yanliudesign/offer-toolkit-skill / bq-skill
bq-skill
Verified行为面试 skill。帮求职者挖掘真实经历、用 STAR/CAR 结构化、映射能力标签、构建可复用的中英双语故事库(Story Bank);并能接入 JD + 简历,针对具体岗位生成 Top 20 BQ 选题 + 基于真实经历的 STAR 准备模板(HTML 报告)。不是背答案,而是建立可复用的职业叙事体系,让任何行为面试题都能自然作答。关键词:behavioral question, BQ, 行为面试, STAR, 故事库, Amazon LP, 职业故事, tell me about a time, 面试准备, JD 面试题预测, top 20 题。
| File | Kind | Size |
|---|---|---|
| .gitignore | other | 19 B |
| README.md | markdown | 6.1 KB |
| README.zh.md | markdown | 5.0 KB |
| SKILL.md | skill md | 7.0 KB |
| assets/bq-prep-report.md | markdown | 3.9 KB |
| assets/demo-report.html | other | 34.6 KB |
| assets/en/.gitkeep | other | 119 B |
| assets/preview.png | binary | 200.3 KB |
| assets/zh/.gitkeep | other | 103 B |
| frameworks/company-profiles.md | markdown | 2.5 KB |
| frameworks/competency-tags.md | markdown | 2.3 KB |
| frameworks/star-car.md | markdown | 1.9 KB |
| prompts/jd-driven-prep.md | markdown | 6.1 KB |
| prompts/story-mining.md | markdown | 6.7 KB |
| prompts/structuring.md | markdown | 1.5 KB |
| story-bank/_index.md | markdown | 870 B |
| story-bank/_story-template.md | markdown | 1005 B |
| story-bank/convince-team-rewrite.md | markdown | 2.2 KB |
prompts/story-mining.md
View on GitHub# Story Mining — 四层追问引擎
挖掘的目标:从一个"我没什么好讲的"的人身上,捞出 3–5 个**真实、有信号、可量化**的事件,并把其中一个挖到能直接进库。
**铁律**
- 一次只问一个问题。问 → 听 → 顺着答案追。
- 永远不替用户编。引导、追问、帮他说清楚 ≠ 杜撰内容和数字。
- 用户给的数字、影响、范围,都向他确认一遍再写进库。
- 用户卡住时,给**例子或选项**降低门槛,不要重复同一个抽象问题。
---
## 第 1 层 · 破冰层 —— 捞出候选事件
专治两种人:**"我没什么亮点"** 和 **"我做的都是平常工作"**。
不要问"你最大的成就是什么"——这是最容易让人卡住的问题。改用下面两套钩子。
### 钩子 A · 反事实提问(最好用)
> "上个季度/这个项目里,**有哪件事如果你没做、或没坚持,结果会明显变差?**"
变体(用户还卡就换一个角度问):
- "有没有一件事,**别人觉得做不成或不想碰,最后你把它推动下去了?**"
- "有没有一次,**因为你在场 / 你的判断,事情走向不一样了?**"
- "回想一下,**同事或老板私下感谢过你、或专门提过你哪件事?**"
### 钩子 B · 四象限时间锚点扫描
告诉用户:"我们不靠'想成就',靠'扫时间线'。我按四个角度各问一下,你有就说,没有就跳过。"
**一次只抛一个象限**,逐个走:
1. **项目象限** — "近一两年,你深度参与过哪个项目?随便哪个,先说名字和你的角色。"
2. **冲突象限** — "有没有一次,你和别人(同事/老板/跨团队/客户)判断不一致,最后达成了某种结果?"
3. **失败象限** — "有没有一件事没达到预期、出了岔子、或你事后会换种做法的?"(强调:失败故事在 BQ 里极其值钱,面试官想看复盘能力,不是想看完美。)
4. **领导力/主动性象限** — "有没有你没被要求、但自己发起 / 补位 / 带着别人一起做成的事?"(不限管理岗,个人贡献者也有。)
### 破冰层产出
扫完后,**复述给用户**:"我听到这几件事——①… ②… ③…。我们先挑**信号最强的一个**往深挖。你觉得哪个?或者我建议从 ___ 开始(理由)。" 让用户选定 1 个,进第 2 层。
---
## 第 2 层 · 深挖层 —— 把选定事件补全成 STAR
逐个补全四要素。**T 和 R 是大多数人最缺的,花最多力气在这两块。**
### S · Situation(背景)—— 快进,别恋战
只需让面试官听懂上下文。问:
- "一句话交代:这是什么场景?团队多大、你的角色、当时的目标或卡点是什么?"
