OpenClaw Interviewer

面向 OpenClaw 的双 lane AI 面试编排 skill。

它不是一个“让模型自己猜下一步”的 prompt 集合，而是一个有明确入口、明确边界、明确工作流、明确落盘产物的工程化项目。

1) 项目是什么

openclaw-interviewer 用来承接一个完整的 AI 面试场景，分成两条严格隔离的 lane：

admin lane：给管理员/面试运营使用，负责候选人管理、JD 管理、知识库准备、简历解析、题库生成、初始化、排障。
candidate lane：给候选人使用，负责身份核验、面试开始、逐轮问答、追问、案例题、最终收尾。

这个项目解决的核心问题是：

让 OpenClaw 知道“现在应该走哪条 lane、调用哪个入口”。
让面试流程不依赖临场发挥，而是走固定 workflow。
让所有副作用都有结构化落盘，便于复盘、排障和审计。
让候选人可见内容与内部评估逻辑彻底分离。

它能做什么：

维护候选人列表，支持新增、更新、批量修改、批量删除、刷新。
维护 JD 注册表，并为岗位生成领域知识和题库。
解析简历，生成候选人画像和候选人题目。
初始化候选人，把 JD、简历、题库、timer 等衍生数据补齐到 ready 状态。
启动真实面试会话，按顺序发题、收回答、评分、决定是否追问。
在常规问题后生成综合案例题，并在结束时写入面试记录、评分记录、事件日志、审计日志。

如果命令使用不清楚，先看：

./setup
openclaw-interviewer doctor
openclaw-interviewer admin candidate-list
openclaw-interviewer interview identify --help
openclaw-interviewer harness --help

2) 为什么这样设计

这个项目刻意采用“双 lane + 单入口 + 本地落盘”的设计，而不是把所有行为揉成一个大 agent，原因很直接：

候选人对话和管理员维护是两种完全不同的权限域，必须隔离。
面试过程需要稳定执行，不能靠模型随手猜命令、猜目录、猜状态。
面试是可追责流程，需要保留结构化记录，而不是只保留聊天上下文。
JD、简历、题库、评分、案例题都属于可复用资产，应该沉淀到本地存储层。

设计原则：

单一命令入口：统一使用 openclaw-interviewer ...
单一根目录真相：执行前先确认 skill root
双 lane 隔离：admin 不能冒充 candidate，candidate 不能越权访问 admin
workflow 驱动：初始化、开场、轮次、案例、收尾都由 workflow 声明控制
可审计副作用：所有关键产物落到 .rag/ 与 .workspace/

3) 整体架构

执行路径：

flowchart TD
    A["Admin / Candidate / OpenClaw Agent"] --> B["openclaw-interviewer CLI"]
    B --> C{"lane"}
    C -->|"admin"| D["openclaw.admin.* endpoints"]
    C -->|"candidate"| E["openclaw.interview.* endpoints"]
    D --> F["OpenClawAdapter"]
    E --> F
    F --> G["WorkflowRunner"]
    G --> H["CapabilityRegistry"]
    H --> I["LocalCapabilities / Retrieval / Security"]
    I --> J[".rag + .workspace storage"]

面试主流程：

flowchart LR
    A["candidate identify"] --> B["interview begin"]
    B --> C["build initial queue"]
    C --> D["next question"]
    D --> E["candidate reply"]
    E --> F["score + followup decision"]
    F -->|"need followup"| D
    F -->|"normal queue done"| G["case generate"]
    G --> H["case question reply"]
    H --> I["finish interview"]
    I --> J["write records / scores / logs"]

管理员初始化流程：

flowchart LR
    A["upsert candidate"] --> B["ensure JD"]
    B --> C["generate domain knowledge"]
    C --> D["parse resume"]
    D --> E["generate question bank"]
    E --> F["ensure timer"]
    F --> G["mark ready"]

4) 两条 Lane 的边界

`admin` lane

负责：

候选人列表与生命周期管理
JD 注册与更新
领域知识生成
简历解析
题库生成
检查 retrieval / capability / config 健康度
harness、doctor、运营排障

允许命令前缀：

openclaw-interviewer admin
openclaw-interviewer doctor
openclaw-interviewer harness
./setup 仅用于首次 bootstrap 或统一入口修复

`candidate` lane

负责：

身份识别
面试开始
当前状态查看
获取下一题
提交原始回答
生成案例题
正常结束面试

允许命令前缀：

openclaw-interviewer interview

为什么必须隔离

候选人不应该看到评分、审计、知识库、调试信息。
管理员操作不能替代真实候选人作答流程。
面试中的 candidate_message 必须保留原文，不能被 agent 改写、总结或代答。

5) 统一入口与 Bootstrap

skill root 如何识别

只有同时包含以下文件的目录，才是可执行的 skill 根目录：

SKILL.md
ENTRYPOINT.json
setup
openclaw-interviewer
config.yaml

如果当前目录不同时包含这五个文件，就不要在那个目录里直接执行命令。

第一次怎么启动

./setup
openclaw-interviewer doctor

setup 会做这些事情：

使用 uv venv .venv 创建项目虚拟环境
修复或重建统一入口 ./openclaw-interviewer
创建 bin/admin、bin/interview、bin/doctor、bin/harness 兼容入口
初始化 .rag/ 与 .workspace/ 目录结构
同步 .agent/admin/*.md 和 .agent/candidate/*.md 到 OpenClaw workspace
尝试注册两个 OpenClaw agent：
- openclaw-interviewer
- openclaw-interviewer-admin
最后自动跑一次 openclaw-interviewer doctor

Bootstrap 完成后，后续都统一写成：

openclaw-interviewer ...

