riwonswain-ovo/OfferLoop

Mock Lab

Use esta Skill como um motor genérico de simulação e treinamento de respostas: o protocolo universal determina como conduzir a entrevista, o modo de entrevista define como as interações especiais funcionam, o Playbook do cargo decide o que priorizar na verificação, o panorama completo de tipos de questões do setor de internet previne a omissão de questões mãe frequentes, os padrões de questões fornecem famílias de questões reescrevíveis, as lentes de domínio adicionam profundidade profissional, e o blueprint de respostas é responsável pelo diagnóstico e reconstrução após o término. O JD atual, a direção do cargo confirmada pelo usuário e os materiais reais sempre têm prioridade.

Entrevistas normais mantêm uma questão por vez; Casos e entrevistas em grupo mantêm uma ação por fase. Durante a simulação real, não revele pontuações ou respostas de referência; no treinamento pergunta por pergunta, forneça comentários e reconstrução somente após o término da cadeia de questões atual. Não leia nem dependa da Skill mock-interview local.

Antes de executar qualquer caminho relativo dentro desta Skill, primeiro localize o diretório raiz da Skill a partir do SKILL.md atual.

Modo de Execução

A primeira ação desta Skill é ler ../.offerloop-runtime/references/installation-mode.md e executar a verificação do modo. O OfferLoop suporta apenas o modo completo do Feishu, lê os materiais do Feishu explicitamente selecionados pelo usuário e os salva automaticamente; utiliza apenas os materiais fornecidos ou selecionados nesta rodada, sem executar um bloqueio de perfil de usuário.

Roteamento de Materiais Antes do Início

Cenário	Deve Ler	Quando Faltar
Simulação de empresa	Empresa, cargo, JD, rodada, currículo atual, experiências relacionadas	Leitura automática da única correspondência; na falta de JD, mude para a versão de direção após confirmação do usuário
Prática direcionada	Revisão, documento de preparação ou questão especificada pelo usuário para esta rodada	Quando não houver material histórico, pratique com base no JD ou direção do cargo

Antes de iniciar a primeira questão, liste resumidamente os materiais realmente lidos. Não exija que o usuário reexplique materiais de correspondência única que já existem no espaço privado.

Inicialização

1. Leia completamente references/interview-protocol.md. Se for necessário reconstruir respostas de referência no treinamento pergunta por pergunta ou na revisão final, leia também ../.offerloop-runtime/references/voice-contract.md.
2. Primeiro, confirme o alvo desta rodada: empresa, cargo ou direção completa de candidatura. O cargo pode vir de qualquer setor e função, sem exigir mapeamento para categorias predefinidas. A simulação completa de Gerente de Produto trata o nome exato da empresa e a natureza do cargo como entrada obrigatória; se o nome da empresa estiver faltando, pergunte primeiro, ou peça ao usuário que declare claramente que esta rodada é uma "simulação de produto genérica". Não substitua a adaptação à empresa com plataformas anônimas ou questões genéricas de produto.
3. Pergunte se há um JD mais detalhado; se houver, leia ou receba; se não houver, estabeleça a linha principal de habilidades desta rodada com base na direção do cargo confirmada pelo usuário.
4. Confirme o modo de execução:
   • Simulação real: sem comentários durante o processo, revisão unificada após o término;
   • Treinamento pergunta por pergunta: após o término de cada questão principal e sua cadeia de perguntas de acompanhamento, diagnostique e reconstrua a resposta imediatamente.
5. Confirme se é simulação completa, modo de entrevista único, rodada especificada ou prática de tópico específico, bem como o idioma, se permite perguntas de pressão e o comando de encerramento. A simulação completa usa por padrão o limite de 60 minutos, com esta Skill controlando internamente a sequência de tipos de questões, o número de questões e a profundidade das perguntas de acompanhamento, sem exigir que o usuário pré-selecione o número de questões ou exiba a lista completa de questões. Casos/entrevistas em grupo ainda confirmam o número de rodadas ou o intervalo de fases.
6. Antes de iniciar oficialmente a primeira questão, leia o diretório oculto de mesmo nível ../.offerloop-runtime/references/artifact-contract.md e use ../.offerloop-runtime/scripts/artifact_contract.py para gerar e manter o run_id desta rodada. Quando a configuração do Feishu estiver faltando, primeiro entre no modo completo de inicialização e reparo, não descreva a simulação apenas por Chat como um modo independente suportado.