提醒用户(也提醒自己):**Situation 占比要小**,1–2 句够了。讲太长是最常见的毛病。
### T · Task(你的任务/挑战)—— 锁定"你"的责任
关键是把"团队的事"收敛成"你的事":
- "这件事里,**具体落到你头上**的任务或难点是什么?"
- "为什么有难度?是模糊、有冲突、缺资源、时间紧、还是没人做过?"
> 追问纪律:只要用户开始说"我们……",就拉回来:"这部分**你个人**负责的是哪段?"
### A · Action(你的动作)—— 引擎所在,挖细节、挖思考
这是展示能力信号的地方。要的是**动词 + 你的判断**,不是流程描述:
- "你**第一步**做了什么?为什么是这一步?"
- "过程里**你做过哪个关键决定 / 取舍**?当时还有别的选项吗,为什么没选?"
- "遇到阻力(人/技术/资源)时,**你具体怎么处理的?**"
- 如果涉及别人:"你**怎么说服 / 协调 / 带动**他们的?"
每问出一个动作,顺手在心里标一个能力信号(见第 3 层)。挖到能看清"换个能力差的人会怎么做、而你做得不同"就够深了。
### R · Result(结果)—— 死磕量化
最值钱也最常被忽略。**没有数字的故事说服力减半。**
- "结果怎么样?**有没有数字?**(金额 / 时间 / 比例 / 人数 / 规模 / 留存…任意一个维度)"
- 用户说"提升了很多" → 追:"大概多少?跟之前比是几倍 / 百分之几?"
- 实在没有硬数字 → 退而求其次要**可信的软证据**:"有没有谁的反馈、后续被复用 / 推广、避免了什么损失?"
- **还原口径**:"这个数字是你一个人的贡献,还是团队的?面试时怎么说才既真实又突出你?"
- 补一个**反思**:"如果重来,你会改哪一步?"(领导力/成长型思维的强信号,几乎万能。)
> 所有数字写库前向用户确认一遍:**"我记成 ___,对吗?"**
---
## 第 3 层 · 打标层 —— 映射能力与公司维度
挖完 STAR,做两件事(参考 `frameworks/competency-tags.md`、`frameworks/company-profiles.md`):
1. **能力标签**:"这个故事最强的信号是 ___(如 Ownership、Conflict Resolution、Dealing with Ambiguity)。它还能侧面打 ___。" 跟用户确认。
2. **能打哪些题 / 哪些公司维度**:"所以下面这些题它都能答:'tell me about a time you…①…②…';如果你面 Amazon,它对应 LP 的 ___。"
→ 这一步让用户**直观感到一个故事的复用价值**,是体验高光点,别省略。
---
## 第 4 层 · 存进故事库
1. 读 `story-bank/_story-template.md`,按模板把这个故事写成一个文件:
`story-bank/<英文短slug>.md`(如 `convince-team-rewrite.md`)。
2. frontmatter 填全:title / tags / competencies / company_fit / metrics / framework / status。
- 刚挖完、量化齐了 → `status: structured`;用户还想再打磨措辞 → 留 `raw` 或 `structured`。
3. 正文写 **EN(面试可直接说的版本)** + **中文要点(复盘用)**。EN 控制在 60–90 秒口述长度。
4. **更新 `story-bank/_index.md`**:在反查表里把这个故事登记到对应能力标签下。
5. 告诉用户:"已存入故事库 ✅,它现在能打这些题 ___。要不要再挖下一个,还是针对某道题练一下?"
---
## 卡壳急救包
| 症状 | 处理 |
|---|---|
| "我真没什么故事" | 别追问成就,回到反事实钩子 + 四象限,从最小的日常事件切入。再不行从简历/JD 倒推。 |
| 满嘴"我们" | 每次拉回:"这段**你个人**做了什么?" |
| 没有任何数字 | 退到软证据(反馈、复用、避免损失),并标记 `metrics: 待补`,提醒用户回去查。 |
| 故事很平、没冲突 | 找"张力点":哪里有分歧、风险、取舍、时间压力?没张力的故事不值得进库。 |
| 一次给一大堆事件 | 先复述编号,让他选信号最强的 1 个深挖,其余记入"候选清单"下次再挖。 |
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 322k | Updated | Claude CodeCodex | Verified | Install |