不要再手写 Python module 命令，不要猜绝对路径，也不要把 bin/* 当成人类主入口。

6) 典型使用方式

6.1 管理员视角

先看当前候选人和基础健康状态：

openclaw-interviewer admin capabilities-list
openclaw-interviewer admin retrieval-inspect
openclaw-interviewer admin candidate-list

新增一个候选人并自动初始化：

openclaw-interviewer admin candidate-upsert \
  --candidate-id C2026008 \
  --name 赵六 \
  --role "Python后端工程师" \
  --jd-text "负责 Django 后端开发、接口设计、性能优化。" \
  --resume-file zhaoliu_resume.pdf \
  --scheduled-at 2026-04-06T14:00:00+08:00

如果只想维护 JD：

openclaw-interviewer admin jd-list
openclaw-interviewer admin jd-upsert \
  --jd-role "Python后端工程师" \
  --jd-text "负责 Django 后端开发、接口设计、性能优化。"

如果想从自然语言材料中抽取候选人信息：

openclaw-interviewer admin candidate-add-from-dialog \
  --dialog-file ./candidate_dialog.txt \
  --resume-file zhaoliu_resume.pdf

6.2 候选人视角

先识别身份：

openclaw-interviewer interview identify \
  --candidate-name 张三 \
  --candidate-id C2026001

开始面试：

openclaw-interviewer interview begin --session-id <session_id>

获取下一题并提交回答：

openclaw-interviewer interview next --session-id <session_id>
openclaw-interviewer interview reply \
  --session-id <session_id> \
  --candidate-message "这里放候选人的原始回答"

收尾：

openclaw-interviewer interview finish --session-id <session_id>

7) 核心工作流

项目当前使用 Lobster 风格 workflow 声明文件，由本地 runner 执行：

workflows/candidate_init.lobster.yaml
- 候选人初始化链，负责知识库、简历 profile、题库、timer、ready 状态
workflows/admin_ops.lobster.yaml
- 管理员维护链，负责 list、add、bulk update、bulk remove、refresh、inspect
workflows/interview_start.lobster.yaml
- 身份识别成功后的开场和初始题目队列构建
workflows/interview_round.lobster.yaml
- 单轮问答、评分、追问决策、切题
workflows/interview_case.lobster.yaml
- 常规题完成后的综合案例题生成
workflows/interview_finalize.lobster.yaml
- 最终汇总、记录写入、流程结束

这意味着 README 里看到的“流程图”不是文案包装，而是和仓库里的 workflow 文件一一对应的。

8) 主要工具与模块

命令工具

setup
- 项目 bootstrap、修复入口、准备目录、注册 agent
openclaw-interviewer
- 唯一对外统一命令入口
openclaw-interviewer doctor
- 健康检查
openclaw-interviewer harness
- 场景化 smoke / replay / 安全探测

内部模块

interviewer/api/adapter.py
- 将 openclaw.admin.* / openclaw.interview.* endpoint 分发到 runner
interviewer/workflow/runner.py
- 核心编排层，组织 workflow、状态推进和副作用写入
interviewer/capabilities/
- 本地能力集合，包括候选人、JD、简历、题库、评分、案例、retrieval 等
interviewer/storage/store.py
- 本地结构化存储层，负责 .rag/ 和 .workspace/ 的 JSON/JSONL 落盘
interviewer/core/
- 通信文案、运行时模型、安全策略等基础设施
interviewer/harness.py
- 场景测试和回放工具

配置与入口声明

config.yaml
- subagent、路径、默认题量、追问次数、时长等配置
SKILL.md
- OpenClaw-facing 契约
ENTRYPOINT.json
- 统一入口与 lane 命令边界的机器可读真相文件

9) 数据与产物落在哪里

`.rag/`

主要放“知识和素材资产”：

.rag/jd/
.rag/domain/
.rag/domain_question_bank/
.rag/resume/data/
.rag/candidates/
.rag/retrieval/

`.workspace/`

主要放“运行时和结果”：

.workspace/runtime/
.workspace/interviews/
.workspace/scores/
.workspace/timers/
.workspace/logs/

换句话说：

.rag/ 更像可复用的面试资料层
.workspace/ 更像一次次面试运行产生的状态和记录层

10) 目录结构

openclaw_interviewer/
├── README.md
├── SKILL.md
├── ENTRYPOINT.json
├── config.yaml
├── setup
├── openclaw-interviewer
├── bin/
├── docs/
├── workflows/
└── interviewer/
    ├── api/
    ├── capabilities/
    ├── config/
    ├── core/
    ├── storage/
    ├── subagents/
    └── workflow/

