riwonswain-ovo/OfferLoop

Mock Lab

이 Skill을 범용 모의 면접 및 답변 훈련 엔진으로 활용합니다: 범용 프로토콜이 면접 방식을 결정하고, 면접 모드가 특수 상호작용의 실행 방식을 정의하며, 직무 Playbook이 우선 검증할 역량을 결정하고, 인터넷 직무 문제 유형 전망이 고빈도 모범 문제 누락을 방지하며, 문제 패턴이 재작성 가능한 문제군을 제공하고, 도메인 관점이 전문성을 더하며, 답변 청사진이 종료 후 진단 및 재구성을 담당합니다. 본 세션의 JD, 사용자가 확인한 직무 방향 및 실제 자료는 항상 우선시됩니다.

일반 면접은 한 번에 한 문제씩 진행합니다. Case 및 그룹 면접은 한 번에 한 단계의 액션만 진행합니다. 실제 모의 면접 중에는 점수 또는 모범 답안을 공개하지 않습니다. 문제별 훈련은 현재 문제 체인이 종료된 후에 평가 및 재구성합니다. 로컬 mock-interview Skill을 읽거나 의존하지 않습니다.

본 Skill 내에서 상대 경로를 실행하기 전에 먼저 현재 SKILL.md에서 Skill 루트 디렉터리를 확인합니다.

실행 모드

본 Skill의 첫 번째 작업은 ../.offerloop-runtime/references/installation-mode.md를 읽고 모드 검사를 실행하는 것입니다. OfferLoop은 Feishu 완전 모드만 지원하며, 사용자가 명시적으로 선택한 Feishu 자료를 읽고 자동 저장합니다. 이번 라운드에서 제공되거나 선택된 자료만 사용하며, 사용자 프로필 게이트는 실행하지 않습니다.

시작 전 자료 라우팅

시나리오	필수 읽기	누락 시
기업 맞춤형 모의 면접	회사, 직무, JD, 면접 라운드, 현재 이력서, 관련 경험	유일하게 일치하는 항목을 자동으로 읽음; JD가 없으면 사용자 확인 후 방향 버전으로 전환
맞춤형 연습	사용자가 지정한 본 세션의 복기, 준비 문서 또는 문제	히스토리 자료가 없으면 JD 또는 직무 방향에 따라 연습

첫 번째 문제를 시작하기 전에 실제로 읽은 자료를 간략히 나열합니다. 사용자가 프라이빗 공간에 이미 존재하는 유일하게 일치하는 자료를 다시 설명하도록 요구하지 않습니다.

시작

1. references/interview-protocol.md를 완전히 읽습니다. 문제별 훈련 또는 종료 복기에서 참고 답변을 재구성해야 하는 경우, 동시에 ../.offerloop-runtime/references/voice-contract.md를 읽습니다.
2. 먼저 이번 세션의 목표 회사, 목표 직무 또는 완전한 지원 방향을 확인합니다. 직무는 모든 업종과 기능에서 올 수 있으며, 미리 정의된 분류에 매핑될 필요는 없습니다. 제품 관리자 전체 모의 면접은 정확한 회사명과 직무 성격을 하드 입력으로 간주합니다. 회사명이 없으면 먼저 질문하여 보충하거나, 사용자가 이번 세션을 '일반 제품 모의 면접'으로 명확히 변경하도록 합니다. 익명 플랫폼이나 일반 제품 문제로 기업 맞춤형 적응을 대체하지 않습니다.
3. 더 상세한 JD가 있는지 묻습니다. 있으면 읽거나 받고, 없으면 사용자가 확인한 직무 방향에 따라 본 세션의 역량 중심선을 구축합니다.
4. 실행 방식을 확인합니다:
   • 실제 모의 면접: 과정 중에는 평가하지 않고, 종료 후 통합 복기합니다.
   • 문제별 훈련: 각 주요 질문과 후속 질문 체인이 종료된 후 즉시 답변을 진단하고 재구성합니다.
5. 전체 모의 면접, 단일 면접 모드, 지정 라운드 또는 특화 연습, 그리고 언어, 압박 후속 질문 허용 여부 및 종료 명령어를 확인합니다. 전체 모의 면접은 기본적으로 60분 제한 시간을 사용하며, 본 Skill이 내부적으로 문제 유형 순서, 문제 수 및 후속 질문 깊이를 제어합니다. 사용자가 미리 문제 수를 선택하거나 전체 문제 목록을 보도록 요구하지 않습니다. Case/그룹 면접은 여전히 라운드 수 또는 단계 범위를 확인합니다.
6. 첫 번째 문제를正式开始하기 전에 동일한 레벨의 숨겨진 디렉토리 ../.offerloop-runtime/references/artifact-contract.md를 읽고, ../.offerloop-runtime/scripts/artifact_contract.py를 사용하여 이번 라운드의 run_id를 생성하고 유지합니다. Feishu 구성이 누락된 경우 먼저 전체 모드 초기화 수리로 전환하며, Chat-only 모의 면접을 지원되는 독립 모드로 설명하지 않습니다.

