Skip to content

Latest commit

 

History

9 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Project Interview Docs(项目文档与面试材料)

中文 | English

你接手了一个项目,打开仓库,README.md 写着"一个高性能的微服务系统"——没架构图、没 API 列表、没数据模型。两周后你才上手代码。再过两周面试官让你"讲讲这个项目",你又卡了 30 秒。

这是两个连着的问题:没有文档,和讲不出来

project-interview-docs 一个 skill 解决两步:

  1. 先整理文档 —— 读代码,写出完整的开发文档(架构、模块、API、数据模型、配置、部署),每条都来自 agent 真正打开过的文件
  2. 再准备面试 —— 基于上一步的文档,提炼成 30 秒 / 3 分钟 / 10 分钟的口语面试故事

两步同源——面试材料是从文档里提炼的,不是另读一遍代码。所以文档和面试故事永远不会打架:不会出现文档说用 RabbitMQ、面试却说用 Kafka 的矛盾。

两个阶段,一个 skill

阶段 做什么 默认? 逻辑
Phase 1:项目文档 读代码 → 写全开发文档(含细节) ✅ 默认 加法,写全
Phase 2:面试材料 从文档提炼 → 30s/3min/10min + 决策 + 权衡 用户明确要才触发 减法,讲清

你说"整理文档"——只跑 Phase 1。你说"准备面试"——先跑 Phase 1(如果还没有文档),再跑 Phase 2。

它产出什么

Phase 1 产出两层文档,同时给两种人看:

给谁看 内容
主叙述 技术决策者、PM 问题、架构、边界、依赖、一条主流程、关键决策
参考细节 接手代码的开发者 公开 API、数据模型、关键配置、构建与部署(含类名、签名、schema)

Phase 2 产出同一条主流程的三个口语版本 + 可选的题库、模拟面试、答案评审。

想看完整产出长什么样?见 references/example-narrative.md——一个支付对账服务从文档到面试材料的完整示例。

为什么不一样

大多数文档工具看一眼 package.json 就生成"本项目用了 Express 和 MongoDB"——一个名词都没对上真实文件。大多数项目总结则变成技术清单,面试官听完不知道你为什么用、付出了什么代价

这个 skill 的纪律是 read-then-write(读了才写)

  • 仓库里有的代码功能,必须全部写进文档——读到的功能不留漏、不挑拣
  • 每个架构名词都能追溯到 agent 打开过的某个文件
  • 每个 API、字段、配置项都是真从代码里读出来的
  • 代码和 README 说法打架时,代码为准,冲突写进"漂移与缺口"段
  • 没证据的数字用占位符 XX 标出,逼你填真数据,绝不臆造补全

怎么用

这是一个 AI-agent skill,遵循 Agent Skills 规范。把整个目录复制进你 agent 的 skill 目录:

<你的仓库>/.agents/skills/project-interview-docs/
# 或个人使用
~/.agents/skills/project-interview-docs/

然后告诉你的 agent:

用 project-interview-docs 读这个仓库,先整理出完整的项目文档。

文档出来后,再说:

基于这份文档,准备面试材料。

完整的两阶段流程、检查顺序、漂移规则在 SKILL.md

它不做什么

不写 API 参考生成、不写入职手册、不逐文件解释代码。不把整个文件粘贴进去当"文档"。不读不到的代码就编——没定位到的内容用占位符标出,交给你核实。也不臆造性能数字、用户量、或"我主导了 xxx"。

许可证

MIT,见 LICENSE

About

An evidence-grounded AI skill for turning technical projects into clear, interview-ready narratives and knowledge bases.

Resources

Stars

11 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors