技术面试模拟：面试官、观察员与结构化复盘

场景

典型场景：技术面试官拿到一份简历、一段候选人写的代码和岗位 JD，要在有限时间里问出真实水平。常见的问题是题目和候选人材料对不上，追问全凭临场记忆，面完再回想哪些点答得虚、哪些维度没覆盖；复盘结论写成一段散文，不同面试官之间没法对照。

这个示例演示的是在 runTeam() / runTasks() 之外手动编排三个 Agent：面试官用 Agent.prompt() 保留多轮会话，观察员每轮用 Agent.run() 无状态地重读共享记忆摘要，两者通过一份手动写入的 SharedMemory 交换信息；人的回答由应用层的 readline 接入，框架只负责模型调用和结构化输出。

方案

表中模型为示例仓库的默认配置；实际选型在方案阶段按场景确定。

三个 Agent 由脚本里的 buildAgent() 各配一个空的 ToolRegistry，流程只做模型调用。开场前脚本把 resume.md、project-notes.md、code.ts、job-description.md 四份材料写进 SharedMemory；每轮问答以 turn-N 写入，观察员提示以 observer/flags 写入并在下一轮覆盖。

面试官和观察员的输入都来自 SharedMemory.getSummary()：它按 Agent 分组列出每条记忆，单条超过 200 字符时截断为前 197 字符加省略号。面试官的 prompt() 另外把本轮之前的所有问答留在自己的会话历史里，复盘 Agent 只看到这份摘要。

复盘 Agent 配了 outputSchema（DebriefSchema）：questions_asked、weak_spots、strong_spots，以及 strong-hire 到 no-hire 五档的 recommendation。框架先从输出里抽取 JSON 做 Zod 校验，第一次不通过会带上错误信息重试一次（src/agent/agent.ts 的 validateStructuredOutput）。

结果

可运行产物与验证方式：

需要 API key。脚本头部写明前置条件是 ANTHROPIC_API_KEY，缺失时打印 [skip] 并以退出码 0 结束；运行命令 npx tsx packages/core/examples/cookbook/personalized-interview-simulator.ts。设置 INTERVIEW_CANDIDATE_DIR 可换成自己的一套材料，目录里放同名的四个文件。

每轮终端先打印 INTERVIEWER 下的问题，再出现 Candidate > 等待输入；输入 exit 或 quit 提前结束，否则问满 10 轮。结束后打印 DEBRIEF 下的 JSON 复盘和 Turns completed 计数，最后打印 Done.。

面试官或观察员调用失败、复盘没有产出通过校验的结构化结果时，脚本打印对应的 failed 信息并以退出码 1 结束。

2026-09-23 在 commit 2f1d0ff 上实测：用驱动脚本在每个 Candidate > 后依次写入 3 条预设英文回答，第 4 轮输入 exit。面试官开场即围绕 fixtures 里 approveExpense 的并发审批与重试追问，后续问题接住回答里提到的 Postgres 唯一约束和 SELECT ... FOR UPDATE；复盘 JSON 通过校验，recommendation 为 lean-no-hire，打印 Turns completed: 3，退出码 0。这一轮每条问答记录都超过 200 字符，摘要里的回答部分被截掉，复盘的 summary 写明未捕获到候选人回答。这次实测把示例里提交的 anthropic / claude-sonnet-4-6 换成 DeepSeek 的 deepseek-flash 运行，其余逻辑照原样。

示例用的是虚构候选人材料（fixtures/interview-candidate 里的简历、项目笔记、报销审批接口代码和后端岗位 JD），产出是模型生成的文本，供演示与验证流程使用。

出处

与元定义的关系

本页素材是 open-multi-agent 官方仓库里的 cookbook 示例，由元定义维护。

如果你手上有一条真实的面试或评估流程，要让提问贴合候选人材料和岗位要求，把追问提示和复盘结论写成结构化记录，并接进你自己的招聘系统，元定义对应的服务是 AI Agent 定制开发 →