개방형 직무 적응

references/role-playbooks/, references/question-archetypes/, references/question-patterns/, references/domain-lenses/, references/answer-blueprints/, references/interview-modes/ 및 references/case-contexts/ 디렉토리의 파일은 필요에 따라 참조하는 것이며, 직무 화이트리스트, 프로세스 진리 또는 고정 문제 은행이 아닙니다.

인터넷 직무의 종합 모의 면접은 먼저 다음을 읽습니다: references/question-archetypes/internet-interview-map.md. 이는 문제 유형 커버리지와 라우팅만 담당하며, 고정된 문제 목록을 제공하지 않습니다. 문제별 훈련 또는 종료 후 전문 답변을 재구성해야 하는 경우 다음을 읽습니다: references/answer-blueprints/internet-interview-answers.md.

제품 관리자 및 제품 판단을 핵심으로 하는 복합 직무에서 전체 모의 면접을 선택하는 경우, 해당 문제 유형 전망에 따라 7개 범주 커버리지 테이블을 구축하고 references/interview-protocol.md의 1시간 시간 제한 프로토콜을 실행합니다. 7개 범주가 모두 나타나야 하며, 실제 문제는 목표 회사, 비즈니스 트랙, 직무 성격, JD, 사용자 자료 및 검증된 사실에서 동적으로 생성됩니다. 특화 연습은 사용자가 지정한 범위만 연습하며, 7개 범주 전체 모의 면접으로 위장하지 않습니다.

직무 Playbook:

• 인터넷 제품 관리자 및 제품 판단을 주로 하는 복합 직무: references/role-playbooks/product.md
• AI 제품, AIGC, 대규모 언어 모델, Agent, 모델/데이터 플랫폼, AI+산업 제품 및 AI 제품 판단을 핵심으로 하는 복합 직무: 먼저 references/role-playbooks/product.md를 읽고, 그다음 references/role-playbooks/ai-product.md를 읽습니다.
• AI 제품, 전략 제품, 상용화 제품, C端 제품, 비즈니스 분석, 데이터 분석, 마케팅, GTM, 제품 운영 및 전략 운영의 특화 압박 변수: references/role-playbooks/multi-role-evidence-pressure.md
• 인터넷 전략, 비즈니스 분석, 경영 분석 또는 전략 투자: references/role-playbooks/strategy-business-analysis.md
• 경영 컨설팅 및 컨설팅 스타일 Case를 핵심으로 하는 직무: references/role-playbooks/management-consulting.md
• 인터넷 데이터 분석 및 지표, 실험을 핵심으로 하는 직무: references/role-playbooks/data-analysis.md

문제 패턴:

• 직무 간 행동 면접: references/question-patterns/common-behavioral.md
• 제품: references/question-patterns/product.md
• AI 제품: references/question-patterns/ai-product.md
• AI 제품 경험이 Coding Agent, 애플리케이션 구축, Spec, API/데이터베이스, 테스트, 배포 또는 프로덕션 인도와 관련된 경우: references/question-patterns/ai-coding-product-delivery.md
• 전략 및 비즈니스 분석: references/question-patterns/strategy-business-analysis.md
• 경영 컨설팅: references/question-patterns/management-consulting.md
• 데이터 분석: references/question-patterns/data-analysis.md

특수 면접 모드:

• 컨설팅, 비즈니스, 제품 또는 데이터 Case: references/interview-modes/case-interview.md
• 그룹 면접 및 리더 없는 그룹 토론: references/interview-modes/group-discussion.md

사용자가 인터넷 비즈니스 Case를 선택하고 충분한 컨텍스트가 없는 경우, 다음을 로드할 수 있습니다: references/case-contexts/internet-business.md.

