行为面试问题各家公司高度重叠。同样的十个主题在 Amazon 的 Leadership Principle 轮、Google 的 Googleyness 轮和大多数 FAANG 类流程里反复出现——而考生丢分的方式也年年雷同：一个故事拉去答三道题、动词主语全是”团队”、Result 里没有具体数字。下面这 12 个 Prompt 按主题生成 STAR 草稿、按你真正会被问到的话压一压，并强制用”我”而不是”我们”。草稿成型后，配合 模拟面试 Prompt 演练，免得交付时一听就是背的。
一句话总结
- 行为面本质是高压下的记忆调取。先搭一个 6–8 个强故事的故事库，再把每个故事映射到多个主题——不要每道题都现写一版。
- 每个 Result 都要带 硬数字。“后来挺好的”得零分；“把 p95 延迟砍了 300ms，转化提升 4%“才得分。实在没法量化就用代理指标（省下的工时、缩小的 scope、采用率）。
- Amazon 这边，预期 每轮 2 道行为题、每题约 25 分钟，整个流程 4–5 轮（共 8–10 道题）。Bar Raiser 会盯着一个故事深挖 10–15 分钟。
- 工具选择（截至 2026 年 6 月）：想一次粘贴完整简历加几份 JD、并拿到更尖锐更挑刺的反馈，选 Claude Opus 4.7 / Sonnet 4.6（100 万 token 上下文）；想要更紧凑、更以数字为先的 STAR 草稿，选 ChatGPT GPT-5.5。两者都行，很多人两个都用。
这套 Prompt 适合用在哪
- 终面行为面准备
- Amazon Leadership Principle / Google Googleyness 轮
- Leadership / Manager 面
- 内部晋升 / 升级面
- 转行行为面预备
怎么用这些 Prompt
先把简历和 2–3 份目标 JD 一起粘进同一个对话，再在这个线程里跑 Prompt，让模型锚定在 你 的背景上。Claude 的 100 万 token 窗口（Opus 4.7 与 Sonnet 4.6，截至 2026 年 6 月为标配）能轻松装下整份简历加多份 JD；ChatGPT Plus 上的 GPT-5.5 应用内约能容纳 320 页，做这件事绰绰有余。发送前把每个 [方括号] 占位替换成你自己的内容。
1. “与经理意见不合”
为"和经理意见不合"生成 3 版 STAR 答案。
展现：尊重的分歧、数据胜过观点、建设性收尾。每条 ≤200 字。
每条结尾给最可能被追问的那一个 follow-up。2. “犯过的错怎么处理”
我的一个错：[描述]。请写 STAR：承担、修复、预防。
≤200 字。结尾 1 句说工作方式变了什么。3. “最有挑战的项目”
我最有挑战的项目：[描述]。请写 STAR，强调挑战类型（技术 / 跨部门 / scope / 时间），
以及对 *我* 而言为什么难。4. “收到批评反馈”
我收到的反馈：[paraphrase]。请写 STAR：怎么接受、改了什么、有什么证据证明确实改了。5. “没人让你做你主动做了”
我在 [项目] 主动行动。请写 STAR：怎么注意到缺口、为什么没等许可、可量化的结果。6. “和难相处队友合作”
我和 [难相处队友描述] 合作。请写 STAR，聚焦我改了什么，不是对方改了什么。不要怨气。7. “讲一个失败”
从我的背景里挑 3 种不同类型的失败（[粘贴 5 个项目]）。
每个挑对失败类型（判断 / 执行 / scope），写 STAR，并带一个真实的教训。8. “最自豪的事”
我最自豪：[描述]。请写 STAR。不要凡尔赛——先说为什么重要（业务影响），不是 title。9. “为什么离开现在的工作”
我的情况：[context]。请写 3 个诚实、专业的回答（每条 ≤80 字）。
语气：成长导向 / 机会导向 / 使命对齐。10. 为某岗位生成可能的行为题
给定这份 JD：[粘贴]，请生成 15 个可能被问的行为题，按主题分类，标出 Top 5 先准备。11. 故事库覆盖图
下面是我最强的 8 个故事：[粘贴 1 行摘要]。请把每个映射到它能答的行为主题
