昨天看朋友拿 AI 准备面试，又是很有意思的经历。

她拿到了某家公司的面试邀请，于是把自己的简历和招聘启事都喂给 Chatgpt ，让它带着模拟面试，最后想让它把讨论结果存成文件导出，结果导出结果完全不是她想要的。末了，她只好自己手动一段段贴到 google docs 里。

这可能是很多朋友还在使用 AI 的方式，而这没有完全发挥出 AI 最大的潜力。

因为之前帮她装了 career-ops，也装了 claude code，我问她为什么不用它呢？

她说了几个问题：

1. career-ops 并不是开箱即用的，需要不断调试；
2. 不少 AI 工具会产生记忆，但她有时需要 out-of-box 的建议，帮她拓展思路；
3. 她以为找工作这件事不可复用，不同职位的要求不一样，所以要一一准备。

于是我看了看她的 career-ops，已经用了不少次，所以已经有一些个人数据，我问 claude，基于这些，你把这个候选人的画像讲出来。

agent 调出了 profile.md，里面详细记录了她的背景，喜好，等等。洋洋洒洒几百行。我告诉 agent，她有时需要 out-of-box 的建议，于是这条也被记录下来。然后我又让 agent 整理了 这个文件，只保留精华部分。

随后我带着她跑了一轮面试准备，效果非常惊艳。

我告诉 agent，现在有这么一个职位，链接在哪里，通过朋友得知，这家公司看重创新性思考和战略思维。我们应该如何准备？

agent 认真分析了职位要求，然后看了她白天和 ChatGPT 讨论的结果。然后自动跑去公司网站，把销售数据等等做了汇总，还根据公开信息把 org chart 画了出来。

然后告诉我们：

1. 这个职位的职能其实比我们理解得大；
2. 如果从战略思维，创新性思维的角度来看，应该如何准备；
3. 后面可能遇到的面试官以及他们的背景情况。

随后我们又拿了一个类似的职位测试，跑下来非常顺利，也能提供一些我们不曾想到的角度。

所以这就是file system + agent 的优势：

1. 你对本地文件有完全的掌控；
2. 你可以用不同的 agent 来调用这些数据，不会被 agent 绑死；
3. 你可以通过 agent.md 甚至更复杂的 harness 来调整 agent 的行为；
4. 你的数据可以被加以复用

https://t.me/dps_build/653