一句话总结
距离行为面试还有一周，要准备 8-10 个主题的答案，外加追问——大多数人其实是在追问环节翻车的。AI 在这里只擅长一件事：把你的真实项目整理成结构化的 STAR 草稿，并预测追问。它不擅长”交付”——念出来这一步永远靠你自己。用文本模型（Claude、ChatGPT 或 Gemini）打草稿，然后念出声练，最好对着语音工具练。免费档就够用：ChatGPT 和 Gemini 都有免费档，Claude 免费档跑 Sonnet 4.6。整套准备 7 天能搞定。
任务场景
一周后有一轮行为面试。你需要 8-10 个常考主题的答案，还要会处理追问——而追问恰恰是大多数候选人真正失分的地方。
什么时候该让 AI 来做
- 你有 5 个真实项目能详细描述。STAR 编不出你没经历过的事，而面试官追问的恰恰是模型只能瞎编的那些细节。
- 你愿意念出声练，而不是在屏幕上读 AI 的草稿。写出来的节奏和说出来的不一样：一段读着干净的 200 字草稿，口头讲常常要三分钟。
- 面试官是人。AI 负责草稿和彩排；交付和判断力是你的事。
需要先给 AI 的信息
- 你的 Top 5 项目 + 简短背景：上线了什么、你的具体角色、可量化的结果。
- 目标角色和级别（L4 和 L6 对”领导力”的要求不一样）。
- 你最难的 3 个主题。
- 面试官的 title。管理岗面试官问领导力、招人、分歧处理；IC 岗面试官问 scope、工艺、技术判断。
- 如果公司公开了领导力原则，把名称给它。比如亚马逊的面试 loop 会给每位面试官分配 2-3 条它的 16 条领导力原则，而行为轮的权重和技术轮相同（亚马逊面试 loop 说明）。
可直接复制的 Prompt
粘进任何当前模型，把方括号里的占位符换成你自己的信息。
我面 [公司] 的 [role] 行为轮。面试官是 [title]。
我的项目：
[粘贴 5 个项目，每个 2-3 句：上线了什么、我的角色、结果]
请为以下每个主题——冲突、失败、模糊、领导、学习、跨职能、优先级、
应对需求变更——从我的列表里挑最合适的项目，按 STAR 结构写（<= 200 字），
并预测 3 个可能的追问：一个战术、一个判断力测试、一个"换你会怎么不一样"。
规则：
- Action 必须是最长的部分。Situation 和 Task 各最多两句。
- 每个 Result 都要有数字。如果我没给，就问我要。
- 标出我同一个项目用了 1 个以上主题的——别复用。“Action 必须是最长的部分”这条规则很关键，因为 STAR 最常见的失败就是把 Situation 讲得太多、把你实际做了什么讲得太少。
哪一步用哪个 AI 工具
打草稿是文本活；彩排是语音活。两者不必用同一个工具。
| 工具 | 最擅长 | 免费档 | 付费（截至 2026 年 6 月） | 备注 |
|---|---|---|---|---|
| Claude（Sonnet 4.6 / Opus 4.7） | 打故事库草稿、精简文字 | 有，Sonnet 4.6 有限额 | Pro 20 美元/月（年付 17） | 擅长写简洁、不套路的 STAR 草稿 |
| ChatGPT（GPT-5.5） | 打草稿 + 用高级语音做口头 mock | 有（每日额度紧；美区免费档带广告） | Plus 20 美元/月 | 高级语音能来回追问 |
| Gemini 3.1 Pro | 打草稿；长 JD + 转写上下文 | 有 | Google AI Pro 19.99 美元/月 | 100 万 token 上下文塞得下长 JD 加全部 5 个项目 |
| Yoodli | 交付训练（口头禅、语速、眼神） | 终身 5 次 | Pro 8 美元/月、Advanced 20 美元/月（年付） | 专做口语教练，不是内容工具 |
对大多数人来说，最省钱又管用的组合就是全免费：用 Claude 或 Gemini 打草稿，用 ChatGPT 高级语音练口头答案（免费档每天有一小段预览额度），再用手机录下自己。只有当你的弱项是交付而不是内容时，才值得上 Yoodli 这类付费教练。语音练习的具体配置见我们的模拟面试 AI指南。
输出示例
主题：失败 → 项目 C
情境：2025 Q2，负责把订单服务从老 vendor 迁到内部基建；8 周时间，4 名工程师跨 2 个团队。
任务：主导迁移测试方案，按 feature flag 灰度发布。
