# Interview Company Research > 面试前对目标公司做深度调研，输出 HTML 报告。当用户提供 BOSS 直聘岗位截图、提到"面试准备""调研公司""面试公司"，或贴出岗位 JD 想了解公司背景时，必须立即触发。报告包含企业基本信息、业务线、主要产品、竞品对比（必须落到面试公司优势）、13 个有深度的面试预设问题（技术 10 + 业务 3，技术在前，结合用户简历给出真实场景化答案）、深度反问问题。强制使用 WebSearch 保证信息时效性，优先官方来源。 - **Type:** Skill - **Install:** `agentstack add skill-accelereator-interview-company-research-interview-company-research` - **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior - **Seller:** [Accelereator](https://agentstack.voostack.com/s/accelereator) - **Installs:** 0 - **Category:** [Search](https://agentstack.voostack.com/c/search) - **Latest version:** 0.1.0 - **License:** MIT - **Upstream author:** [Accelereator](https://github.com/Accelereator) - **Source:** https://github.com/Accelereator/interview-company-research ## Install ```sh agentstack add skill-accelereator-interview-company-research-interview-company-research ``` Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent. ## About # Interview Company Research 帮助用户在面试前对目标公司做系统性调研，输出一份可直接阅读的 HTML 报告。 ## 核心原则 1. **真实优先**：所有公司信息必须通过 WebSearch 获取，不依赖训练知识。训练数据有截止日期，公司动态变化快。 2. **官方源优先**：官方新闻稿、官网、上市公司公告、CEO 公开演讲 > 媒体二手报道 > 自媒体。引用时标注信息来源。 3. **贴合简历**：所有面试问题的答案必须来自用户简历的真实经历，不能编造。用户简历存在指定路径，必须读完再写答案。 4. **结论先行**：所有回答采用 `结论 → 自己的理解 → 简历真实场景` 三段式结构。 5. **优势导向**：竞品对比不是中性罗列，必须明确说出"面试公司的差异化优势在哪里"。 ## 工作流（严格按顺序执行） ### Step 1: 识别公司和岗位 用户会提供 BOSS 直聘岗位截图（可能 1 张或多张）。读图后提取： - 公司全名（注意截图里可能只显示简称，要补全） - 具体岗位名称 - 岗位 JD 全文（职责 + 任职要求） - 部门信息（如有） **歧义处理**：以下情况必须暂停，向用户确认后再继续，不要自己猜： - 公司名是简称且对应多家公司（例："荣耀"可能是荣耀终端，也可能是其他公司） - 截图模糊导致关键信息识别不清 - WebSearch 后发现公司主体存在多个法人实体 确认时给出你的判断 + 理由，让用户一句话回复即可。 ### Step 2: 读简历 默认路径：当前工作目录下的 `简历/` 文件夹（即 `./简历/`） 读取该目录下唯一的简历文件。如果目录有多个文件，问用户用哪一份。如果目录不存在或为空，提示用户在工作目录下创建 `简历/` 文件夹并放入简历文件。**如果用户在对话中明确指定了其他简历路径，使用用户指定的路径，不要用默认的。** 读完后在内部梳理：用户做过哪些项目、量化结果、技术栈、最有说服力的 case，作为后续生成问题答案的素材库。 ### Step 3: 并行搜索（强制 WebSearch） 启动多轮 WebSearch，目标是覆盖 7 个模块所需信息。建议的搜索 query 模板： | 模块 | Query 模板 | |---|---| | 企业基本信息 | `"公司全名" 成立时间 总部 CEO 融资`、`"公司全名" 财报 营收 员工规模` | | 业务线 | `"公司全名" 业务线 主营业务`、`"公司全名" 战略 业务布局` | | 主要产品 | `"公司全名" 产品矩阵 旗舰产品`、`"公司全名" 用户规模 DAU MAU` | | 行业动态 | `"公司全名" 2025 重要发布`、`"公司全名" CEO 演讲 战略发布` | | 竞品 | `"公司全名" 竞争对手 行业地位`、`"行业关键词" 主要玩家 市场份额` | | 岗位相关 | `"公司全名" "JD 中的核心业务" 产品`（例：荣耀 YOYO 智能体） | | 招聘背景 | `"公司全名" 组织架构调整 新业务部门 2025` | **搜索时效性要求**：日期相关信息必须从搜索结果中的具体日期判断时效，不要用"最近""目前"等模糊表达。如果搜索结果都是一年前的信息，明确告诉用户"未找到近 6 个月的相关动态"，不要凑数。 详细搜索策略见 `references/search-strategy.md`。 ### Step 4: 推断岗位核心业务 不要照搬 JD 文字。结合搜索到的公司业务、近期动态、组织架构，回答这两个问题： - 这个岗位**实际**在做什么（不是 JD 写什么，而是放到公司业务图里是哪一块） - 这个岗位**为什么现在招**（公司近期什么动作催生了这个需求） 这两个判断会成为后续问题选题的基础。 ### Step 4.5: 生成候选人 Fit 分析（重点） 这是报告里最有差异化价值的一节。把简历的能力点与岗位 JD 的能力要求逐项对照，给用户一份"投这份岗位胜算在哪、风险在哪"的判断。 操作步骤： 1. 从 JD 拆出 6-8 项关键能力（参考第 03 节"能力需求"） 2. 对每一项，在简历里找最强的证据（具体项目 / 数据 / 案例） 3. 按证据强度归类： - **强匹配**：简历里有直接对应的项目和量化数据 - **弱匹配**：有相关经历但场景不完全一致，需要做迁移说明 - **Gap**：简历里完全没有这类经验 4. 每项写两段话： - **证据段**：引用简历的具体项目/数据 - **面试时段**：给出具体应对建议——选哪个 case 主讲、Gap 怎么用"承认+迁移+判断"三步走补救 5. 开头放一个 key-point 总结整体（如"强匹配 4 / 弱匹配 2 / Gap 1，办公场景需迁移说明，手机端约束是主要缺口"） 这一节做得好 = 用户面试前心里有数；做得差 = 又一个简历摘要。所以**必须诚实标 Gap**——告诉用户哪里硬伤、怎么补救，比假装"全面匹配"价值大得多。 ### Step 5: 设计 13 个面试预设问题（技术 10 + 业务 3，技术在前） 问题分两类，共 13 个，**技术问题在前、业务问题在后**： - **05A 技术问题（10 个）**：考察对面试公司技术栈的理解深度。**主题不固定、不写死**——必须根据面试公司可能关注的技术点动态出题（结合公司业务、产品、近期技术动作、岗位 JD 推断），每个问题都要贴合这家公司真实的技术需求，不要套用一份通用清单。答案侧重"概念拆解 + 设计原则 + 具体做法"。 - **05B 业务问题（3 个）**：考察产品判断和场景拆解。问题形如"如果你是 X 的 PM，你会怎么做"。答案侧重"具体的产品动作"——做什么、不做什么、原因。 详细的问题设计方法、典型问法、答案长度要求见 `references/question-design.md`。核心原则： - 技术问题主题**根据面试公司动态生成**，不套固定清单；从公司业务/产品/近期技术发布/JD 反推出这家公司最可能考的 10 个技术点，答案贴合其真实业务场景 - 业务问题必须**具体到公司业务/产品**，不要通用 PM 题 - 答案三段式：**结论 + 自己的理解 + 类似的事我做过 / 具体 case** - **答案主体是"我针对这个问题具体会怎么做"**——讲产品判断、设计动作、不做什么。不要堆砌简历里的数据成果（面试官能看到简历） - 简历经历只作为佐证，不需要 100% 精确对应——**能挂上钩、底层逻辑相通**就可以发散 - 简历段落叙述时**弱化数据强化做法**："我当时重新设计了召回策略" 优于 "我把准确率从 50% 做到 91.86%" - 技术问题如果用户没有直接经验，用"承认无直接经验 + 建立能力迁移逻辑 + 给出自信判断"三步走 ### Step 6: 竞品对比 + 优势落点 详细方法见 `references/competitor-analysis.md`。 竞品 2-3 家足够。对比表的最后必须有一行明确的"面试公司差异化优势"判断，这是面试时最容易加分的点。 ### Step 7: 设计反问问题 3-5 个，必须有深度。不要问"公司加班严重吗""涨薪节奏怎样"这类信息可以从网上查到的问题。 好的反问问题模板： - 业务进展类："YOYO 智能体的月活已经突破 1.3 亿，下一阶段的核心增长指标是渗透率还是任务完成率？" - 战略洞察类："荣耀提出从手机厂商转向 AI 终端生态公司，对一线 PM 来说，工作内容的优先级会有哪些可感知的变化？" - 团队运作类："这个岗位是新设的还是补位的？团队当前最缺哪类能力？" - 业务挑战类："MCP 架构开放第三方接入后，最大的产品挑战来自用户授权设计、生态拓展速度还是 Agent 执行可信度？" ### Step 8: 渲染 HTML 报告 使用 `assets/template.html` 作为模板，填充内容后保存到： ``` /Users/duanmenghan/Cursor企业背调/reports/{公司简称}-{岗位}-{YYYY-MM-DD}.html ``` 文件名例：`荣耀-AIPM-2026-05-28.html` 保存后用 `open` 命令自动在浏览器打开，让用户直接看到结果。 ## 报告结构（HTML 必须包含的章节） **布局：单页瀑布流**。所有章节在同一个长页面里从上到下连续排列，不做"点一个隐藏另一个"的分屏切换。顶部的 📋 调研报告 / 💬 面试问答 两个按钮**仅作为快速跳转锚点**——点击后平滑滚动到对应区块，不隐藏其他内容。左侧目录持续可见，按所属分组展示，点击同样是平滑滚动到锚点。 报告内容分两大块：📋 调研报告 + 💬 面试问答，依次排在同一页。 ### 调研报告块（9 节） ``` 01 岗位画像：用一句话画像（key-point 强调框）+ 6 张 info-item 卡片（所属业务、汇报对象、岗位形式等） 02 JD 拆解：表格三列（JD 原文 / 实际工作内容 / 考察什么），把 JD 翻译成"实际要做什么、考什么" 03 能力需求：6 项关键能力 + 横向 bar 表示权重 + 强/中/弱 三色 tag 04 候选人 Fit 分析（重点）：基于简历做强/弱/Gap 三段对照，每项给"证据 + 面试时怎么应对" 开头有 key-point 总结整体匹配度（如"强匹配 4 / 弱匹配 2 / Gap 1"） 05 企业基本信息：4-8 张 info-item 卡片 + key-point 强调"必记数据" 06 主要业务线：section-summary 总结业务侧重 + 列表 07 主要产品：section-summary 总结产品矩阵侧重 + 5 个左右产品卡片 08 主要竞品 + 对比表 + 优势落点 09 发展方向推断：key-point 总结主线 + 短/中/长期推断 + 风险预警 信息来源：脚注式 ``` ### 面试问答块（技术 10 + 业务 3 + 反问，技术在前） ``` 技术问题（10 个独立卡片，主题按面试公司技术需求动态生成，不写死） 业务问题（3 个独立卡片） 反问面试官（3-5 个，带"问这个能体现什么"说明） ``` ### 视觉强调原则 - **section-summary** 用于章节开头一段灰底总结（业务线、产品、问答章节） - **key-point** 用于"重点信息强调"——黄色边框+图标 label，用在岗位画像、Fit 分析整体判断、企业必记数据、发展方向主线 - **mark.hl**（黄底）用于行内强调关键数字或关键判断词 - **mark.hl-accent**（蓝底）用于强调正向亮点或关键结论 - 这三类强调每章节最多用 1-2 次，避免到处都是高亮反而失焦 ### 候选人 Fit 分析（重点章节） 这是报告的差异化价值所在。基于简历做 6-8 项能力评估，每项归为： - **强匹配（绿√）**：简历里有直接对应的项目和数据，可量化 - **弱匹配（黄~）**：有相关经历但需要迁移说明，告诉用户"面试时怎么类比" - **Gap（红!）**：没有直接经验，告诉用户"承认无直接经验 + 建立迁移逻辑 + 给出自信判断"三步走怎么用 每项必须给两段： - **证据**：简历里哪个项目/数据支撑这个评估 - **面试时**：具体建议——选哪个 case 讲、怎么应对追问、Gap 项怎么补救 ### 目录（TOC）功能 粘性定位（滚动时左侧目录始终可见）、按区块分组（📋 调研报告 / 💬 面试问答）、点击平滑滚动到对应锚点（单页瀑布流，不切换显隐）、滚动时当前章节高亮、子项缩进。template.html 里已实现，按它的结构填充即可。 ## 信息时效性标注 报告里每个动态信息必须标注日期。例： - ✅ "2025 年 10 月 15 日发布 Magic8 系列" - ❌ "最近发布了 Magic8 系列" 如果某个信息搜不到具体日期，标注"信息来源未注明日期，可能存在时效性问题"。 ## 用户后续追问处理 报告生成后用户可能会追问"某个问题的答案能不能展开""帮我针对 Q3 模拟回答"。这些追问不需要重新生成 HTML，直接在对话里回答即可，保持答案的三段式结构。 ## Source & license This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code. - **Author:** [Accelereator](https://github.com/Accelereator) - **Source:** [Accelereator/interview-company-research](https://github.com/Accelereator/interview-company-research) - **License:** MIT Install and usage instructions live in the source repository linked above. ## Pricing - **Free** — Free ## Security capabilities Automated source analysis of v0.1.0 — what this tool can access: - **Network access:** no - **Filesystem access:** no - **Shell / process execution:** no - **Environment & secrets:** no - **Dynamic code execution:** no *"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.* ## Versions - **0.1.0** — security scan: passed — Imported from the upstream source. ## Links - Listing page: https://agentstack.voostack.com/l/skill-accelereator-interview-company-research-interview-company-research - Seller: https://agentstack.voostack.com/s/accelereator - Browse the marketplace: https://agentstack.voostack.com/browse --- Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.