整理面试录音
核心规则
- 保留每一条原始录音、转录和原始笔记。在重写笔记前进行备份；切勿删除原始内容。
- 默认将媒体文件保留在本地。根据宿主操作系统和主导口语选择命令；在进行转录前阅读
references/asr-runtime.md。 - 对同一场面试复用已有的笔记，不要创建冲突的文档。
- 将证据与重构分离：
我的回答（整理）必须忠实于录音或原始笔记。AI 补充的更好回答/优化点可以修正措辞、补充缺失的推理，并估算合理的范围。
- 切勿将 AI 估计呈现为公司日志、历史引用或精确结果。
- 只保留对未来面试有用的问题。删除问候语、后勤闲聊、重复的提示、填充词、转录痕迹和结束时的客套话，除非它们揭示了有意义的 HR 限制条件。
- 将在线文档视为独立的写作表面。仅在用户请求在线同步时才更新它们；优先进行增量编辑，默认不覆盖或删除在线源。
- 在本地和在线文档中，对每个 AI 生成的回答、估计和重构使用
references/output-standard.md中定义的紫色约定进行标记。 - 切勿将录音、转录、简历、凭证、授权 URL、二维码或模型缓存放入公共仓库。
在编写或重写面试笔记前，请阅读 references/output-standard.md。在进行任何转录或运行时修复前，请阅读 references/asr-runtime.md。在进行任何飞书/Lark 认证、查找、创建或更新前，请完整阅读 references/lark-sync.md。
工作流
1. 编写前清点
- 列举录音、现有的 TXT/SRT/JSON 转录文本、面试笔记、简历、项目摘要、论文、实习笔记和面试准备文档。
- 根据日期、组织和轮次，将每一条录音映射到一份规范的笔记。单独记录仅包含笔记的会话。
- 优先使用
rg --files和结构化的 JSON/SRT 解析，而非临时的文本提取。 - 在修改文件前检查工作区指令。
2. 备份笔记
- 在重写之前，将每个范围内的笔记复制到一个带时间戳的备份目录中。
- 验证源文件和备份文件的数量及文件名是否匹配。
- 切勿将生成的笔记放入备份目录内。
3. 在本地进行转录
- 根据口语而不是请求的笔记语言来选择模型。
- 对于以中文为主的口语，包括中英文夹杂的情况，默认使用配置的 Qwen3-ASR 命令和
Qwen/Qwen3-ASR-1.7B。 - 对于以英语为主的口语，使用配置的 Whisper large-v3 命令并强制使用
en，除非有意使用自动检测。 - 当设置了
QWEN_ASR_COMMAND和WHISPER_ASR_COMMAND时，优先使用这些命令解析。否则，遵循references/asr-runtime.md中的平台命令表。 - 如果主导语种不明确，检查现有笔记、元数据或一段短的典型样本。当普通话承载了大部分实质性内容时，将混合语音视为中文；否则视为英文。不要静默地运行两次完整的转录。
- 当所选运行时支持时，生成 TXT、SRT 和结构化的 JSON（带时间戳）。从已有的有效输出继续，而不是重新转录所有内容。
- 仅当说话人标签有实质帮助且运行时已配置好时才启用说话人分离。将重叠和短轮次边界视为可能存在错误。
- 检查音频时长、静音、转录密度、重复短语和时间戳。将像
感谢观看、请不吝点赞或数百个相同令牌这样的重复短语视为幻觉。 - 如果音频静音或无法使用，仅当可能时从视频帧中恢复可见的问题，并明确标注来源。
4. 重建每一次面试
使用以下来源优先级：
- 同一会话的现有面试笔记
- 有效的转录文本和说话人序列
- 可见的录音帧或编码提示
- 本地项目、实习、论文和准备材料
- 一般技术知识
根据问答流程推断说话人角色，但不要编造历史回答。如果缺少回答，则写 未保留完整回答。
5. 编写结构化的问答
- 遵循
references/output-standard.md中的模板和标签。 - 当重复追问测试相同能力时，将它们合并。
- 在
我的回答（整理）中保留弱点；仅将修正放在 AI 部分。 - 对于候选人问题，使用
我的问题、面试官回答和AI 补充的更好问法/追问。 - 使优化的答案可以直接用于口语表达：问题、决策、证据、权衡、边界和下一步。
6. 处理事实和缺失的实验细节
- 仅当本地源材料提供了精确值时使用精确值，并在不同会话间保持措辞一致。
- 当用户确认已完成某项实验但本地日志不可用时，提供一个技术上合理的范围，并标注为
AI 推定的合理范围。 - 优先使用相对范围和条件而非虚假的精确度，例如使用
相对 WER 改善约 3%-8%而非提升 6.37%。 - 在
我的回答（整理）中保留相互矛盾的历史说法，然后在 AI 部分给出一个规范化的范围。 - 陈述边界条件，例如个人演示 vs 生产环境、模拟工具 vs 真实 API、偏好判断 vs 事实准确性、计划发布 vs 确认投产。
7. 总结会话
每条笔记以以下内容结尾：
考察重点：面试官在测试什么主要问题：基于录音回答的不良表现改进方向：具体的准备或实验行动
对于 HR/职业相关问题，应涵盖业务方向、团队/经理、角色所有权、可迁移能力、约束条件和可控的下一步行动，而非仅依赖薪资、地点、趋势或转化率。
8. 仅在请求时进行在线同步
- 遵循
references/lark-sync.md。 - 不要仅仅因为本地笔记已整理就安装或配置在线连接器。
- 在进行发现或写入前检查认证和作用域。
- 在创建任何新文档前，将内容路由到同一会话、组织、项目、论文或技术主题的现有文档。
- 按规范化的问题和含义进行去重；仅写入真正新或有改进的内容块。
- 串行执行写入操作，每次写入后回读，并验证紫色 AI 来源标记。
9. 维护集合
- 更新主索引，包含录音会话、纯笔记会话、转录状态和链接。
- 更新项目摘要，包含运行时、输出位置、备份路径、异常和文档规则。
- 保持笔记文件名稳定，除非用户明确要求重命名。
10. 完成前审计
运行：
python scripts/audit_interview_notes.py <notes-dir> --backup-dir <backup-dir> --require-purple-ai
解决每个缺失的章节、未标记的 AI 回答、缺失的紫色标签、幻觉短语、断开的本地链接或备份不匹配问题。当请求了在线同步时，还需报告每条本地笔记、目标文档、修订前后、插入或替换的块数、去重的问题数以及失败或延迟的写入。切勿仅凭进程退出码就声明在线同步成功；需要成功结果和回读检查。