多数 STAR 在 Situation 啰嗦、Result 含糊。好的优化 Prompt 先诊断哪段下垂，再分段锐化，并强制可量化、不空话的 Result。
适合哪些场景
在打磨故事库的求职者、准备高级面试的候选人、STAR 答案超过 3 分钟的人。
什么时候不建议这样写 Prompt
没经历的故事别用——AI 能锐化你给它的，不能把虚构变真实。
Prompt 结构公式
每个 STAR 优化 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——故事、答案、cover letter、薪资话术。
- 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
- 4 分钟故事压到 2 分钟
- 量化模糊 result
- 突出个人贡献
- 清除 AI 节奏
- 一个故事覆盖多题
12 个可直接复制的 Prompt 模板
1. STAR 下垂诊断
My STAR answer: {answer}. Diagnose which segment sags: Situation too long? Task vague? Action plural ("we did…") not personal ("I did…")? Result generic? Output a per-segment critique + one specific sharpening per segment.可替换变量： answer 你的 STAR 答案
2. 压到 2 分钟
Compress this STAR answer to ~250 words / 2 spoken minutes: (1) Situation in 2 sentences, (2) Task in 1 sentence, (3) Actions in 4-5 sentences with verbs, (4) Result in 2 sentences with numbers, (5) 1-sentence lesson. Time it.3. “我们” → “我”
Rewrite this team-led story to surface the candidate's personal contribution: (a) what they decided, (b) what they did vs others did, (c) where they pushed against the team. Stay honest — don't inflate.4. result 量化
My Result paragraph is vague: {result}. Suggest 5 ways to add quantification: %, $, time saved, error rate dropped, headcount reduced, NPS lifted. Don't invent numbers — ask me what numbers I have.可替换变量： result 你的结果段
5. lesson 提炼
Add a closing lesson to this STAR: 1 sentence, in first person, about what the candidate would do differently or what they took forward. Not "I learned the value of teamwork" — something specific.6. 追问预判
For this STAR answer, predict 3 follow-up questions an interviewer will ask. For each: the question + a 30-second clarifying response. Don't answer with another story — answer the question.7. 一个故事多题用
My story: {story}. List 6 behavioural questions this story could answer (leadership / conflict / failure / growth / influence / decision). For each: how I'd frame the opening to fit the question.可替换变量： story
8. 失败故事升级
My "tell me about a failure" answer: {answer}. Improve so the failure is real (not "I work too hard"), the lesson is specific, and the path forward shows growth without re-narrating the failure as a win.可替换变量： answer
9. 跨文化语气校准
Interview at `{companyCulture}` (e.g., direct + low-context vs polite + indirect). Recalibrate this STAR answer for tone without changing facts. Show the diff.可替换变量： companyCulture 公司文化
10. 故事库整合
I have these 5 stories: {storyList}. Identify overlaps (same Situation, different angles), gaps (no story for X type of question), and the 3 strongest stories to lead with.可替换变量： storyList
11. Staff/Director 级 STAR
Rewrite this STAR for a Staff / Director-level interview: emphasise scope, ambiguity, cross-team influence, and trade-offs (not the IC mechanics). Replace "I built X" with "I scoped X with team Y and accepted trade-off Z".12. 节奏 + 口头禅清理
Read this STAR aloud. Cut: filler ("um", "kind of", "basically"), hedges ("maybe a bit"), restarts, and any sentence longer than 25 words. Output the leaner version.容易踩的坑
- AI 输出当终稿——recruiter 几秒就听出 AI 节奏。
- 没具体上下文（公司 / 岗位 / 级别）——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。
- 只列技能不给证据——claim 没有 receipt。
- 没语气锚——答案没张力。
- 不核对——AI 编日期 / 数字 / 头衔。
优化技巧
- 贴真实例子——你过往 STAR 故事是 AI 输出的锚。
- 先让 AI 扮面试官，弱答案自己暴露。
- 写三稿，发第三稿——第一稿太空、第二稿矫枉。
- 掐时间——2 分钟胜过 4 分钟。
- 念出来——写和说感觉差很多。
- 存”故事库”——一个故事跨多题复用。
- 让在岗的人帮看一遍——peer 反馈胜 AI。
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「STAR 回答优化 Prompt：行为故事模板」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？: 没有个人细节就看得出，具体就是解药。
- 每题都用 STAR 吗？: 行为题用，技术 / 理念题多数不用。
- 要改几稿？: 重要故事 3 稿；其他 1-2 稿。
- 念出来还是写？: 都做——写清晰、说内化。
- 面试当天用 AI 吗？: 只克服紧张可以，临场别改准备好的答案。
- 怎么让语气真实？: 把自己真实的写作样本贴进 Prompt。