上周订阅了 MiniMax 的 Token plan Plus，成功安装 Claude code 配置 MiniMax 的 API 后立刻开始造起来，结合自身大数据开发方向的求职需求，针对性开发了两个 Skill——BigData Architect（大数据项目结构化梳理工具）和 InterviewForge（数据开发面试模拟工具）。其中 BigData Architect 已完成全场景测试，使用效果极佳，可快速结合项目内容、数仓各层 DDL 和 ETL 语句及面试场景，生成逻辑清晰、重点突出的优质整理文档；InterviewForge 目前已完成基础功能测试，输出效果尚可。
一、BigData Architect：大数据项目结构化梳理Skill
核心定位：聚焦大数据开发、数据仓库相关岗位面试痛点，解决求职过程中项目经历梳理繁琐、重点不突出、表述不规范的问题。可将零散的项目资料、文本描述、开发代码、表结构文档等，快速转化为逻辑清晰、重点突出、贴合面试场景的标准化内容，帮助求职者高效展现个人项目能力，减少面试准备的时间成本，提升简历匹配度和面试通过率。
（一）使用准备
需提前按规范整理相关文档，确保工具可正常读取所有核心资料，无需额外配置 API 参数，具体准备文件如下：
project.md：简历上的项目内容（建议补充项目背景、技术难点、个人贡献等细节，避免过于简略，便于工具提炼核心亮点）；
ods.md、dwd.md、dwm.md、ads.md：数仓各层级数据表的完整资料，包括元数据、设计方法、设计理念、建表语句（DDL）、ETL 语句、指标说明、计算方法、异常处理逻辑等，确保覆盖数仓分层的核心设计思路。
（二）核心功能
打开项目根目录，向 Claude 输入简单触发指令，即可自动完成三步核心操作，无需手动整理，大幅节省项目梳理及面试准备的时间和精力，具体操作流程如下：
精准识别项目：通过正则表达式
P\d+_[^\s/]+，自动匹配目标项目文件夹（如 P1_Agent_token），可同时识别多个项目，避免找错项目、遗漏资料，适配多项目求职准备场景；自动读取核心资料：智能解析项目下 project.md、ods.md、dwd.md、dwm.md、ads.md 五类关键文档，自动过滤无效信息，提取项目核心内容，全面覆盖项目业务背景、技术实现、个人贡献等面试重点；
生成结构化面试文档：提炼整合所有核心信息，输出贴合面试重点的三大模块文档，文档格式规范、语言简洁，可直接用于面试背诵、项目复盘，也可根据个人需求微调内容。
（三）输出三大模块
（四）项目结构
需按以下规范整理文件目录，确保工具正常读取所有资料，无需额外配置参数，若目录结构不规范，可能导致资料读取失败或输出内容不完整：
项目根目录/
├── P1_Agent_token/ # 命名严格符合P\d+_[^\s/]+格式，数字代表项目顺序，后续可新增项目
│ ├── project.md # 项目概述，建议补充业务背景、个人贡献等细节
│ ├── ods.md # ODS层表结构、建表语句、数据来源说明
│ ├── dwd.md # DWD层表结构、ETL逻辑、清洗规则
│ ├── dwm.md # DWM层表结构、聚合逻辑、指标计算方法
│ ├── ads.md # ADS层表结构、业务指标解读、数据应用场景
│ └── interview.md # 工具输出的结构化面试文档，自动生成
├── P2_项目名/ # 其他项目命名规范与上述一致，可按需新增多个项目
└── skill_prompt.md # 梳理规则说明，可修改规则适配个人求职侧重点
（五）使用示例与适用场景
使用示例：输入简单指令即可触发工具运行，无需复杂操作，例如“全面梳理项目 P1_Agent_token”“生成 P2_hr_data_construction 的面试文档”“提炼 P1 项目的数据链路及高频面试题”；
适用场景：大数据开发、数据仓库、数据工程师等岗位的求职面试准备；项目经历的系统化梳理，优化简历项目描述；面试前快速复盘，巩固项目核心知识点；多项目求职时，快速生成不同项目的面试素材，实用性强且系统全面。
（六）注意事项
确保各 md 文档内容完整，尤其是数仓各层的 ETL 语句、表结构设计等核心内容，避免缺失关键信息导致输出文档不完整；
项目文件夹命名需严格遵循
P\d+_[^\s/]+格式，不可包含空格、特殊符号，否则工具无法识别；输出文档可根据个人求职侧重点微调，例如重点突出个人技术贡献或项目难点突破，适配不同公司的面试偏好。
二、InterviewForge：数据开发面试模拟Skill
核心定位：精准还原大厂数据开发、数据仓库岗位的真实面试流程，结合全网真实面经与高频考点，为求职者提供定制化、闭环式的面试模拟体验。解决传统八股记忆中背诵低效、无真题参考、面试节奏不适应、回答不规范的难题，帮助求职者提前熟悉面试流程、掌握答题逻辑，精准查漏补缺，提升面试竞争力。
（一）项目背景