如果从阅读顺序来建议：

先看 README.md
再看 SKILL.md
然后看 ENTRYPOINT.json
接着看 docs/WORKFLOWS.md 和 docs/COMMANDS.md
最后再读 interviewer/ 下的实现

11) 常用命令速查

健康检查 / 调试

./setup
openclaw-interviewer doctor
openclaw-interviewer harness --scenario admin_ops
openclaw-interviewer harness --scenario full_interview
openclaw-interviewer harness --scenario security_probe

Admin lane

openclaw-interviewer admin config-show
openclaw-interviewer admin capabilities-list
openclaw-interviewer admin retrieval-inspect
openclaw-interviewer admin jd-list
openclaw-interviewer admin jd-upsert --jd-role "<role>" --jd-text "<jd_text>"
openclaw-interviewer admin candidate-list
openclaw-interviewer admin candidate-upsert ...
openclaw-interviewer admin candidate-add-from-dialog --dialog-file <path> --resume-file <file>
openclaw-interviewer admin candidate-bulk-update --indices 1 2 3 --scheduled-at <iso8601>
openclaw-interviewer admin candidate-bulk-remove --indices 1 2 3
openclaw-interviewer admin candidate-refresh --candidate-id <id>
openclaw-interviewer admin candidate-initialize

Candidate lane

openclaw-interviewer interview identify ...
openclaw-interviewer interview begin --session-id <session_id>
openclaw-interviewer interview status --session-id <session_id>
openclaw-interviewer interview next --session-id <session_id>
openclaw-interviewer interview reply --session-id <session_id> --candidate-message "<text>"
openclaw-interviewer interview case-generate --session-id <session_id>
openclaw-interviewer interview finish --session-id <session_id>

12) Admin 输入约束

新增候选人前，管理员必须准备好这些字段：

candidate_id
candidate_name
interview_role
jd_id，或者一整份 jd_name / jd_role / jd_text
scheduled_at
resume_file 的真实可读路径

不要做这些事情：

不要伪造 JD
不要创建空简历或占位简历
不要为了补参数，在 skill 目录里临时新建 *.jd.md

如果信息不完整，正确做法是继续向管理员追问，而不是“先糊一个能跑的版本”。

13) 测试与验证

推荐验证顺序：

./setup
openclaw-interviewer doctor
openclaw-interviewer admin capabilities-list
openclaw-interviewer admin retrieval-inspect
openclaw-interviewer harness --scenario admin_ops
openclaw-interviewer harness --scenario full_interview
openclaw-interviewer harness --scenario security_probe

如果仓库内补齐了 tests/，还可以继续跑：

python3 -m unittest discover -s tests -v

Harness 输出一般会包含：

traces
step_traces
transcript
final_record
status
errors

14) 相关文档

15) 一句话总结

如果要把这个项目用一句话说清楚：

它是一个给 OpenClaw 使用的、带双 lane 权限边界的 AI 面试执行系统，负责把“候选人管理、知识准备、面试编排、追问评分、案例题、结果落盘”整合到同一个统一入口 openclaw-interviewer 之下。

Navigation Menu

Repository files navigation

OpenClaw Interviewer

1) 项目是什么

2) 为什么这样设计

3) 整体架构

4) 两条 Lane 的边界

`admin` lane

`candidate` lane

为什么必须隔离

5) 统一入口与 Bootstrap

skill root 如何识别

第一次怎么启动

6) 典型使用方式

6.1 管理员视角

6.2 候选人视角

7) 核心工作流

8) 主要工具与模块

命令工具

内部模块

配置与入口声明

9) 数据与产物落在哪里

`.rag/`

`.workspace/`

10) 目录结构

11) 常用命令速查

健康检查 / 调试

Admin lane

Candidate lane

12) Admin 输入约束

13) 测试与验证

14) 相关文档

15) 一句话总结

About

Releases

Packages

Contributors

Languages

Name		Name	Last commit message	Last commit date
.agent		.agent
bin		bin
docs		docs
interviewer		interviewer
workflows		workflows
.gitignore		.gitignore
ENTRYPOINT.json		ENTRYPOINT.json
LICENSE		LICENSE
README.md		README.md
SKILL.md		SKILL.md
config.yaml		config.yaml
openclaw-interviewer		openclaw-interviewer
pyproject.toml		pyproject.toml
setup		setup

Latest commit

History

Folders and files

Repository files navigation

OpenClaw Interviewer

1) 项目是什么

2) 为什么这样设计

3) 整体架构

4) 两条 Lane 的边界

admin lane

candidate lane

为什么必须隔离

5) 统一入口与 Bootstrap

skill root 如何识别

第一次怎么启动

6) 典型使用方式

6.1 管理员视角

6.2 候选人视角

7) 核心工作流

8) 主要工具与模块

命令工具

内部模块

配置与入口声明

9) 数据与产物落在哪里

.rag/

.workspace/

10) 目录结构

11) 常用命令速查

健康检查 / 调试

Admin lane

Candidate lane

12) Admin 输入约束

13) 测试与验证

14) 相关文档

15) 一句话总结

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

`admin` lane

`candidate` lane

`.rag/`

`.workspace/`