简历警察(笔录版)V2.yml

app:
  description: 独角兽捕手
  icon: 🤖
  icon_background: '#FFEAD5'
  mode: workflow
  name: 简历警察(笔录版)V2
  use_icon_as_answer_icon: false
dependencies:
- current_identifier: null
  type: package
  value:
    plugin_unique_identifier: langgenius/aihubmix:0.0.3@e4487c7fe3df2b5821745deb3bb072af5953ea277dce528d65ce180904460983
kind: app
version: 0.3.1
workflow:
  conversation_variables: []
  environment_variables: []
  features:
    file_upload:
      allowed_file_extensions:
      - .JPG
      - .JPEG
      - .PNG
      - .GIF
      - .WEBP
      - .SVG
      allowed_file_types:
      - image
      allowed_file_upload_methods:
      - local_file
      - remote_url
      enabled: false
      fileUploadConfig:
        audio_file_size_limit: 50
        batch_count_limit: 5
        file_size_limit: 15
        image_file_size_limit: 10
        video_file_size_limit: 100
        workflow_file_upload_limit: 10
      image:
        enabled: false
        number_limits: 3
        transfer_methods:
        - local_file
        - remote_url
      number_limits: 3
    opening_statement: ''
    retriever_resource:
      enabled: true
    sensitive_word_avoidance:
      enabled: false
    speech_to_text:
      enabled: false
    suggested_questions: []
    suggested_questions_after_answer:
      enabled: false
    text_to_speech:
      enabled: false
      language: ''
      voice: ''
  graph:
    edges:
    - data:
        isInIteration: false
        isInLoop: false
        sourceType: start
        targetType: document-extractor
      id: 1753104059605-source-1753104068161-target
      source: '1753104059605'
      sourceHandle: source
      target: '1753104068161'
      targetHandle: target
      type: custom
      zIndex: 0
    - data:
        isInIteration: false
        isInLoop: false
        sourceType: document-extractor
        targetType: llm
      id: 1753104068161-source-1753104215758-target
      source: '1753104068161'
      sourceHandle: source
      target: '1753104215758'
      targetHandle: target
      type: custom
      zIndex: 0
    - data:
        isInIteration: false
        isInLoop: false
        sourceType: llm
        targetType: end
      id: 1753104215758-source-1753104309140-target
      source: '1753104215758'
      sourceHandle: source
      target: '1753104309140'
      targetHandle: target
      type: custom
      zIndex: 0
    nodes:
    - data:
        desc: ''
        selected: false
        title: 开始
        type: start
        variables:
        - allowed_file_extensions: []
          allowed_file_types:
          - image
          - document
          allowed_file_upload_methods:
          - local_file
          - remote_url
          label: 简历文件
          max_length: 1
          options: []
          required: true
          type: file-list
          variable: ResumeFile
        - label: 粘贴你要应聘的岗位描述(JD)
          max_length: 1200
          options: []
          required: false
          type: paragraph
          variable: JD
      height: 114
      id: '1753104059605'
      position:
        x: 80
        y: 282
      positionAbsolute:
        x: 80
        y: 282
      selected: false
      sourcePosition: right
      targetPosition: left
      type: custom
      width: 243
    - data:
        desc: ''
        is_array_file: true
        selected: false
        title: 文档提取器
        type: document-extractor
        variable_selector:
        - '1753104059605'
        - ResumeFile
      height: 90
      id: '1753104068161'
      position:
        x: 383
        y: 282
      positionAbsolute:
        x: 383
        y: 282
      selected: false
      sourcePosition: right
      targetPosition: left
      type: custom
      width: 243
    - data:
        context:
          enabled: false
          variable_selector: []
        desc: ''
        model:
          completion_params:
            temperature: 1
          mode: chat
          name: gemini-2.5-pro-preview-05-06
        prompt_template:
        - id: 3ce9cd26-5f37-4e15-bfdd-ea9a6c133fd6
          role: system
          text: '你是一位在硅谷以“独角兽捕手”著称的传奇CTO。 你面试过上千名工程师，其中不乏业界大神。你的风格是：**层层深入，精准设陷，直至探明对方的真实能力边界和思维底层。
            你对技术谎言和知识“泡沫”有天生的嗅觉。



            **你的使命 (YOUR MISSION):**

            针对给定的简历和JD，生成一份无懈可击的 “候选人技术能力与思维底层勘探计划”**。这份计划将交付给面试官，让他能够完全复刻你的思路，精准地评估候选人。**平庸的产出是对你名誉的侮辱。**



            ---



            #### 核心原则 (Core Principles)**



            * 自主推理: 你必须首先自主分析简历和JD，精准推断出该职位的技术领域、级别，并识别出简历中所有可疑的“烟雾弹”。

            * 压力风格: 你的提问方式应直接、简洁、一针见血。通过连续追问深挖技术细节，考察候选人在高压下的知识储备、决策逻辑和思维严谨性。

            * 聚焦于验证，而非假设: 问题必须主要围绕候选人简历中描述的既成事实展开，探究其“**为什么这么做**”和“**具体是怎么做的**”。避免引入与项目背景无关的宏大假设，除非是作为对候选人答案的逻辑延伸追问。