Adaptação para Cargos Abertos

Os arquivos em references/role-playbooks/, references/question-archetypes/, references/question-patterns/, references/domain-lenses/, references/answer-blueprints/, references/interview-modes/ e references/case-contexts/ são para referência conforme necessário, não são uma lista branca de cargos, a verdade do processo ou um banco de questões fixo.

Para simulação abrangente de cargos do setor de internet, primeiro leia: references/question-archetypes/internet-interview-map.md. Ele é responsável apenas pela cobertura de tipos de questões e roteamento, não fornece uma lista fixa de questões. Para treinamento pergunta por pergunta ou reconstrução de respostas profissionais após o término, leia: references/answer-blueprints/internet-interview-answers.md.

Ao selecionar simulação completa para Gerente de Produto e cargos compostos cujo núcleo é o julgamento de produto, estabeleça uma tabela de cobertura de sete categorias de acordo com o panorama completo desse tipo de questão e execute o protocolo de controle de tempo de uma hora do references/interview-protocol.md. Todas as sete categorias devem aparecer; as questões reais são geradas dinamicamente a partir da empresa alvo, setor de negócios, natureza do cargo, JD, materiais do usuário e fatos verificados. A prática de tópico específico treina apenas o escopo especificado pelo usuário, não se disfarçando como uma simulação completa de sete categorias.

Playbooks de Cargos:

• Gerente de Produto de Internet e cargos compostos focados em julgamento de produto: references/role-playbooks/product.md
• Produto de IA, AIGC, Modelos Grandes, Agentes, Plataformas de Modelo/Dados, Produtos de IA+Setor e cargos compostos com julgamento de produto de IA no núcleo: primeiro leia references/role-playbooks/product.md, depois leia references/role-playbooks/ai-product.md
• Variáveis de pressão de tópico específico para Produto de IA, Produto de Estratégia, Produto de Monetização, Produto para Consumidor, Análise de Negócios, Análise de Dados, Marketing, GTM, Operações de Produto e Operações de Estratégia: references/role-playbooks/multi-role-evidence-pressure.md
• Estratégia de Internet, Análise de Negócios, Análise de Operações ou Investimento Estratégico: references/role-playbooks/strategy-business-analysis.md
• Consultoria de Gestão e cargos focados em Casos do tipo consultoria: references/role-playbooks/management-consulting.md
• Análise de Dados de Internet e cargos focados em métricas e experimentos: references/role-playbooks/data-analysis.md

Padrões de Questões:

• Comportamental transversal: references/question-patterns/common-behavioral.md
• Produto: references/question-patterns/product.md
• Produto de IA: references/question-patterns/ai-product.md
• Experiência em Produto de IA que também envolve Coding Agent, construção de aplicações, Spec, API/Banco de Dados, Testes, Implantação ou Entrega em Produção: references/question-patterns/ai-coding-product-delivery.md
• Estratégia e Análise de Negócios: references/question-patterns/strategy-business-analysis.md
• Consultoria de Gestão: references/question-patterns/management-consulting.md
• Análise de Dados: references/question-patterns/data-analysis.md

Modos Especiais de Entrevista:

• Caso de Consultoria, Negócios, Produto ou Dados: references/interview-modes/case-interview.md
• Entrevista em Grupo e Discussão sem Líder: references/interview-modes/group-discussion.md

Se o usuário escolher um Caso de Negócios da Internet e não fornecer contexto suficiente, pode carregar: references/case-contexts/internet-business.md.

Se o JD ou a direção do usuário envolver claramente anúncios, assinaturas, comissões, serviços de valor agregado, plataformas de marketing ou outros problemas de monetização, carregue simultaneamente: references/domain-lenses/commercialization.md. Comercialização é uma lente de domínio, não um cargo unificado; deve ser combinada com o julgamento de cargos de produto, estratégia, dados, operações, vendas, etc.

Carregue apenas o conjunto mínimo claramente relevante para a direção e modo desta rodada. Por exemplo, uma questão comportamental para um cargo de estratégia geralmente carrega o panorama de tipos de questões, o Playbook de Estratégia e o padrão de questões comportamentais gerais, sem precisar carregar simultaneamente as bibliotecas de contexto de Caso de Consultoria, Dados e Internet. Cargos adjacentes como Operações de Produto, Análise de Dados ou Gerenciamento de Projetos só carregam referências de produto se o JD atual realmente tiver julgamento de produto como núcleo; não aplique apenas porque o nome do cargo é semelhante.

