通用备考浪费几小时。好的预判 Prompt 把”所有行为题”窄到”这家、这个 panel、这个级别最可能问的 8 题”。
适合哪些场景
准备时间紧的候选人、不熟悉异国面试文化的转行者、被通用 100 题烦透的人。
什么时候不建议这样写 Prompt
别跳过未预测的领域——预判只是窄高概率集，安全覆盖还要深度。
Prompt 结构公式
每个预判 Prompt 都要带这六个要素：
- 角色：候选人、HM、recruiter——指明 AI 扮演谁。
- 上下文：目标岗位、公司、级别、你的背景。
- 目标：一个交付物——分析、话术、答案、计划。
- 限制：字数、禁用短语、必含事实。
- 语气：自信 / 好奇 / 克制——2-3 个锚定。
- 示例：贴 1-2 段你过往答案或语气示例。
这套 Prompt 适合用在哪
- 行为题预测
- 技术 / case 风格预测
- 按面试官预测
- 终轮 panel 预测
- recruiter 通话预测
12 个可直接复制的 Prompt 模板
1. JD 驱动题集
JD: {jd}. My background: {me}. Predict the 10 most likely behavioural questions for this role. For each: why this question (which JD line triggered it), what story I'd tell, gap I should prepare for.可替换变量： jd, me
2. 按级别校准
Role level: `{level}` (IC4 / IC5 / Staff / EM / Director). Predict 8 questions that probe THIS level: scope, ambiguity, cross-team, mentorship, prioritisation under constraint. Skip IC-coding questions for an EM role.可替换变量： level
3. 公司文化预判
Company: `{company}`. From their hiring page / interview blog / glassdoor reviews, predict their distinctive style (e.g., Amazon LP, Stripe writing, Netflix culture deck). Output 6 likely culture-driven questions.可替换变量： company
4. 面试官公开信号
Interviewer: `{name}`. Their LinkedIn: `{summary}`. Their past talks / posts: `{public}`. Predict their go-to questions and what stories would resonate. Don't stalk — use only public-facing signal.可替换变量： name, summary, public
5. 终轮 panel 拆分
Final round: 4 panels — Bar Raiser, Hiring Manager, Skip-level, Cross-functional. For each: 2 questions they're likely to ask + the story I should lead with. Don't prep one story; segment.6. recruiter 通话题集
For a 30-minute recruiter screen, predict 8 likely topics: brief background, motivation, comp expectations, notice period, location, remote / on-site, deal-breakers, next steps. Draft a 30-second answer per topic.7. “为什么离开”预判
I'm leaving `{currentCompany}`. Predict 3 variants of this question they'll ask + 3 ways to answer without trash-talking. One answer should be the "boring true" version.可替换变量： currentCompany
8. 行为题分类
Standard behavioural buckets: leadership, conflict, failure, growth, influence, decision under uncertainty, ambiguity, prioritisation. For my background, rank these by likely interview frequency. Prep the 4 most likely first.9. 从拒信反推
I was rejected from a similar role last quarter. Feedback: {feedback}. Predict which question types likely surfaced the gap. Prep specifically for those next time.可替换变量： feedback
10. 临场 30 分钟刷新
Interview tomorrow. Give me a 30-minute refresh: (1) 5 most likely questions, (2) one phrase to anchor each opening, (3) the one thing NOT to do, (4) what to read about the company in the morning.11. 跨职能埋伏题
Cross-functional panel (e.g., PM interviewing engineer, or vice versa). Predict 5 ambush questions: how do you collaborate with X, how would you handle Y trade-off, what do you wish Z roles understood?12. 故事覆盖审计
I've prepped {nStories} stories. Map each to interview question types. Identify gaps: what question would have no story to tell? Prep the gap before the rest.可替换变量： nStories
容易踩的坑
- 没具体上下文——输出泛泛。
- 让 AI “诚实”但不给真实经历——它会编。
- 所有公司一个答案——面试官互通。
- 没语气锚——答案没张力。
- 不核对——AI 编日期 / 数字 / 头衔。
- 初稿当终稿——读着像 AI。
- 没 peer / mentor 反馈——没闭环。
优化技巧
- 贴真实例子，把 AI 锚到你的语气。
- 先让 AI 扮面试官，弱答案自己暴露。
- 三稿，发第三稿。
- 念出来。
- 存成功表达库。
- 让在岗的 peer 帮看一遍。
- 练习掐时间——疲劳让你更糟。
实操加深
使用这些 prompt 时，不要只替换一个主题词就直接交付。围绕「面试题预判 Prompt：12 个让你聪明备考的模板」先补齐受众、渠道、长度、语气、参考样例、禁止样式和成功标准，再让模型输出 2 个不同版本做横向比较。好的结果应该能被另一个人直接复用，而不是只有顺滑但空泛的表达。
如果输出看起来像通用模板，下一轮要增加一个真实场景、一个反例和一个可检查指标，例如点击率、转化动作、字数、平台限制或品牌禁区。这样改出来的内容才更像可用资产，而不是一次性的灵感草稿。
FAQ
- recruiter 看得出 AI 写的吗？: 答得通用就看得出。具体就是解药。
- 研究多深算够？: 重要面试 60-90 分钟，再多回报递减。
- 什么时候开始查薪资？: 投简历前。Offer 后才开始议很弱。
- levels.fyi / Glassdoor 能用吗？: 能当 baseline，要 2-3 个源交叉。
- 准备笔记怎么组织？: 每家公司一个 doc：research、要问的问题、能用的故事。
- 终轮前还要刷一遍研究吗？: 面试当天再扫一遍——上周的新闻 / 发布。