多数人比 offer 的做法是把第 1 年现金摆进 Excel，再凭直觉拍板——而直觉会偷偷偏向最近看到的那个数字。下面这 12 个 Prompt 把 spreadsheet 里看不到的东西强制摆出来：把 equity 按风险打折后的数学、用面试信号倒推 12 个月工作的具体样貌（而不是营销话术）、5 年可逆性测试，以及能逼自己说真话的 5 个决断问题。决定要硬谈哪一个之后，再配合 薪资谈判准备 Prompt 进入下一步。
一句话总结
- 发送前，把每个
[方括号占位符]换成你真实的数字和信号——输入含糊，比较结果也含糊。 - Startup equity 一定要打折。普通股的 409A 估值远低于优先轮价格，而且多数期权最终几乎不值钱，所以要比的是风险调整后的现金等价，绝不能按名义面值比。
- 一个真实的竞争 offer 就是筹码：约 42% 的候选人会反 offer，其中约 85% 至少拿到部分诉求（Scale.jobs 2025 年分析）。
- 算账（逐年 vesting、期望值）用能跑代码的模型；判断题（长篇面试笔记、和经理合不合）用上下文窗口大的模型。
做 offer 比较该用哪个 AI
| 任务 | 首选（截至 2026 年 6 月） | 原因 |
|---|---|---|
| 逐年现金 + equity 表 | ChatGPT Plus（$20）的数据分析工具 | 会针对你的数字真正写并运行 Python，结果可复现，而不是”猜” |
| 处理长篇面试笔记的推理 | Claude Pro（$20，Opus 4.7 / Sonnet 4.6，1M token 上下文） | 一次读完全部笔记，且风格克制、不爱自信过头 |
| 免费快速二次意见 | ChatGPT Free（GPT-5.5）或 Claude Free（Sonnet 4.6） | 应付定性 Prompt 够用；额度紧，反复算数会偏弱 |
把 offer letter 和面试笔记原文粘进去，别只给摘要——模型看到的原始信息越多，自己脑补的假设就越少。equity 相关的 Prompt 尤其要让模型把公式写出来，再自己核一遍算术。具体怎么设置见 ChatGPT 数据分析工作流；要在工具之间二选一，看 ChatGPT vs Claude vs Gemini。
1. 总包拆解
对比这 2 个 offer 的总包。输入：[粘贴 A——base、奖金、equity 条款、vesting、签字费、refresh 政策] 与 [粘贴 B]。输出第 1/2/4 年的现金等价表，并把 equity 估值和 refresh 假设明确写出来。把算法也展示出来。2. 风险调整后的 offer 数学
把 equity 按风险打折。A：[上市公司 RSU]。B：[B 轮 startup，4 年 vest 的 ISO/NSO]。我的风险偏好 [低/中/高]。请对 B 做现实的 equity 折扣（用普通股 409A 估值，而不是优先轮价格，再为稀释和"这笔期权能兑现"的概率打折）。给出风险调整后的现金等价，以及你用了多大折扣。3. 成长轨迹对比
为两个 offer 分别评估 3 年成长轨迹：责任范围、技术晋升、关系网 / mentorship、离开后的可选性。按我的优先级 [priorities] 加权打分。4. 生活 / 倦怠审计
基于我在每家面试里感知到的信号 [粘贴]。请评分：周工作时长、on-call、可预测性、通勤、休假实际能不能休、经理风格。指出我决定前必须先核实的 1 个信号。5. “12 个月后的工作是什么样”投射
为每个 offer 写 100 字投射：12 个月后我具体在做什么、和谁合作、学到什么。只用面试里的信号，不用营销话术。要具体。6. 5 年可逆性测试
可逆性测试：选了 A 之后，1/3/5 年内切到 B 的职业路径有多容易？反过来呢？指出哪个选择可逆性更高，原因是什么。7. 草拟反 offer 邮件