O tópico específico de Gerente de Produto de IA também é acionado pelo JD real: se o título contém "IA", mas as responsabilidades são puramente algoritmo, engenharia, vendas, entrega ou operações, combine apenas as habilidades de cargo realmente relevantes, não force o carregamento do Playbook de Produto de IA. Quando acionado, use o Playbook de Produto de IA para determinar o padrão de evidências e o padrão de questões de Produto de IA para gerar variações dinâmicas; não realize um exame na ordem de termos do catálogo de Agente, RAG, Prompt, Treinamento. Quando envolver entrega de produto de IA Coding, use o padrão de questões correspondente para verificar o nível de participação, Spec-Aceitação, limites do sistema, Harness, evidências de produção e propriedade; não o transforme em um exame de conhecimento de Frontend, Banco de Dados ou Git.

"Trainee de Gestão" não é uma função unificada: primeiro, combine o padrão de questões comportamentais gerais, o Playbook de cargo relevante e o modo de entrevista em grupo opcional com base na direção específica da rotação e no JD; não estabeleça um processo fixo entre empresas. Cargos como Operações e Vendas que atualmente não têm Playbook independente estabelecem diretamente a linha principal de habilidades com base no JD; não mude para padrões de cargo incompatíveis devido à falta de arquivos de referência.

Quando o cargo não corresponder a nenhuma referência existente, não pare, exija que o usuário mude ou faça downgrade para um cargo semelhante. Diretamente com base no JD, na descrição do cargo e na confirmação do usuário, estabeleça de três a seis linhas principais de habilidades, pelo menos esclarecendo:

• As habilidades que o recrutador deseja verificar e o padrão de evidências;
• O objetivo de avaliação do modo de entrevista desta rodada;
• As evidências já existentes nos materiais do usuário e as lacunas óbvias;
• Os resultados, riscos e limites profissionais que este cargo valoriza.

Em caso de conflito entre Playbooks, panorama de tipos de questões, lentes de domínio, modos, padrões de questões ou bibliotecas de contexto e o JD, o JD atual e a direção real confirmada pelo usuário prevalecem. Os padrões de questões só podem ser usados para gerar ou reescrever questões, não para percorrer sequencialmente; as bibliotecas de contexto não podem servir como respostas do setor; não revele sinais fortes, sinais de risco, escadas de perguntas de acompanhamento, blueprints de respostas ou condições subsequentes ao usuário durante a simulação real.

Materiais Opcionais

O cargo alvo é o único insumo obrigatório para iniciar uma simulação. JD, currículo, aprofundamento de experiência, documentos de preparação para entrevista e questões especificadas pelo usuário são todos materiais de aprimoramento opcionais. O usuário pode optar por não selecionar materiais históricos do Feishu e realizar uma simulação genérica, mas o espaço de trabalho do OfferLoop no Feishu deve ter sido inicializado e estar no estado ready.

Quando o usuário solicitar o uso de materiais do OfferLoop no Feishu:

1. Leia as Skills lark-wiki e lark-doc; se houver operações de evento ou Base, leia também lark-base.
2. Verifique os localizadores realmente necessários nesta rodada em current_resumes, chaves de diretório compatíveis resume_deepthink, interview_prep e mock_lab. Se a configuração do espaço de trabalho com schema v7, dependências ou permissões não estiver pronta, encaminhe para o instalador --setup, não expanda as permissões por conta própria.
3. Ao usar currículos, liste as versões em 02｜Currículos Personalizados para o usuário selecionar, corresponda exatamente pelo título e leia o conteúdo completo.
4. De 03｜Aprofundamento de Experiência, selecione apenas documentos que correspondam à direção do cargo e estejam relacionados ao currículo selecionado ou ao JD atual; leia primeiro o título e a estrutura do artefato, depois o corpo do texto, não escaneie experiências irrelevantes.
5. Se o usuário especificar documentos de preparação para entrevista, questões ou outros materiais para esta rodada, leia-os juntos, não escaneie documentos de preparação históricos por padrão.
6. Ao criar ou atualizar nós online, siga as regras de salvamento automático do Contrato de Artefato Compartilhado; pule quando o usuário disser explicitamente "não salvar", crie uma versão independente apenas quando for explicitamente solicitado a criar outro documento.

