PhD 申请面试准备 workflow：从 PI 视角蒸馏出发，生成面试问题，支持陪练模式和分身模式，并用 D1-D5 标尺复盘准备漏洞。
本 README：写给人类，解释这是什么 / 放在 workflow 哪一步 / 怎么接入。 QUICKSTART.md：写给 AI agent，按工具安装并跑通一次面试准备。
phd-interview-flow 是 PhD 申请 5 步 workflow 的 Step 05。
Step 01 能力网络 -> Noah0025/obsidian-capability-network
Step 02 搜索 + 初评 -> Noah0025/phd-scout-flow
Step 03 深度调研 -> Noah0025/phd-intel-brief
Step 04 文书定制 -> Noah0025/phd-doc-flow
Step 05 面试准备 -> Noah0025/phd-interview-flow [当前]
各步骤独立可用，整套串联效果最好。
它做三件事：
- PI 视角：根据 PI 姓名、机构、论文、项目和招聘信息，蒸馏出 PI 可能关心什么、偏好什么方法、会怎样追问。
- 问题生成：让 PI 视角反向生成面试问题，按 Experience / Working Style / Passion / Synthesis 分类。
- D1-D5 复盘：根据真实回答或数字分身回答，判断答案是 generic 还是有独特准备，并输出 Gap Report。
两种模式共用同一个核心链路，只区别于谁来回答。
PI 材料 -> distill PI perspective -> PI perspective 生成问题 -> [谁回答] -> D1-D5 评估
| 模式 | 谁回答 | 适合什么时候 | 输出 |
|---|---|---|---|
companion 陪练 |
用户真实回答 | 低门槛、临面前练习、想逐题修正 | 逐题反馈 + prep page |
twin 分身 |
候选人的 digital twin 自动回答 | 已有能力网络，想发现准备盲区 | 完整 mock transcript + Gap Report |
对称性：同一个蒸馏引擎既用于 PI，也用于候选人。
- PI -> PI perspective：从公开论文 / 项目 / 招聘信息中推断面试官关注点。
- Candidate -> twin：从候选人的能力网络中推断可被调用的经历、表达习惯和证据素材。
twin 模式的输入源应优先来自 Step 01 的能力网络：https://github.com/Noah0025/obsidian-capability-network。没有能力网络时，workflow 会提示先构建；也可以降级到 companion 模式。
| Skill | 触发 | 输出 |
|---|---|---|
interview-perspective |
蒸馏 PI / 蒸馏候选人分身 / build perspective | pi_perspective.md 或 candidate_twin.md |
interview-mock |
面试陪练 / mock interview / twin mode | interview_prep.md + gap_report.md 或 Notion 页面 |
PhD 面试常是 committee，两个 skill 都支持多位面试官：
- 已知面试官：分 lead（主导面试节奏）+ panel（从各自专业视角补追问），各自蒸馏视角。
- 未知委员：不臆造身份，按项目领域推断 2 个最可能的学科视角，标注
(inferred, no source)。 - 题目加权：同一问题被 ≥2 位面试官问到 → 优先级 +1，准备页和练习按优先级排序——委员会共同关心的先练。
输入：lead_interviewer= + panel_members= / interviewers=（结构化列表）/ unknown_panel_count=。
详见 docs/committee_perspectives.md 与 docs/question_weighting.md。
phd-interview-flow 自带 Phase 0。原则是：有就继续深入，没有的 AI 自建。
| 入口 | 用户给的 | Phase 0 做什么 |
|---|---|---|
| A · 完整 intel.md | PI / 项目 / 岗位 / 候选人素材已整理 | 校验完整度，进入 Phase 1 |
| B · 部分材料 | PI 名字、机构、论文、项目 URL、招聘文本、CV、能力网络中的任意几项 | 补齐缺失段，标注待核验字段 |
| C · 只有 PI 名或 URL | 一个 PI 名称、实验室页、项目页或招聘公告 | 自主调研可公开信息，生成第一版 intel.md |
Phase 0 完成后必须停下，等用户回复 confirm 才进入面试准备。原因很简单：PI 视角和候选人素材一旦错，后续问题和复盘都会跟着错。
这个 repo 不依赖 Notion。
运行时 agent 应检测当前环境是否有 Notion MCP / Notion connector：
- 有：询问用户是否把 prep page 和 Gap Report 写入 Notion 结构化页面。
- 没有：自动回退为当前工作目录下的 markdown 文件。
默认 markdown 输出：
interview_prep.md
gap_report.md
pi_perspective.md
candidate_twin.md
本 repo 不内置私有题库内容，只提供通用题库模板。
| 类别 | 含义 |
|---|---|
| E · Experience | 过去研究、项目、失败、方法选择 |
| W · Working Style | 和导师协作、遇到卡点、独立推进、反馈循环 |
| P · Passion | 为什么这个方向、为什么这个 PI、长期问题意识 |
| S · Synthesis | 把经历、PI 项目和未来研究问题串起来 |
模板见 templates/question_bank_template.md。
| 分数 | 含义 |
|---|---|
| D5 | 有 earned secret：说出反直觉、具体、属于自己的洞察 |
| D4 | 具体细节明显超出 generic 答案 |
| D3 | 正确完整，但换个候选人也能说 |
| D2 | 套话为主，缺证据 |
| D1 | 零区分度 |
完整规则见 docs/d1_d5_rubric.md。
这个 workflow 沉淀的是「把 PI 情报和候选人素材转化成面试准备」的可复用流程。
它不替代：
- 你对研究方向的真实判断
- 你和 PI 的实际交流
- 面试前的人工校验
也不保证：
- 一次生成完美答案
- 数字分身能代表真实发挥
- 公开资料能完整反映 PI 的面试风格
把 QUICKSTART.md 整份交给你的 AI agent。
人类手动安装也可以按 QUICKSTART 走，约 5-10 分钟。
MIT