我想用 B 作筹码反 A。请草拟 120 字邮件给 recruiter，包含：感谢、提到竞争 offer（我这边更高时可不直接报数）、一个具体诉求、以及接受后会承诺到位。语气要温和，不要像谈交易。8. 留 vs 走（当前工作 vs 新 offer）
我有来自 B 的新 offer。该留还是走？请列：当前工作有而新 offer 给不了的、新 offer 给而当前没有的、以及哪些缺口能靠当前雇主的反 offer 补上。9. 与伴侣 / 家庭共同决策的 1 页摘要
帮我写 1 页摘要，让我能和伴侣共同决策。章节：现金影响、时间影响、地点影响、职业影响、风险画像、我的直觉判断。诚实、简洁。10. 终极决断 Prompt
我已经做完所有 spreadsheet 工作，两个 offer 仍然接近。请给我 5 个决断问题让我自己诚实回答——例如：跟哪个经理我能学到更多、星期一早上我更兴奋哪个、错过哪个我会更后悔。11. Equity 深挖
B 的 equity 条款：[粘贴 strike 价、vesting cliff、refresh 政策、最近一次 409A、最近一轮优先估值、稀释历史]。请在低 / 中 / 高三种情形下做 sanity check。指出签字前必须问清楚的事（离职后的期权行权窗口、单触发 vs 双触发加速、二级出售权）。12. 谈薪空间定位
给定 A 与 B，分别哪些杠杆最可能动？候选：base、签字费、equity、refresh 政策、入职日期、职级 / title、远程灵活度。每个 offer 给 2 条最可能成功的诉求。容易踩的坑
- 只比第 1 年现金，第 13 个月遇到悬崖才发现。
- 忽略未来稀释和 refresh 政策对 equity 的影响。
- Startup equity 没做风险折扣——直接拿 RSU 和 ISO 按名义面值对比，而不是风险调整后的现金。
- 忽略可逆性和可选性（哪个选择保留更多门？）。
- 被 deadline 逼着没做对比功课就拍板。
- 把面试里的营销话术当成对真实日常的描述。
常见问题
Startup equity 该打多大折扣？ 没有固定数字，但有两项调整最关键。第一，按普通股 409A 价格估值，而不是优先轮的头条估值——409A 通常只是后者的一小部分，因为普通股没有投资人持有的那些优先权。第二，为后续轮次的稀释、以及”这笔期权真能兑现”的实际概率打折。诚实的表达方式是给一个区间（低 / 中 / 高情形），而不是一个自信的单一金额。
竞争 offer 真的是有用的筹码吗？ 真实的就是。约 70% 的招聘经理预期候选人会谈，但多数人接受了第一个 offer。在那约 42% 会反 offer 的人里，约 85% 至少拿到了部分诉求（Scale.jobs，2025）。2026 年常见建议是：拿着市场证据，比初始数字高 10%–20% 反；抢手的技术岗、手里有真实竞争 offer 时，15%–25% 也合理。
该把完整的 offer letter 粘进 AI 工具吗？ 把这些信件当机密处理。涂掉姓名、身份标识，以及 NDA 覆盖的内容，并尽量用付费账号（ChatGPT Plus $20 或 Claude Pro $20，截至 2026 年 6 月），在设置里关掉”用你的对话训练模型”。算账类的 Prompt 用脱敏后的数字一样能跑。
这件事用 ChatGPT 还是 Claude？ 数字密集的 Prompt（第 1、2、11 条）用 ChatGPT 的数据分析工具，它会真跑 Python，结果可复现。要啃长篇面试笔记的判断题（第 4、5、10 条）用 Claude Opus 4.7 / Sonnet 4.6，1M token 上下文吃得下量，风格也更克制。很多人两个都用，再对比两边的答案。
AI 能直接告诉我选哪个 offer 吗？ 不能——也不该把决定外包出去。这些 Prompt 的价值是逼出你原本会跳过的取舍：equity 折扣、可逆性成本、星期一早上的直觉一问。选择权始终在你手里。想深入理解 equity 条款，可读 Holloway 的 Guide to Equity Compensation。