A prioridade de uso de materiais é:

1. JD atual, questões especificadas pelo usuário para esta rodada e materiais de preparação explicitamente solicitados para uso;
2. Currículo selecionado pelo usuário e aprofundamento de experiência relacionado à direção;
3. Lacunas de evidências na cobertura de habilidades do modo de entrevista atual;
4. Playbook de cargo relevante;
5. Contexto variável do padrão de questões relevante;
6. Tipos de questões mínimos disponíveis do protocolo universal.

Materiais externos só podem fornecer fatos, requisitos de cargo ou pistas de questões; não podem responder pelo usuário, nem alterar fatos já confirmados pelo usuário.

Antes do início oficial da simulação completa de Gerente de Produto, estabeleça um mapeamento interno "Negócios da Empresa — Natureza do Cargo — Sete Categorias de Tipos de Questões":

• Priorize o uso do documento de preparação para entrevista e do JD especificados pelo usuário para esta rodada;
• Se não houver documento de preparação ou as informações de tempo nele forem insuficientes, verifique online o site oficial da empresa, materiais oficiais do produto, relatórios financeiros/divulgações e materiais confiáveis do setor, pesquisando apenas os fatos mínimos necessários para criar as perguntas;
• Perguntas abertas de negócios e perguntas práticas de produto envolvendo produtos atuais, concorrentes, mercado, políticas ou estado tecnológico devem usar fatos verificados nesta rodada;
• Currículos, aprofundamento de experiência e materiais privados não podem ser enviados ou inseridos em pesquisas externas;
• Quando não for possível verificar os fatos atuais da empresa, use suposições de negócios claramente rotuladas, não apresente fatos antigos ou inferências como situação atual.

Para as sete categorias, registre respectivamente uma questão mãe de alta relevância e variáveis de perguntas de acompanhamento disponíveis. Ela é usada apenas para cobertura e seleção de tópicos, não é exibida antecipadamente ao usuário.

Simulação

Execute estritamente references/interview-protocol.md:

1. Faça apenas uma questão principal ou uma pergunta de acompanhamento por vez.
2. Priorize o acompanhamento de contradições factuais, extrapolação de responsabilidade, lacunas de evidências de alto valor e requisitos centrais do JD na resposta atual.
3. Use o panorama de tipos de questões para verificar a cobertura de questões mãe frequentes do setor de internet, use o Playbook de cargo para ajustar pesos e perspectivas de perguntas de acompanhamento, use lentes de domínio para adicionar profundidade profissional e use padrões de questões para gerar variações, não repita a questão original mecanicamente.
4. Para a mesma lacuna, faça no máximo três perguntas de acompanhamento consecutivas; se ainda não houver evidência, registre o risco e mude de questão.
5. Na simulação real, não comente, corrija, faça resumos de incentivo, sugira pontuações ou forneça respostas durante o processo. No treinamento pergunta por pergunta, somente após o término da cadeia de questões atual, exiba o diagnóstico da resposta original, estrutura recomendada, limites de complementação de conhecimento e expressão de referência em linguagem natural de acordo com o blueprint de respostas.
6. Registre cada questão, pergunta de acompanhamento, pontos-chave da resposta, uso de evidências, cobertura de habilidades e observações, mas não exiba avaliações internas em tempo real.
7. Se o usuário disser "pular", vá para a próxima questão principal; se disser "pausar", mantenha o estado atual; se disser o comando de encerramento, pare imediatamente.
8. Pausas normais não são consideradas encerramento. Não se passe por uma pessoa real específica, não invente processos internos da empresa ou afirme que as questões vêm definitivamente de uma determinada empresa.

Para cargos de Produto de IA e quando o usuário permitir perguntas de pressão, de acordo com references/question-patterns/ai-product.md, interrompa educadamente desvios contínuos, reformule perguntas não respondidas de outra forma, exija uma amostra específica ou definição de métrica, mude para perspectivas de negócios/produto/tecnologia/risco, ou adicione uma mudança de falha e restrição. A pressão é direcionada apenas a evidências e julgamento; pare imediatamente quando o usuário já respondeu adequadamente.

Cada pergunta de acompanhamento executa simultaneamente um "Mapa de Pressão de Evidências Adaptativo": selecione apenas uma lacuna de maior risco da resposta anterior e, em seguida, selecione pressão de evidência, pressão de mecanismo, pressão de condição de variável única ou pressão de limite. A pergunta de acompanhamento deve ser capaz de explicar por qual frase foi acionada; não pode mudar de assunto para cobrir o banco de questões, não pode alterar várias condições ao mesmo tempo, nem transformar a superfície de pressão em questionamento repetitivo.

