整理面試錄音
核心規則
- 保留每份原始錄音、轉錄稿與原始筆記。在重寫前先備份筆記；絕不刪除原始檔案。
- 預設保持媒體檔案在本機。根據主機作業系統與主導口語選擇命令；轉錄前請閱讀
references/asr-runtime.md。 - 對同一場面試重複使用現有筆記，而不是建立一份競爭文件。
- 將事實證據與重建內容區分開來：
我的回答（整理）必須忠於錄音或原始筆記。AI 補充的更好回答/優化點可修正措辭、補充遺漏的推理，並估算合理範圍。
- 絕不將 AI 的估計呈現為公司日誌、歷史引用或精確結果。
- 只保留對未來面試有用的問題。移除問候語、流程閒聊、重複的提示、填充詞、轉錄贅字與結束寒暄，除非它們揭露了有意義的人資限制。
- 將線上文件視為獨立的寫入介面。僅在用戶要求線上同步時才更新它們；偏好增量編輯，且預設不得覆寫或刪除線上來源。
- 在所有 AI 生成的答案、估計與重建內容上，於本機與線上皆標記
references/output-standard.md中定義的紫色慣例。 - 絕不將錄音、轉錄稿、履歷、證照、授權 URL、QR 碼或模型快取放在公開儲存庫中。
在撰寫或重寫面試筆記前，請閱讀 references/output-standard.md。在進行任何轉錄或執行時期修復前，請閱讀 references/asr-runtime.md。在進行任何飛書/ Lark 驗證、查詢、建立或更新前，請完整閱讀 references/lark-sync.md。
工作流程
1. 寫入前盤點
- 列舉錄音、現有的 TXT/SRT/JSON 轉錄稿、面試筆記、履歷、專案摘要、論文、實習筆記與面試準備文件。
- 根據日期、組織與面試輪次，將每份錄音對應到一份標準筆記。單獨記錄僅有筆記的場次。
- 優先使用
rg --files與結構化 JSON/SRT 解析，而非臨時的文字萃取。 - 在修改檔案前先檢查工作區指示。
2. 備份筆記
- 將範圍內每份筆記複製到一個加入時間戳記的備份目錄中，然後再重寫。
- 驗證來源與備份的檔案計數與檔案名稱相符。
- 絕對不要把產生的筆記放在備份目錄內。
3. 本機轉錄
- 根據口語語言選擇模型，而不是根據要求的筆記語言。
- 對於以中文為主的口語（包括夾雜英文技術術語的普通話），預設使用已設定的 Qwen3-ASR 命令與
Qwen/Qwen3-ASR-1.7B。 - 對於以英文為主的口語，使用已設定的 Whisper large-v3 命令並強制使用
en，除非刻意啟用自動偵測。 - 當
QWEN_ASR_COMMAND與WHISPER_ASR_COMMAND已設定時，使用這些命令來解析。否則遵循references/asr-runtime.md中的平台命令表。 - 若主導語言不明確，檢查現有筆記、中繼資料或一個簡短的具代表性樣本。當普通話承載大部分實質內容時，將混合語言視為中文；否則視為英文。不要默默執行兩次完整處理。
- 當選定的執行時期支援時，產生 TXT、SRT 與結構化 JSON 並包含時間戳記。從有效的輸出繼續，而不是重新轉錄所有內容。
- 僅在說話者標籤有實質幫助且執行時期已設定支援時，才啟用說話者分離。將重疊與短句邊界視為可能出錯。
- 檢查音訊長度、靜音、轉錄密度、重複短語與時間戳記。將重複短語如
感謝觀看、請不吝點讚或數百個相同的 token 視為幻覺。 - 若音訊靜音或無法使用，僅在可能且清楚標明來源時，從影片幀中恢復可見的問題。
4. 重建每場面試
使用以下來源優先順序：
- 現有的同場次面試筆記
- 有效的轉錄稿與說話者順序
- 可見的錄影幀或編碼提示
- 本地專案、實習、論文與準備材料
- 一般技術知識
從問答流程推斷說話者角色，但不要編造歷史答案。若答案缺失，請寫 未保留完整回答。
5. 撰寫結構化問答
- 遵循
references/output-standard.md中的模板與標籤。 - 當重複的追問測試相同能力時，將它們合併。
- 在
我的回答（整理）中保留弱點；僅在 AI 區段中放入修正。 - 對於候選人提問，使用
我的問題、面試官回答與AI 補充的更好問法/追問。 - 讓優化後的答案可直接口語說出：問題、決策、證據、取捨、邊界與下一步。
6. 處理事實與遺漏的實驗細節
- 僅在本地來源材料提供時使用精確值，並在不同場次間保持用詞一致。
- 當用戶確認某項實驗已完成但無法取得本地日誌時，提供技術上合理的範圍，並標記為
AI 推定的合理範圍。 - 偏好相對範圍與條件而非虛假精確度，例如使用
相對 WER 改善約 3%-8%而非提升 6.37%。 - 在
我的回答（整理）中保留矛盾的歷史陳述，然後在 AI 區段給出一個正規化的範圍。 - 說明邊界，例如個人展示 vs 生產環境、模擬工具 vs 真實 API、偏好判斷 vs 事實準確性、以及預計發布 vs 已確認的生產環境。
7. 總結面試
每份筆記結尾需包含：
考察重點：面試官在測試什麼主要問題：基於記錄答案的弱點改進方向：具體的準備或實驗行動
對於 HR/職涯問題，涵蓋業務方向、團隊/主管、職責範圍、可轉移能力、限制條件以及可控的下一步行動，而非僅依賴薪資、地點、趨勢或轉換率。
8. 僅在要求時同步到線上
- 遵循
references/lark-sync.md。 - 不要僅僅因為本機筆記已整理好就安裝或設定線上連接器。
- 在探索或寫入前檢查驗證狀態與範圍。
- 將內容路由到現有的同場次、組織、專案、論文或技術主題文件，然後再建立新文件。
- 透過正規化的問題與意義進行去重；只寫入真正新的或改進的區塊。
- 序列執行寫入，每次寫入後讀回驗證，並確認紫色的 AI 來源標記。
9. 維護集合
- 更新主索引，包含錄音場次、僅筆記場次、轉錄狀態與連結。
- 更新專案摘要，包含執行時期、輸出位置、備份路徑、例外情況與文件規則。
- 除非用戶明確要求重新命名，否則保持筆記檔案名稱穩定。
10. 完成前稽核
執行：
python scripts/audit_interview_notes.py <notes-dir> --backup-dir <backup-dir> --require-purple-ai
解決每個遺漏的區段、未標記的 AI 答案、遺失的紫色標籤、幻覺短語、損壞的本地連結或備份不一致。當要求線上同步時，還要回報每份本地筆記、目標文件、修改前/修改後、插入或取代的區塊數量、去重的問題數量，以及失敗或延遲的寫入。絕不要僅憑處理結束代碼就宣稱線上成功；需要一個成功的結果與讀回檢查。