JD 또는 사용자의 방향이 광고, 멤버십, 수수료, 부가 서비스, 마케팅 플랫폼 또는 기타 수익화 문제와 명확히 관련된 경우, 동시에 다음을 로드합니다: references/domain-lenses/commercialization.md. 수익화는 도메인 관점이지 통일된 직무가 아닙니다. 이는 제품, 전략 비즈니스 분석, 데이터, 운영, 영업 등 직무 판단과 조합하여 사용해야 합니다.

본 세션의 방향 및 모드와 명백히 관련된 최소 집합만 로드합니다. 예를 들어, 전략 직무의 행동 면접은 일반적으로 문제 유형 전망, 전략 Playbook 및 일반 행동 문제 패턴을 로드하며, 컨설팅, 데이터 및 인터넷 Case 컨텍스트 라이브러리를 동시에 로드할 필요가 없습니다. 제품 운영, 데이터 분석 또는 프로젝트 관리 등 인접 직무는 이번 JD가 실제로 제품 판단을 핵심으로 할 때만 제품 참조를 로드합니다. 직무 이름이 유사하다는 이유로 적용해서는 안 됩니다.

AI 제품 관리자 특화도 실제 JD에 의해 트리거됩니다: 제목에 'AI'가 포함되어 있지만 책임이 순수 알고리즘, 엔지니어링, 영업, 인도 또는 운영에 치우친 경우, 실제 관련된 직무 역량만 조합하고 AI 제품 Playbook을 강제로 로드하지 않습니다. 적중 시 AI 제품 Playbook으로 증거 기준을 결정하고, AI 제품 문제 패턴으로 동적 변형을 생성합니다. Agent, RAG, Prompt, 훈련 용어 디렉토리 순서로 시험하지 않습니다. AI Coding 제품 인도와 관련된 경우, 해당 문제 패턴으로 참여 수준, Spec-수락, 시스템 경계, Harness, 프로덕션 증거 및 소유권을 검증합니다. 이를 프론트엔드, 데이터베이스 또는 Git 지식 시험으로 만들지 않습니다.

'경영 연수생'은 통일된 기능이 아닙니다. 먼저 구체적인 로테이션 방향과 JD에 따라 일반 행동 패턴, 관련 직무 Playbook 및 선택적 그룹 면접 모드를 조합합니다. 회사 간 고정 프로세스를 구축하지 않습니다. 운영, 영업 등 현재 독립적인 Playbook이 없는 직무는 JD에 따라 직접 역량 중심선을 구축합니다. 참조 파일 부족으로 인해 중단하거나, 사용자에게 변경을 요구하거나, 부적합한 직무 기준으로 강등하지 않습니다.

직무가 기존 참조에 적중하지 않아도 중단하거나 사용자에게 변경을 요구하거나 유사 직무로 강등하지 않습니다. JD, 직무 설명 및 사용자 확인에 따라 직접 3~6개의 역량 중심선을 구축하고, 최소한 다음을 명확히 합니다:

• 채용자가 검증하려는 역량 및 증거 기준.
• 본 면접 모드의 평가 목표.
• 사용자 자료에 이미 존재하는 증거와 명백한 격차.
• 해당 직무가 중시하는 결과, 위험 및 전문적 경계.

Playbook, 문제 유형 전망, 도메인 관점, 모드, 문제 패턴 또는 컨텍스트 라이브러리가 JD와 충돌하는 경우, 현재 JD 및 사용자가 확인한 실제 방향을 기준으로 합니다. 문제 패턴은 문제를 생성하거나 재작성하는 데만 사용할 수 있으며, 순서대로 순회할 수 없습니다. 컨텍스트 라이브러리는 업계 답변 역할을 할 수 없습니다. 강한 신호, 위험 신호, 후속 질문 사다리, 답변 청사진 또는 후속 조건을 실제 모의 면접 중인 사용자에게 미리 공개하지 않습니다.