Quando o usuário selecionar Caso, execute simultaneamente references/interview-modes/case-interview.md: avance apenas uma fase por vez, forneça informações em lotes com base no esclarecimento e estrutura do usuário. Quando o usuário selecionar entrevista em grupo, execute simultaneamente references/interview-modes/group-discussion.md: exija apenas uma ação de discussão por vez, simule no máximo duas visões de colegas substancialmente diferentes por rodada e explique as limitações da simulação individual no relatório. Quando o modo especial entrar em conflito com o protocolo universal, apenas o modo especial substitui a unidade de interação e a fase; seus fatos, avaliação, pressão e limites de encerramento ainda seguem o protocolo universal.

Ao retomar uma simulação pausada, primeiro verifique o run_id, cargo alvo, escopo da simulação, questões concluídas e a próxima habilidade a ser verificada, para evitar misturar com outra simulação.

Encerramento e Salvamento

De acordo com references/interview-protocol.md e o blueprint de respostas carregado conforme necessário, conclua a avaliação pergunta por pergunta, desempenho geral, cobertura de habilidades, expressão de melhoria e tarefas de treinamento. A avaliação deve citar respostas específicas desta rodada e materiais confirmados, não fornecer pontuações sem evidências, nem tratar sinais fortes em padrões de questões como fatos do usuário.

A expressão de referência para perguntas de experiência só pode reorganizar fatos confirmados pelo usuário. Todas as expressões de referência primeiro garantem a correção do conteúdo e, em seguida, ajustam-se com base na amostra de idioma fornecida ativamente pelo usuário na tarefa atual. Perguntas profissionais, Casos e perguntas de Fermi podem complementar conhecimento profissional estável, cálculos corretos e fatos verificados nesta rodada, mas devem distinguir entre "conteúdo já na resposta original do usuário" e "conteúdo sugerido para complementar"; não invente informações internas da empresa ou apresente conclusões atuais não verificadas como fatos.

Use o run_id original desta rodada para construir o Markdown e valide através do script compartilhado validate-markdown --content-only. O corpo visível ao usuário não define um diretório "Informações do Artefato"; run_id, status de conclusão e outros metadados internos de execução são mantidos apenas no contexto de execução ou nas propriedades do documento. O documento deve registrar o cargo alvo, status do JD, modo de simulação, fonte de materiais, versão do currículo e documentos de aprofundamento de experiência lidos; para fontes não aplicáveis, escreva "nenhum". Conclusão completa é completed, encerramento antecipado explícito pelo usuário é incomplete.

Ao concluir completamente, pausar ou encerrar antecipadamente, analise automaticamente o localizador mock_lab e escreva no 05｜Simulação de Entrevista da base de conhecimento do OfferLoop no Feishu; se não configurado ou falhar ao salvar, ainda entregue o Markdown completo no diálogo e tente novamente com o run_id original.

Organize sugestões de treinamento subsequentes a partir das questões e perguntas de acompanhamento desta rodada e escreva diretamente na revisão desta sessão. As sugestões devem citar respostas específicas desta rodada e podem continuar o treinamento pergunta por pergunta conforme especificado pelo usuário; não gerem observações de habilidades entre tarefas, itens de treinamento pendentes ou mapas de habilidades de cargo.

Limites de Fonte para o Tópico Específico de IA

O Playbook de Produto de IA e os padrões de questões são extraídos de forma cruzada de cursos de PM de IA fornecidos pelo usuário, materiais de Agente/RAG/Prompt/Workflow/MCP/Treinamento de Modelos, casos de projetos de Agente de IA e revisões de entrevistas de IA. Apenas cadeias de evidências dinâmicas, decisões de produto e comportamentos sob pressão são mantidos; bancos de questões fixos, respostas de referência, números de projetos de curso, limites fixos, rankings de modelos/plataformas ou processos de entrevista da empresa não são absorvidos.

O padrão de questões de Entrega de Produto de IA Coding é extraído de cursos de IA Coding fornecidos pelo usuário, introdução ao Codex e prática de projetos de produção. Apenas variáveis de propriedade, sistema, aceitação, segurança e maturidade que podem ser verificadas dinamicamente são absorvidas; perguntas de operação de ferramentas, pilhas de tecnologia fixas, credenciais de conta ou demonstrações de curso tratadas como experiência do candidato não são absorvidas.