name: mock-interview description: 运行交互式系统设计模拟面试 - 模拟真实面试，包括问题陈述、后续问题和结构化反馈 allowed-tools: Read, Glob, Grep, Task, AskUserQuestion argument-hint: “<type: general|ml|data|staff> [problem-hint]”

模拟面试命令

此命令运行完整的交互式系统设计模拟面试，模拟真实面试体验，包括问题呈现、后续问题和结构化反馈。

目的

提供现实的面试练习，包括：

基于类型和级别的问题选择
计时面试模拟
现实的后续问题和反驳
结构化性能反馈
具体的改进建议

面试类型

类型	重点	面试官代理
`general`	经典系统设计（URL缩短器、Twitter等）	architecture-critic
`ml`	ML系统（推荐、搜索、欺诈检测）	ml-interviewer
`data`	数据系统（管道、仓库、流式处理）	data-architect
`staff`	高级别，带有强烈反驳	senior-staff-interviewer

工作流程

阶段 1: 面试设置

解析参数：

确定面试类型（默认：general）
提取任何问题提示或偏好
根据类型设置难度级别

如果需要，询问偏好：

面试设置：

1. 面试类型：
   - 通用系统设计（经典问题）
   - ML系统设计（推荐、搜索等）
   - 数据工程（管道、仓库）
   - 高级别（严格，反驳强烈）

2. 时间限制：
   - 30分钟（专注）
   - 45分钟（标准）
   - 60分钟（全面）

3. 问题偏好：
   - 给我惊喜（推荐）
   - 特定领域：[电子商务、社交、金融科技等]

阶段 2: 问题呈现

根据类型选择和呈现问题：

对于 general：

问题示例：
- 设计一个像bit.ly的URL缩短服务
- 为API设计一个速率限制器
- 设计一个分布式缓存系统
- 设计一个通知服务
- 设计一个像Dropbox的文件共享服务

对于 ml：

问题示例：
- 设计一个内容推荐系统
- 设计一个搜索排名系统
- 设计一个欺诈检测系统
- 设计一个基于RAG的聊天机器人
- 设计一个LLM服务基础设施

对于 data：

问题示例：
- 设计一个实时分析管道
- 为电子商务公司设计一个数据仓库
- 设计一个事件溯源系统
- 设计一个变更数据捕获系统
- 设计一个特征存储

对于 staff：

问题示例：
- 设计一个支付处理系统（$1000亿规模）
- 设计一个全球社交媒体Feed
- 设计一个多区域数据库系统
- 设计一个实时竞价系统
- 设计一个分布式事务协调器

呈现问题：

═══════════════════════════════════════════════════════════════
                    系统设计面试
═══════════════════════════════════════════════════════════════

问题：[问题陈述]

[1-2段带有要求和上下文]

约束：
- [关键约束1]
- [关键约束2]
- [如果适用，规模指示]

您有[X]分钟。您可以问澄清问题。
准备好后，通过收集需求开始。

═══════════════════════════════════════════════════════════════

阶段 3: 生成面试官代理

基于面试类型，生成适当的代理：

general → 在面试官模式下生成 architecture-critic 代理
ml → 生成 ml-interviewer 代理
data → 在面试官模式下生成 data-architect 代理
staff → 生成 senior-staff-interviewer 代理

代理指令：

为以下问题进行系统设计面试：

[问题陈述]

面试参数：
- 时长：[X]分钟
- 级别：[类型/级别]
- 模式：交互式面试

面试阶段：
1. 需求（5分钟） - 让候选人问澄清问题
2. 高级设计（10分钟） - 评估系统组件
3. 深度探讨（15分钟） - 深入探讨2-3个组件
4. 权衡（5分钟） - 讨论替代方案和演进

面试期间：
- 对表面答案进行反驳
- 问后续问题
- 模拟现实时间压力
- 注意优点和改进领域

最后，提供结构化反馈。

阶段 4: 面试执行

面试官代理进行面试：

整个面试期间：

当候选人驱动时，呈现澄清问题
最初提供不完整信息
在有趣领域深入探讨
挑战假设
跟踪时间并给出更新
记录关键决策和推理

示例交互：

面试官：“关于需求，您有什么问题？”

[澄清问题后]

面试官：“好问题。让我们从您的高级设计开始。
您将如何着手这个系统？”

[高级设计后]

面试官：“有趣的选择，使用[组件]。让我们深入探讨。
您将如何处理[特定场景]？”

[探讨]

面试官：“当[故障场景]发生时，会发生什么？”
面试官：“这如何扩展到10倍负载？”
面试官：“为什么选择X而不是Y？”

阶段 5: 反馈交付

面试后，提供结构化反馈：

═══════════════════════════════════════════════════════════════
                    面试反馈
═══════════════════════════════════════════════════════════════

## 总体评估

评级：[强烈推荐雇佣 / 推荐雇佣 / 倾向雇佣 / 不推荐雇佣]
级别：[适合：初级 / 中级 / 高级 / 高级别]

## 优点

1. [优点1，带有具体示例]
2. [优点2，带有具体示例]
3. [优点3，带有具体示例]

## 改进领域

1. [领域1，带有具体建议]
2. [领域2，带有具体建议]
3. [领域3，带有具体建议]

## 组件覆盖

| 组件 | 覆盖 | 深度 |
|-----------|----------|-------|
| [组件1] | [好/部分/缺失] | [浅/适当/深] |
| [组件2] | [好/部分/缺失] | [浅/适当/深] |

## 关键时刻

✓ 好：[积极时刻]
✓ 好：[积极时刻]
✗ 错过：[错失机会]
✗ 错过：[错失机会]

## 练习建议

1. [具体学习主题]
2. [需要发展的技能]
3. [练习的模式]

## 资源

- [相关技能加载]
- [相关练习问题]

═══════════════════════════════════════════════════════════════

使用示例

# 通用系统设计面试
/sd:mock-interview general

# ML重点面试
/sd:mock-interview ml

# 数据工程面试
/sd:mock-interview data

# 高级别严格面试
/sd:mock-interview staff

# 特定领域偏好
/sd:mock-interview general e-commerce

# ML面试，带有特定焦点
/sd:mock-interview ml "推荐系统"

面试最佳实践（对于候选人）

命令将在开始时分享这些：

面试提示：

1. 以澄清问题开始
   - 不要跳转到解决方案
   - 理解要求和约束

2. 结构化您的方法
   - 从高级开始，然后深入
   - 使用图表（清晰描述它们）

3. 大声思考
   - 分享您的推理
   - 边走边讨论权衡

4. 管理时间
   - 不要在一个区域花费太长时间
   - 在深度之前覆盖广度

5. 承认不确定性
   - 说“我需要研究X”是可以的
   - 比错误猜测更好

输出

命令产生：

交互式面试 - 现实面试模拟
结构化反馈 - 详细性能评估
练习建议 - 具体后续步骤

系统设计模拟面试Skill mock-interview