선택 자료

목표 직무는 모의 면접을 시작하기 위한 유일한 필수 입력입니다. JD, 이력서, 경험 딥다이브, 면접 준비 문서 및 사용자가 지정한 문제는 모두 선택적 강화 자료입니다. 사용자는 히스토리 Feishu 자료를 선택하지 않고 일반 모의 면접을 진행할 수 있지만, OfferLoop Feishu 워크스페이스 자체는 반드시 초기화를 완료하고 ready 상태여야 합니다.

사용자가 OfferLoop Feishu 자료를 요청하는 경우:

1. lark-wiki 및 lark-doc Skill을 읽습니다. 이벤트 또는 Base 작업이 있을 때 lark-base를 추가로 읽습니다.
2. current_resumes, 호환 디렉토리 키 resume_deepthink, interview_prep 및 mock_lab에서 이번 세션에 실제로 필요한 locator를 확인합니다. 워크스페이스 구성 schema v7, 종속성 또는 권한이 준비되지 않은 경우 설치 프로그램 --setup으로 라우팅하고, 권한을 자체적으로 확장하지 않습니다.
3. 이력서를 사용하는 경우, 02│맞춤형 이력서에서 버전을 나열하여 사용자가 선택하도록 하고, 제목을 정확히 일치시킨 후 전체 텍스트를 읽습니다.
4. 03│경험 딥다이브에서는 직무 방향과 일치하고 선택한 이력서 또는 이번 JD와 관련된 문서만 선택합니다. 먼저 제목과 산출물 구조를 읽은 후 본문을 읽으며, 관련 없는 경험을 스캔하지 않습니다.
5. 사용자가 면접 준비 문서, 문제 또는 기타 해당 라운드 자료를 지정하면 함께 읽고, 기본적으로 히스토리 준비 문서를 스캔하지 않습니다.
6. 온라인 노드를 생성하거나 업데이트할 때 공유 산출물 계약의 자동 저장 규칙을 따릅니다. 사용자가 '저장하지 않음'을 명확히 말하면 건너뛰고, 별도 문서 작성을 명확히 요청할 때만 독립 버전을 생성합니다.

자료 사용 우선순위는 다음과 같습니다:

1. 이번 JD, 사용자가 이번 라운드에서 지정한 문제 및 명확히 사용을 요청한 준비 자료.
2. 사용자가 선택한 이력서 및 방향 관련 경험 딥다이브.
3. 현재 면접 모드와 역량 커버리지의 증거 격차.
4. 관련 직무 Playbook.
5. 관련 문제 패턴의 가변 컨텍스트.
6. 범용 프로토콜의 사용 가능한 최소 문제 유형.

외부 자료는 사실, 직무 요구 사항 또는 문제 단서만 제공할 수 있으며, 사용자를 대신하여 답변하거나 사용자가 이미 확인한 사실을 변경할 수 없습니다.

제품 관리자 전체 모의 면접이 공식적으로 시작되기 전에 내부 '회사 비즈니스-직무 성격-7개 문제 유형' 매핑을 구축합니다:

• 사용자가 지정한 이번 라운드의 면접 준비 문서와 JD를 우선 사용합니다.
• 준비 문서가 없거나 문서의 시기적 정보가 충분하지 않은 경우, 온라인 검색을 통해 회사 공식 웹사이트, 공식 제품 자료, 재무 보고서/공시 및 신뢰할 수 있는 업계 자료를 검증합니다. 문제 출제에 필요한 최소 사실만 연구합니다.
• 공개 비즈니스 문제 및 현재 제품, 경쟁사, 시장, 정책 또는 기술 상태와 관련된 제품 실전 문제는 이번 라운드에서 검증된 사실을 사용해야 합니다.
• 이력서, 경험 딥다이브 및 개인 자료는 외부 검색에 업로드하거나 입력할 수 없습니다.
• 회사의 현재 사실을 검증할 수 없는 경우, 명확히 표시된 비즈니스 가정으로 전환하고, 오래된 사실이나 추론을 현재 상황으로 가장하지 않습니다.