目前大厂数据开发类岗位面试多采用“mentor 技术面→leader 综合面→HR 终面”的三轮模式，不同环节的考察重点差异较大：技术面侧重技术栈实操与项目深挖，综合面侧重沟通能力与职业规划，HR 面侧重价值观与岗位匹配度。但网络上相关面经资料零散、杂乱，且无法结合个人简历定制题目，导致求职者备考针对性不强，面试时容易紧张、答题不流畅。基于此，本 Skill 以个人简历为核心，整合真实面经与高频考点，打造系统化、定制化的面试模拟体系，精准适配备考需求，帮助求职者快速适应面试节奏。
（二）使用准备
需提前准备相关素材并按规范存放，确保工具可正常读取并生成定制化题目，具体准备内容如下：
resume.md：个人简历的完整文本内容，建议详细填写项目经历、技术栈掌握程度、个人荣誉等信息，便于工具筛选贴合个人背景的面试题目；
/ 面经素材 / 面经整理：手动整理的小红书、牛客网、脉脉等平台的大厂数据开发类面经文本，建议涵盖不同公司（如字节、阿里、腾讯）、不同岗位的面经，丰富题目来源；
/ 面经素材 / 高频面试题：调用 MiniMax 联网搜索 MCP 功能，自动查找并整理近期大厂数据开发高频面试题目，确保题目时效性；
/ 题库 /HR 题库、/leader 题库、/mentor 题库：AI 根据上述面经素材和高频题目，按三轮面试场景分类整理的各轮面试常见问题，题库会随面经素材更新自动优化。
（三）核心功能
智能生成题目：精准读取个人简历，筛选贴合个人技术栈、项目经历的面试题目，拒绝通用化题海战术，备考更具针对性，避免无效刷题；
三轮全真模拟：严格还原大厂“mentor 技术面→leader 综合面→HR 终面”的面试流程、提问风格和考察重点，提前让求职者适应面试节奏，缓解临场紧张情绪；
详细参考答案：每道题目均配备完整的解题思路、标准答案和答题技巧，帮助求职者掌握答题逻辑和表述规范，而非死记硬背，同时补充易错点提醒；
个性化分析报告：对比求职者的作答内容与标准答案，从答题完整性、逻辑清晰度、技术深度、表述规范性等维度给出得分点评，同时提供针对性改进建议，精准查漏补缺，明确备考重点。
（四）适用人群与技术栈覆盖
适用人群：春招、秋招大数据相关岗位求职者；计算机、大数据、统计学等相关专业在校生（准备实习或校招）；有一定工作经验，需提升面试表达能力、突破面试瓶颈的候选人；
技术栈覆盖：全面覆盖大数据开发核心考点，包括 SQL（查询优化、窗口函数、存储过程）、MySQL（索引、事务、优化）、Hadoop 生态（HDFS、MapReduce、YARN）、Spark（Core、SQL、Streaming）、Flink（实时计算、状态管理）、数仓建模（分层设计、维度建模）、项目深挖（技术难点、优化方案）等，无核心考点遗漏，适配不同层级岗位（初级、中级）的面试需求。
（五）使用方式与完整流程
使用方式：无需额外配置参数，在 Claude Code 中输入命令“/ 面试模拟”即可开启，操作简单，无需具备编程基础，全程引导式操作；
完整流程（闭环式备考，从题目生成到复盘优化，形成完整备考链路）：
终端打开 claude code cli，输入命令“/ 面试模拟”，工具自动读取简历及面经素材；
题目生成：根据个人简历，自动生成 37 道针对性题目（技术面 20 题、综合面 10 题、HR 面 7 题），题目难度贴合个人背景，避免过于简单或超出能力范围；
回答撰写：在自动生成的 reply.md 文件中，填写个人作答内容，建议模拟真实面试的思考过程，尽量规范表述，避免口语化；
答案解锁：提交作答后，工具自动生成参考答案与个性化分析报告，对比自身作答与标准答案，复盘答题漏洞，根据改进建议优化答题思路和表述方式。
（六）项目结构
工具会自动生成规范的文件结构，分类存储面试相关文档，便于求职者复盘管理、多次模拟练习，无需手动整理，具体结构如下：
resume/
├── resume.md # 个人简历（提前上传，需填写完整）
├── interview/ # 面试记录（按模拟次数分类，便于对比复盘）
│ └── {n}/ # 第n次模拟（n为模拟次数，自动递增）
│ ├── question.md # 生成的针对性考题（分三轮面试分类）
│ ├── reply.md # 个人作答内容（手动填写）
│ ├── answer.md # 参考答案（含解题思路、易错点提醒）
│ └── analysis.md # 个性化分析报告（得分、点评、改进建议）
├── 题库/ # AI整理的分类题库，含HR题库、leader题库、mentor题库，可手动补充题目
└── 面经素材/ # 真实面经整理，含面经整理、高频面试题，可定期更新补充
（七）注意事项与后续优化
resume.md 需填写完整，尤其是技术栈、项目经历等核心内容，否则会影响题目定制的针对性；
面经素材建议定期更新，补充近期大厂面经，确保题目时效性，提升模拟面试的真实性；
后续优化方向：完善个性化分析报告的精度，增加面试语音模拟功能，补充不同难度等级的模拟场景，适配不同岗位层级的备考需求。