면접 녹음 정리 (cf-x/organize-interview-recordings)

면접 녹음 정리

핵심 규칙

1. 모든 원본 녹음, 전사, 원본 노트를 보존하십시오. 노트를 다시 작성하기 전에 백업하고, 절대 원본을 삭제하지 마십시오.
2. 미디어는 기본적으로 로컬에 보관하십시오. 호스트 운영 체제와 주요 사용 언어에 따라 명령을 선택하고, 전사 전에 references/asr-runtime.md를 읽으십시오.
3. 동일한 면접에 대해 기존 노트가 있으면 경쟁 문서를 만들지 말고 해당 노트를 재사용하십시오.
4. 증거와 재구성을 분리하십시오:
   • 내 답변 (정리)은 반드시 녹음이나 원본 노트에 충실해야 합니다.
   • AI가 보충한 더 나은 답변/최적화 포인트는 표현을 수정하고 누락된 추론을 추가하며, 그럴듯한 범위를 추정할 수 있습니다.
5. AI 추정치를 회사의 로그, 역사적 인용문 또는 정확한 결과로 제시해서는 안 됩니다.
6. 향후 면접에 유용한 질문만 유지하십시오. 인사말, 일정 관련 대화, 반복된 프롬프트, 필러, 전사 아티팩트, 마무리 인사말은 유의미한 인사 제약 조건을 드러내는 경우가 아니라면 제거하십시오.
7. 온라인 문서는 별도의 쓰기 작업 영역으로 취급하십시오. 사용자가 온라인 동기화를 요청할 때만 업데이트하고, 증분 편집을 선호하며 기본적으로 온라인 소스를 덮어쓰거나 삭제하지 마십시오.
8. 모든 AI 생성 답변, 추정치 및 재구성은 로컬 및 온라인에서 references/output-standard.md의 보라색 표시 규칙으로 표시하십시오.
9. 녹음, 전사, 이력서, 자격 증명, 인증 URL, QR 코드 또는 모델 캐시를 공개 저장소에 절대 배치하지 마십시오.

면접 노트를 작성하거나 다시 작성하기 전에 references/output-standard.md를 읽으십시오. 전사 또는 런타임 복구 전에 references/asr-runtime.md를 읽으십시오. Feishu/Lark 인증, 조회, 생성 또는 업데이트 전에 references/lark-sync.md를 완전히 읽으십시오.

워크플로우

1. 작성 전 자료 목록화

• 녹음, 기존 TXT/SRT/JSON 전사, 면접 노트, 이력서, 프로젝트 요약, 논문, 인턴십 노트, 면접 준비 문서를 열거하십시오.
• 각 녹음을 날짜, 조직 및 면접 라운드별로 하나의 표준 노트에 매핑하십시오. 노트 전용 세션은 별도로 기록하십시오.
• 임시 텍스트 추출보다는 rg --files 및 구조화된 JSON/SRT 파싱을 선호하십시오.
• 파일을 수정하기 전에 워크스페이스 지침을 검토하십시오.

2. 노트 백업

• 다시 쓰기 전에 범위 내 모든 노트를 타임스탬프가 있는 백업 디렉토리에 복사하십시오.
• 소스와 백업의 개수 및 파일 이름이 일치하는지 확인하십시오.
• 생성된 노트를 백업 디렉토리 안에 절대 두지 마십시오.

3. 로컬 전사

• 요청된 노트 언어가 아닌, 음성 언어를 기반으로 모델을 선택하십시오.
• 중국어가 주된 음성(영어 기술 용어가 포함된 표준 중국어 포함)인 경우, 설정된 Qwen3-ASR 명령과 Qwen/Qwen3-ASR-1.7B를 기본으로 사용하십시오.
• 영어가 주된 음성인 경우, 설정된 Whisper large-v3 명령을 사용하고 자동 감지가 의도적이지 않은 한 en을 강제하십시오.
• QWEN_ASR_COMMAND 및 WHISPER_ASR_COMMAND가 설정된 경우 이를 사용하여 명령을 확인하십시오. 그렇지 않으면 references/asr-runtime.md의 플랫폼 명령 테이블을 따르십시오.
• 주된 언어가 명확하지 않은 경우, 기존 노트, 메타데이터 또는 짧은 샘플 하나를 검사하십시오. 표준어 중국어가 대부분의 실질적 내용을 담당하는 경우 혼합 음성을 중국어로 처리하고, 그렇지 않으면 영어로 처리하십시오. 두 번 전체 패스를 조용히 실행하지 마십시오.
• 선택한 런타임이 지원하는 경우 타임스탬프가 포함된 TXT, SRT 및 구조화된 JSON을 생성하십시오. 모든 것을 다시 전사하는 대신 유효한 출력에서 재개하십시오.
• 화자 레이블이 실질적으로 도움이 되고 런타임이 설정된 경우에만 화자 분리를 활성화하십시오. 중첩 및 짧은 발화 전환은 오류 가능성이 있음을 인지하십시오.
• 오디오 지속 시간, 무음, 전사 밀도, 반복 구문 및 타임스탬프를 검사하십시오. 감사합니다, 좋아요, 수백 개의 동일한 토큰과 같은 반복 구문은 환각으로 처리하십시오.
• 오디오가 무음이거나 사용할 수 없는 경우, 가능한 경우에만 비디오 프레임에서 보이는 질문을 복구하고 출처를 명확히 표시하십시오.