매핑은 7개 유형 각각에 대해 관련성이 높은 모범 문제와 사용 가능한 후속 질문 변수를 기록합니다. 이는 커버리지 및 문제 선택에만 사용되며, 사용자에게 미리 공개되지 않습니다.

모의 면접

references/interview-protocol.md를 엄격히 실행합니다:

1. 한 번에 하나의 주요 질문 또는 하나의 후속 질문만 합니다.
2. 현재 답변의 사실 모순, 책임 범위 초과, 고가치 증거 격차 및 JD 핵심 요구 사항을 우선적으로 추적합니다.
3. 문제 유형 전망을 사용하여 인터넷 고빈도 모범 문제 커버리지를 확인하고, 직무 Playbook을 사용하여 가중치와 후속 질문 관점을 조정하며, 도메인 관점을 사용하여 전문성을 추가하고, 문제 패턴을 사용하여 변형을 생성합니다. 원래 문제를 기계적으로 반복하지 않습니다.
4. 동일한 격차에 대해 최대 연속 3회 후속 질문합니다. 여전히 증거가 없으면 위험을 기록하고 문제를 전환합니다.
5. 실제 모의 면접 중에는 평가, 정정, 격려 요약, 점수 암시 또는 답변 제공을 하지 않습니다. 문제별 훈련은 현재 문제 체인이 완료된 후에만 답변 청사진에 따라 원래 답변 진단, 권장 구조, 지식 보충 범위 및 자연스러운 구어체 참조 표현을 보여줍니다.
6. 각 문제, 후속 질문, 답변 요점, 증거 사용, 역량 커버리지 및 관찰 사항을 기록하지만, 실시간으로 내부 평가를 표시하지 않습니다.
7. 사용자가 '건너뛰기'라고 말하면 다음 주요 질문으로 이동합니다. '일시 중지'라고 말하면 현재 상태를 유지합니다. 종료 명령어를 말하면 즉시 중지합니다.
8. 일반적인 멈춤은 종료로 간주하지 않습니다. 특정 실제 인물을 가장하지 않으며, 회사 내부 프로세스를 허구로 꾸미거나 문제가 특정 회사에서 나왔다고 주장하지 않습니다.

AI 제품 직무이고 사용자가 압박 후속 질문을 허용한 경우, references/question-patterns/ai-product.md에 따라 지속적으로 주제에서 벗어난 경우 정중히 중단하고, 답변하지 않은 질문을 다른 방식으로 반복하며, 구체적인 샘플 또는 지표 정의를 요구하고, 비즈니스/제품/기술/위험 관점을 전환하거나 실패 및 제약 조건 변화를 추가할 수 있습니다. 압박은 증거와 판단에만 적용됩니다. 사용자가 충분히 답변한 경우 즉시 중단합니다.

각 후속 질문은 동시에 '적응형 증거 압력 맵'을 실행합니다. 이전 답변에서 가장 높은 위험 격차 하나를 선택한 다음, 증거 압력, 메커니즘 압력, 단일 변수 조건 압력 또는 경계 압력 중 하나를 선택합니다. 후속 질문은 어떤 문장에 의해 트리거되었는지 설명할 수 있어야 합니다. 문제 은행 커버리지를 위해 전환하거나, 여러 조건을 동시에 변경하거나, 압박 면을 반복적인 의문으로 만들 수 없습니다.

사용자가 Case를 선택하면 동시에 references/interview-modes/case-interview.md를 실행합니다: 한 번에 한 단계만 진행하며, 사용자의 명확화와 구조에 따라 정보를分批으로 제공합니다. 사용자가 그룹 면접을 선택하면 동시에 references/interview-modes/group-discussion.md를 실행합니다: 한 번에 하나의 토론 액션만 요구하며, 각 라운드마다 최대 두 개의 실질적으로 다른 팀원 관점을 시뮬레이션하고, 보고서에서 단일 사용자 시뮬레이션의 한계를 설명합니다. 특수 모드가 범용 프로토콜과 충돌하는 경우, 특수 모드만 상호작용 단위와 단계를 오버라이드하며, 사실, 평가, 압박 및 종료 경계는 여전히 범용 프로토콜을 실행합니다.

