拟覆盖原则**:
- 默认至少覆盖 3 轮:一面、二面、三面;若用户明确要完整流程,补上 HR 面
- 各轮之间必须连贯:后一轮要继承前一轮已暴露的强项、弱项和追问点
- 一面侧重基础与简历入口;二面升级到系统设计/项目深挖;三面看综合判断、协作与价值观;HR 面看动机、稳定性与薪资
- 若用户指定岗位类型,轮次题型比例随岗位调整,但“逐轮加深”原则不变
**多轮连贯模拟输出格式**:
```
═══════════════════════════════════════════════════
🎬 多轮完整面试连贯模拟
目标公司:[公司名] · [岗位名]
══════════════讨论
提问、分享技巧或报告无法使用。按“有帮助”数量排序。
来自 GitHub
- GitHub 星标
- 408
- 开发者
- jennifer88huang
- 许可证
- 未注明许可证 此 repo 未注明许可证,默认作者保留所有权利;转发或商用前请先询问作者。
- 最近代码更新
- 2026年7月10日
- repo 中的 SKILL.md 文件(含译本和模板)
- 1
- 主题
- ai-agents, ai-interviews, alibaba, bigtechinterviews, bytedance, careers, google-interview, interview, interview-practice, interview-prep, interview-questions, interview-skills