行动：做了分阶段计划，但跳过了 staging 的合成流量测试，理由是”单元测试已经覆盖了”。首批 5% 灰度悄悄丢了 12% 的订单，持续 6 小时。
结果：on-call 告警后 20 分钟回滚。复盘指出缺合成流量这道闸；加进上线 checklist 后接下来 3 次迁移都零事故。
可能追问：
- 你是怎么发现的——on-call、客户、还是指标？
- 如果重做一次，你会怎么不一样？
- 上线前有没有人反对省掉这个测试，你当时怎么处理？
注意 Action 承载了重点，Result 带了数字。这就是每条草稿都要达到的标准。
逐日计划（1 周 → 面试）
- 7 天前： AI 根据你的项目生成 8 主题故事库。
- 6 天前： 每条 STAR 念一遍；口头超过 2 分钟就砍。
- 5 天前： 挑最难的 3 个，不用 AI 手写一遍。这一步最能暴露弱点——如果你凭记忆写不出来，说明这个故事还不属于你。
- 4 天前： 为最难的 3 个预测追问，每个追问写 1 句答案。
- 3 天前： 找朋友做一次完整 mock，或用 ChatGPT 高级语音，全程录下来。
- 2 天前： 1.5 倍速看录像——听口头禅、含糊的开头。
- 1 天前： 每条 STAR 再读一遍，然后停。练过头会显得在背稿。
- 当天： 只看每个故事的标题。Situation / Task / Action / Result 已经在脑子里了。
怎么处理追问
面试官用追问测三件事：判断力、自我觉察、深度。AI 能预测可能的追问，但抓不住现场冒出来的，所以要练的是套路，而不是背答案。
判断力追问
“换你会怎么不一样？“——别说”没有”。别说”多测一点”，太泛。点名你会重审的一个具体决策点、当时为什么那样选、什么新信息会让你改主意。
深度追问
“再说说这个决策。“——他要的是实现细节。每条 STAR 留一个你故意没塞进 200 字版本的技术或流程细节，随时可以抛出来。
判断力测试追问
“如果你 manager 让你直接上呢？“——他在测你会不会 push back。准备两句话：你会怎么提出担忧，被否决之后你会怎么办——通常是写下风险、上线、记录在案。
怎么改 AI 的输出
- AI 给的 STAR 太泛（“团队提升了性能”）——硬要求：“点名系统、点名前后数字、点名我个人的贡献 vs 团队的贡献。”
- 全部故事来自同一个项目——“8 个主题用 5 个不同项目。如果复用，标出来。”
- STAR 听着像背稿——“把这段重写成像我午饭时讲给朋友听的样子，我再把结构加回去。”
- 答案口头讲要 4 分钟——“正常语速压到 90-120 秒。砍掉背景；第 3 句就要进入 Action。“
容易踩的坑
- 一个项目讲 3 个主题。同一个 loop 里的面试官之间会对笔记，能看出来。
- STAR 没量化结果。“用户更满意”没数字就被忘了。
- 跳过追问准备。STAR 强 + 追问弱，会输给 STAR 弱 + 追问强。
- 面试时低头看笔记。视频面试官也能看到你眼神飘出画面。
- 一字一句背下来。题面措辞略变就崩；结构记忆才扛得住。
- 只挑成功故事。每轮都有”失败”题——提前备一个。
FAQ
- 到底准备几个故事？ 5-7 个稳定故事，每个灵活到能映射 2-3 个主题。对于亚马逊这种公开了原则的公司，按你预计会被测的每条原则准备约 2 个故事，但都从同一批 5-7 个基础项目里取材。准备 12 个以上独立故事就是过准备；临场想不起来。
- 该用哪个 AI 打草稿？ 任何当前模型都行。Claude Sonnet 4.6 和 Gemini 3.1 Pro 都有免费档、都能写简洁的 STAR 草稿；ChatGPT 因为有高级语音，做口头 mock 最方便。在试过免费档之前，别急着付费。
- 如果被问到没准备的主题怎么办？ 买 5 秒：“让我想一个合适的例子。“然后挑最接近的故事，第一句先搭桥：“这严格来说不算 conflict，但里面有一次跟 PM 的硬分歧。”
- 要不要在答案里引用公司领导力原则？ 如果公司公开了（亚马逊、Stripe）就引用。点名一次就够；别每句都塞。
- AI 能当面试官做 mock 吗？ 能。给它 JD，让它一次问一个题，等你说完答案，再追问。ChatGPT 高级语音能实时做这件事。但不要让它打分——判断力是人的活儿。
- 免费档练习量够吗？ 打草稿绰绰有余。语音方面，ChatGPT 免费高级语音每天的预览时间较短，所以把语音 mock 分成几次专注的练习，别想一次练完；或者在最后一周买一个月 Plus（20 美元）。