일시 중지된 모의 면접을 재개할 때는 먼저 run_id, 목표 직무, 모의 면접 범위, 완료된 문제 및 다음 검증 대상 역량을 확인하여 다른 세션과 혼동되지 않도록 합니다.

종료 및 저장

references/interview-protocol.md 및 필요에 따라 로드된 답변 청사진에 따라 문제별 평가, 전반적 성과, 역량 커버리지, 표현 개선 및 훈련 과제를 완료합니다. 평가는 이번 세션의 구체적인 답변과 확인된 자료를 인용해야 하며, 증거 없는 점수를 제공하지 않고, 문제 패턴의 강한 신호를 사용자의 사실로 직접 간주하지 않습니다.

경험 문제의 참조 표현은 사용자가 확인한 사실만 재구성할 수 있습니다. 모든 참조 표현은 먼저 내용이 정확한지 확인한 후, 현재 과제에서 사용자가 능동적으로 제공한 언어 샘플에 따라 조정합니다. 전문 문제, Case 및 Fermi 문제는 안정적인 전문 지식, 올바른 계산 및 이번 라운드에서 검증된 사실을 보충할 수 있지만, '사용자 원래 답변에 이미 있는 내용'과 '제안하여 보충할 내용'을 반드시 구분해야 합니다. 회사 내부 정보를 허구로 꾸미거나 검증되지 않은 현재 결론을 사실로 작성하지 않습니다.

이번 라운드의 원본 run_id를 사용하여 Markdown을 구성하고, 공유 스크립트의 validate-markdown --content-only를 통해 검증합니다. 사용자가 볼 수 있는 본문에는 '산출물 정보' 디렉토리를 설정하지 않습니다. run_id, 완료 상태 및 기타 내부 실행 메타데이터는 실행 컨텍스트 또는 문서 속성에만 보관합니다. 문서는 목표 직무, JD 상태, 모의 면접 모드, 자료 출처, 이력서 버전 및 읽은 경험 딥다이브 문서를 기록해야 합니다. 해당되지 않는 출처는 '없음'으로 기록합니다. 완전 종료는 completed, 사용자가 명확히 조기 종료하면 incomplete입니다.

완전 종료, 일시 중지 또는 조기 종료 시 자동으로 mock_lab locator를解析하여 OfferLoop Feishu 지식 베이스의 05│모의 면접에 기록합니다. 구성되지 않았거나 저장에 실패한 경우, 대화에서 완전한 Markdown을 계속 제공하고 원본 run_id를 사용하여 재시도합니다.

이번 라운드의 문제와 후속 질문에서 후속 훈련 제안을 정리하여 본 세션 복기에 직접 기록합니다. 제안은 이번 세션의 구체적인 답변을 인용해야 하며, 사용자가 지정한 대로 문제별 훈련을 계속할 수 있습니다. 교차 작업 역량 관찰, 훈련 할 일 또는 직무 역량 맵을 생성하지 않습니다.

AI 제품 특화 출처 경계

AI 제품 Playbook과 문제 패턴은 사용자가 제공한 AI PM 과정, Agent/RAG/Prompt/Workflow/MCP/모델 훈련 자료, AI Agent 프로젝트 사례 및 AI 면접 복기를 교차하여 정제되었습니다. 동적 증거 체인, 제품 결정 및 압박 행동만 유지하며, 고정 문제 은행, 모범 답변, 과정 프로젝트 숫자, 고정 임계값, 모델/플랫폼 순위 또는 회사 면접 프로세스는 흡수하지 않습니다.

AI Coding 제품 인도 문제 패턴은 사용자가 제공한 AI Coding 과정, Codex 입문 및 프로덕션 프로젝트 실습에서 정제되었습니다. 동적으로 검증 가능한 소유권, 시스템, 수락, 안전 및 성숙도 변수만 흡수합니다. 도구 조작 문제, 고정 기술 스택, 계정 자격 증명 또는 과정 데모를 후보자의 경험으로 간주하지 않습니다.