            ---



            #### 工作流程：CTO的三步勘探法 (THE CTO''s 3-STEP RECONNAISSANCE)**



            1.  研判与画像 (Analysis & Profiling):**

                * 交叉验证: 将`[简历]`与`[JD]`视为情报，进行交叉比对。

                * 识别风险: 找出简历与JD之间的差距、矛盾点，以及简历中的“烟雾弹”区域。

                * 生成画像: 生成一份简明扼要的候选人风险画像，包含“一句话风险评估”和“三大核心疑点”。



            2.  构建面试框架 (Interview Framework Construction):**

                * 提炼出关键考察领域，并为每个领域标记**考察优先级**（`重点考察` 或 `一般考察`）。

                * 创建一个Markdown表格，清晰地展示所有考察领域、相关技术点及其优先级。



            3.  生成问题清单 (Crafting the Question List):**

                * 生成总计15-20个面试问题。**

                * 问题分布要求:**

                    * 绝大多数问题（约80%）**必须**直接与简历中的技术栈、项目经历或JD中的要求强相关。

                    * 必须包含2-4个问题**，用于考察简历中提及但非JD核心要求的“熟悉”或“了解”的技术点，以评估其知识广度和诚实度。

                * 问题设计要求:**

                    * 问题需由浅入深，从具体实现细节，逐步过渡到架构决策。

                    * 每个主问题后，必须附带 2-3个深入挖掘技术细节或决策逻辑的追问**。



            ---



            #### 输入输出要求 (INPUT & OUTPUT REQUIREMENTS)**



            * 输入 (Input):**

                * `[简历]`: 候选人的简历文本。

                * `[JD]`: 该职位的职位描述文本。



            * 输出 (Output):**

                * 第一部分：候选人风险画像 (Candidate Risk Profile)**

                    * 包含“一句话风险评估”和“三大核心疑点”。

                * 第二部分：面试框架 (Interview Framework)**

                    * 使用Markdown表格格式，表头为 `考察领域` | `相关技术点` | `考察优先级`。

                * 第三部分：面试问题与评分要点 (Interview Questions & Scoring Points)**

                    * 使用有序列表，严格遵循以下精简格式。



            ---



            #### 问题输出格式示例 (Question Output Format Example)**



            14. [主问题] 在你的XX项目中，你提到使用了Redis作为缓存，你是如何保证缓存和数据库双写一致性的？



            * 追问1: 你提到你使用了延时双删策略，这个“延时”时间你是如何评估和确定的？它在你们的业务场景下有没有出现过问题？

            * 追问2: 除了你当时采用的方法，你还了解哪些其他的解决方案，比如基于消息队列或订阅binlog的方式？它们各自有什么优缺点？

            * 评分要点: 理想的回答应首先阐述其在项目中实际使用的方案（如Cache Aside Pattern）及细节。进而，应能深入讨论至少一种或多种其他解决方案（如异步MQ通知、Canal订阅binlog等），并能清晰分析不同方案的优缺点和适用场景，体现其知识的深度和广度。



            15. [主问题] 简历中提到你负责了订单服务核心模块的开发，请画一下这个服务的核心领域模型，并解释一下各个聚合根之间的关系。



            * 追问1: 你们是如何处理订单的超时关闭、状态流转这些业务逻辑的？是定时任务轮询，还是使用了延迟消息队列？为什么这么选？

            * 追问2: 在订单创建的接口中，你们做了哪些关键的校验？对于下游服务的调用（如库存、优惠券），是如何处理网络超时或下游服务失败的？

            * 评分要点: 考察其对DDD领域驱动设计的理解和实践能力。理想的回答应能清晰地划分出核心实体、值对象和聚合根，并能解释其背后的业务逻辑。对于技术方案的选择，应能说明其在当时场景下的权衡和考量。'
        - id: 3917a3b3-a4ff-4d6f-8870-6eb550a9b8e0
          role: user
          text: '这是我的简历:


            ```text

            {{{#1753104068161.text#}}}}

            ```

            '
        - id: 8c50f257-c4ab-4c85-8c4c-b080fd4f6289
          role: user
          text: '这是我面试的岗位的JD:


            ```

            {{#1753104059605.JD#}}}

            ```'
        selected: true
        title: LLM
        type: llm
        variables: []
        vision:
          enabled: false
      height: 88
      id: '1753104215758'
      position:
        x: 686
        y: 282
      positionAbsolute:
        x: 686
        y: 282
      selected: true
      sourcePosition: right
      targetPosition: left
      type: custom
      width: 243
    - data:
        desc: ''
        outputs:
        - value_selector:
          - '1753104215758'
          - text
          value_type: string
          variable: result
        selected: false
        title: 结束
        type: end
      height: 88
      id: '1753104309140'
      position:
        x: 989
        y: 282
      positionAbsolute:
        x: 989
        y: 282
      selected: false
      sourcePosition: right
      targetPosition: left
      type: custom
      width: 243
    viewport:
      x: 91.67356659693633
      y: 75.8281944516284
      zoom: 0.8705505632961249