4. 각 면접 재구성

다음 출처 우선순위를 사용하십시오:

1. 기존 동일 세션 면접 노트
2. 유효한 전사 및 화자 순서
3. 보이는 녹화 프레임 또는 코딩 프롬프트
4. 로컬 프로젝트, 인턴십, 논문 및 준비 자료
5. 일반 기술 지식

질문/답변 흐름에서 화자 역할을 추론하되, 역사적 답변을 지어내지 마십시오. 답변이 없는 경우 완전한 답변 보존되지 않음을 작성하십시오.

5. 구조화된 Q&A 작성

• references/output-standard.md의 템플릿과 레이블을 따르십시오.
• 동일한 역량을 테스트하는 반복된 후속 질문은 통합하십시오.
• 내 답변 (정리)에는 약점을 보존하고, 수정 사항은 AI 섹션에만 넣으십시오.
• 지원자 질문의 경우 내 질문, 면접관 답변, AI가 보충한 더 나은 질문/추가 질문을 사용하십시오.
• 최적화된 답변은 바로 말할 수 있도록 작성하십시오: 문제, 결정, 증거, 트레이드오프, 경계 및 다음 단계.

6. 사실 및 누락된 실험 세부 사항 처리

• 로컬 소스 자료가 제공하는 경우에만 정확한 값을 사용하고, 세션 간 표현을 일관되게 유지하십시오.
• 사용자가 실험이 완료되었음을 확인했지만 로컬 로그가 없는 경우, 기술적으로 그럴듯한 범위를 제공하고 AI가 추정한 합리적 범위로 표시하십시오.
• 거짓 정밀도보다는 상대적 범위와 조건을 선호하십시오. 예: 6.37% 향상 대신 상대 WER 개선 약 3%~8%.
• 상반된 역사적 주장은 내 답변 (정리)에 보존한 후, AI 섹션에서 하나의 정규화된 범위를 제공하십시오.
• 개인 데모 vs 프로덕션, 모의 도구 vs 실제 API, 선호도 판단 vs 사실 정확성, 계획된 출시 vs 확인된 프로덕션과 같은 경계를 명시하십시오.

7. 세션 요약

모든 노트를 다음으로 끝내십시오:

• 면접관 평가 중점: 면접관이 무엇을 테스트했는지
• 주요 문제점: 녹음된 답변에 근거한 약점
• 개선 방향: 구체적인 준비 또는 실험 조치

인사/경력 질문의 경우, 급여, 위치, 트렌드 또는 전환율에만 의존하지 말고 사업 방향, 팀/관리자, 역할 소유권, 전환 가능 역량, 제약 조건 및 통제 가능한 다음 조치를 다루십시오.

8. 요청 시에만 온라인 동기화

• references/lark-sync.md를 따르십시오.
• 로컬 노트가 정리되었다는 이유만으로 온라인 커넥터를 설치하거나 구성하지 마십시오.
• 검색 또는 쓰기 전에 인증 및 범위를 확인하십시오.
• 아무것도 만들기 전에 기존 동일 세션, 조직, 프로젝트, 논문 또는 기술 주제 문서로 콘텐츠를 연결하십시오.
• 정규화된 질문과 의미를 기준으로 중복을 제거하고, 진정으로 새롭거나 개선된 블록만 작성하십시오.
• 쓰기를 직렬로 수행하고, 각 쓰기 후 다시 읽어 보라색 AI 출처 표시를 확인하십시오.

9. 컬렉션 유지 관리

• 녹음 세션, 노트 전용 세션, 전사 상태 및 링크를 포함하는 마스터 인덱스를 업데이트하십시오.
• 런타임, 출력 위치, 백업 경로, 예외 사항 및 문서화 규칙으로 프로젝트 요약을 업데이트하십시오.
• 사용자가 명시적으로 이름 변경을 요청하지 않는 한 노트 파일 이름을 안정적으로 유지하십시오.

10. 완료 전 감사

실행:

python scripts/audit_interview_notes.py <notes-dir> --backup-dir <backup-dir> --require-purple-ai

누락된 모든 섹션, 표시되지 않은 AI 답변, 누락된 보라색 레이블, 환각 구문, 깨진 로컬 링크 또는 백업 불일치를 해결하십시오. 온라인 동기화가 요청된 경우, 각 로컬 노트, 대상 문서, 수정 전/후 개정, 삽입 또는 교체된 블록 수, 중복 제거된 질문 수, 실패 또는 지연된 쓰기도 보고하십시오. 프로세스 종료 코드만으로 온라인 성공을 주장하지 말고, 성공적인 결과와 재확인 확인이 필요합니다.