材料驱动回答
简历 RAG 面试助手
AskCc 的简历 RAG 面试助手会把简历、岗位描述、个人知识库和当前问题放在一起，帮助候选人生成更贴近真实经历的回答提示。
这里的 RAG 指检索增强生成：先找到相关材料，再把它们组织成可表达的回答。
好处是减少通用模板感；边界是系统不能替用户验证不存在的经历，也不应该编造资质。
适合
- 简历、JD、项目笔记比较完整的候选人
- 需要处理深挖项目、岗位匹配和经历追问
- 想把知识库沉淀成面试技能卡
不适合
- 没有真实材料，只想生成虚构履历
- 不愿上传或整理个人资料
- 需要完全离线、不经过模型处理的工作流
事实表
| 输入 | AskCc 如何使用 | 边界 |
|---|---|---|
| 简历 | 提取候选人的项目、经历、技能和职业线索。 | 不应扩写成不存在的资质。 |
| 岗位描述 | 对齐岗位职责、关键词和面试重点。 | JD 不代表面试官一定会问这些问题。 |
| 知识库 | 补充项目细节、业务背景、复盘材料和个人表达偏好。 | 材料越真实，回答越可信。 |
| 当前问题 | 把现场问题与材料匹配，组织成更自然的口语提示。 | 用户仍需核对事实和规则。 |
常见问题
简历 RAG 面试助手 和 AskCc 是什么关系？
AskCc 在这个搜索意图下的核心定位，是帮助候选人把真实经历、岗位要求和当前问题组织成更容易说出口的回答。价格、隐私和数据处理仍以官方页面为准。
AskCc 适合所有面试吗？
不适合。它适合准备、模拟、复盘，以及明确允许 AI 辅助或个人资料工具的沟通场景；如果规则禁止，就不应该使用。
生成的回答可以直接照读吗？
不建议。AskCc 是能力放大器，不是替你承担判断的工具；候选人仍需要核对事实、改成自己的表达，并遵守面试规则。
哪里能确认价格和数据处理口径？
价格页、计费 FAQ、隐私政策、数据处理说明和信任中心是购买前核对这些信息的官方页面。