（分歧、失败、主动性、模糊性、无授权领导、说服、scope 砍、客户至上）。
标出 0 覆盖的主题，并提议我应该从过去经历里挖哪一段。12. Amazon Leadership Principle 适配
针对 Amazon LP [选一条——Ownership / Bias for Action / Dive Deep 等]，
从我的项目 [粘贴 5 个] 里写 2 版 STAR。每版只用*行动*体现 LP，不能在答案里说出 LP 名字。
结尾给最可能被深挖的 1 个 follow-up。Amazon 这条线值得专门准备
Amazon 跑的是 16 条 Leadership Principle（截至 2026 年 6 月），行为轮就是直接建在这套原则上的。有几个事实会改变你的准备方式：
| 你会遇到的 | 细节 |
|---|---|
| 每轮题量 | 2 道行为题，每题约 25 分钟（一轮 60 分钟） |
| 整个流程 | 4–5 轮 → 大约 8–10 道行为题 |
| Bar Raiser | 一名来自团队之外、有否决权的面试官；会盯着一个故事深挖 10–15 分钟 |
| Result 要求 | 每个故事都要有硬数据——一个数字，而不是一段叙事 |
Bar Raiser 的追问其实可预测，按每个故事提前备好：
- “你 具体做了什么？”
- “确切的指标是多少？”
- “然后 你做了什么？”
- “如果重来一次，你会有什么不同做法？”
最快的准备方式是做一张网格：左侧列出你最大的 6–8 个项目，顶部列出 16 条 LP。网格里空着的格子，就是没故事覆盖的主题，那正是要去挖的缺口。Amazon 在 Amazon leadership principles 页面 公开了这套原则；先读它的措辞，再把自己的故事映射上去，而不是去背这张清单。
容易踩的坑
- 背诵腔、机械交付。 面试官一听就知道你在背草稿第 3 段。用这些 Prompt 出草稿，然后大声练到它成为你自己的话。
- 同一个故事拉去答三道题。 应该从过去经历里多挖几个，Prompt 11 就是用来找缺口的。
- 什么都是”团队”做的。 每个动词都该挂”我”，不是”我们”。让模型把任何”我们”在掩盖你贡献的句子重写一遍。
- Result 不可量化。 “后来挺好的”不是结果；百分比、量级、具体产出才是。实在量化不了就用代理指标。
- 铺垫太长。 Situation / Task 太长会在进 Action 之前吃掉 60% 的时间。Situation 控制在两句话。
- 把失败藏起来。 用模棱话回避难看，会被读成自我认知不足。把失败说清楚，把字数花在教训上。
常见问题
这些答案要一字不差背下来吗？ 不要。要背的是结构和数字，不是文稿本身。面试官奖励那种听起来真实经历过、能贴着问题临场调整的故事；任何听起来像背的都会被扣分。用 Prompt 出草稿，再用 模拟面试 Prompt 练交付。
2026 年 6 月，这件事用 ChatGPT 还是 Claude？ 两个都很强。当你一次粘贴整份简历加几份 JD、想要对弱答案给出直白具体的批评时，Claude（Opus 4.7 / Sonnet 4.6，100 万 token 上下文）更合适。ChatGPT 上的 GPT-5.5 往往给出更紧凑、更以数字为先的 STAR 草稿。很多人在一个里出草稿、在另一个里压力测试。
某个故事实在没有干净的指标怎么办？ 用代理指标。省下的工时、减少的工单、砍掉的 scope、采用率、错误率，或者”提前两周交付”，都算。重点是有个具体锚点，不是虚荣数字。一个有可信代理指标的答案，胜过完全没数字的答案。
到底需要几个故事？ 6–8 个强故事，每个能跨多个主题复用。这就够撑起一整场 Amazon 式的 loop 而不重复同一个故事。Prompt 11 会把你的故事映射到主题并标出覆盖缺口。
这套对非技术类行为面也管用吗？ 管用。STAR 与行业无关——咨询、销售、产品、运营、管理岗的 loop 都用同一套结构。把 Amazon LP 那条（Prompt 12）换成 Prompt 10，就能从任何 JD 生成岗位专属的题目。