多数 STAR 答案在 Situation 啰嗦、到 Result 又含糊。好的优化 Prompt 会先诊断哪一段下垂，再分段锐化，并强制给出可量化、不空话的 Result。下面 12 个 Prompt 拿你已经写好的答案，把它压进两分钟以内讲清楚。
一句话总结
- 目标时长是口述一到两分钟；职业教练普遍建议整段控制在两分钟以内，其中 Action 大约占一半。Situation 两到三句（约 20%），Task 一句（约 15%），Result 一到两句并带数字。
- 这些 Prompt 改的是你真正经历过的故事，用来压缩、量化 Result、把”我们”改成”我”，以及让一个故事覆盖多道题。
- 工具提示（2026 年 6 月）：ChatGPT（GPT-5.5）更擅长守住结构、逼出指标；Claude（Sonnet 4.6）口语节奏更自然。把你过往的真实答案贴进去，改写才会保留你的语气而不是模型的腔调。
- 绝不让模型编造数字、日期或头衔。让它问你手上有哪些数据，再由你自己填进去。
适合哪些人
正在打磨故事库的求职者、准备高级岗位面试的候选人，以及 STAR 答案超过三分钟的人。如果你连故事都还没成稿，先把原始笔记写出来，再拿到这里加工。
什么时候不建议用
没经历过的故事别拿来跑。AI 只能锐化你给它的东西，虚构仍然是虚构；而且答案一旦”太干净”,面试官立刻会追问细节。
“好长度”长什么样
招聘方普遍建议每道行为题口述一到两分钟，且把绝大部分时间花在”你究竟做了什么”上：
| 段落 | 占比 | 句数 |
|---|---|---|
| Situation | 约 20% | 2-3 句，只铺背景 |
| Task | 约 15% | 1 句，你的具体职责 |
| Action | 约 50% | 4-6 句，第一人称动词 |
| Result | 约 15% | 1-2 句，至少带一个数字 |
最常见的毛病是 Situation 讲太多。下面的 Prompt 默认按这个比例来。
Prompt 结构公式
每个 STAR 优化 Prompt 都该带这六个要素：
- 角色：候选人、招聘经理还是 recruiter——指明模型扮演谁。
- 上下文：目标岗位、公司、级别、你的背景。
- 目标：一个交付物（一段收紧的答案、一份追问清单、一份语气对比）。
- 限制：字数、禁用短语、必含事实。
- 语气：自信 / 好奇 / 克制——选两个锚点。
- 示例：贴一到两段你过往的答案，让模型对齐你的语气。
一句可复用的开场：先告诉模型 Do not invent numbers, names, or dates; if a metric is missing, ask me for it.（不要编造数字、姓名或日期；缺指标就来问我）。这一句能挡掉大部分胡编。
12 个可直接复制的 Prompt
发送前把 [方括号] 里的内容换成你自己的文字。
1. STAR 下垂诊断
My STAR answer: [paste answer]. Diagnose which segment sags: Situation too long? Task vague? Actions plural ("we did...") not personal ("I did...")? Result generic? Give a per-segment critique plus one specific fix per segment. Do not rewrite yet.2. 压到两分钟
Compress this STAR answer to ~250 words / 2 spoken minutes: Situation in 2 sentences, Task in 1, Actions in 4-6 sentences with first-person verbs, Result in 2 sentences with numbers, then a 1-sentence lesson. Keep my facts; cut filler.3. “我们” → “我”
Rewrite this team-led story to surface my personal contribution: (a) what I decided, (b) what I did versus what others did, (c) where I pushed against the group. Stay honest, do not inflate. Flag any claim that needs a number I have not given.4. Result 量化
My Result is vague: [paste result]. List 5 ways to quantify it: percent change, dollars, time saved, error rate, headcount, NPS or satisfaction. Do not invent figures; for each, ask me the exact number you would need.5. lesson 提炼
Add a closing lesson to this STAR: 1 sentence, first person, about what I would do differently or carried forward. Not "I learned the value of teamwork" — something specific to this situation.6. 追问预判
For this STAR answer, predict 3 follow-up questions an interviewer will ask. For each: the question plus a 30-second clarifying reply that answers it directly. Do not respond with another story.7. 一个故事多题用
My story: [paste story]. List 6 behavioural questions this story could answer (leadership, conflict, failure, growth, influence, decision-making). For each, write the one-sentence opening I would use to frame it for that question.8. 失败故事升级
My "tell me about a failure" answer: [paste answer]. Improve it so the failure is real (not "I work too hard"), the lesson is specific, and the recovery shows growth without re-spinning the failure as a secret win.9. 补上”障碍”（SOAR 升级）
Rewrite this STAR as SOAR (Situation, Obstacle, Action, Result). Name the one concrete obstacle I overcame and put it before the Action. Keep all facts; the obstacle must come from my text, not be invented.10. 按公司文化校准语气
This interview is at a company with a [direct, low-context / polite, indirect] culture. Recalibrate this STAR answer for that tone without changing any facts. Show a short before/after diff of what changed.11. Staff / Director 级改写
Rewrite this STAR for a Staff or Director-level interview: emphasise scope, ambiguity, cross-team influence, and trade-offs rather than IC mechanics. Replace "I built X" with "I scoped X with team Y and accepted trade-off Z".12. 节奏与口头禅清理
Read this STAR as if spoken aloud. Cut filler ("um", "kind of", "basically"), hedges ("maybe a bit"), restarts, and any sentence over 25 words. Return the leaner version, then list every cut so I can restore anything important.哪个模型干哪种活
| 任务 | 更合适（2026 年 6 月） | 原因 |
|---|---|---|
| 守住 STAR 结构、逼出指标 | ChatGPT（GPT-5.5） | 格式抓得稳，会反复催数字 |
| 自然口语节奏、反思类回答 | Claude（Sonnet 4.6） | 对话化措辞更顺 |
| 带着你背景的持续辅导 | 两者皆可，靠保存上下文 | ChatGPT 自定义指令或 Claude Project |
Claude Pro（每月 20 美元）和 ChatGPT Plus（每月 20 美元）都足够应付这类工作；免费档能改几段，但长时间备战会触到上限。把简历摘要、目标岗位和目标公司一次性贴进一个 Claude Project（或 ChatGPT 自定义指令档案），上面每个 Prompt 就都自带这份上下文，不必每次从零说起。
容易踩的坑
- 把 AI 输出当终稿：recruiter 几秒就听出泛泛的腔调。
- 没具体上下文（公司 / 岗位 / 级别）：输出永远泛泛。
- 让模型”诚实”却不给真实经历，它就开始编。
- 同一段答案原封不动用给每家公司：面试官之间会对账。
- 只列技能不给证据：claim 没有 receipt。
- 没有语气锚点：答案没张力。
- 跳过核对：模型会编日期、数字和头衔。
进一步提升的技巧
- 贴真实例子，你过往的 STAR 故事是输出的锚。
- 先让模型扮面试官，弱答案会自己暴露。
- 写三稿、发第三稿（第一稿太空、第二稿矫枉过正）。
- 念出来掐时间，两分钟的故事胜过四分钟。
- 一定要读出声，写出来和说出来感觉差很多。
- 维护一个个人故事库，强故事跨多题复用。
- 让在岗的人帮你看一遍最终稿，peer 反馈胜过 AI 反馈。
FAQ
- recruiter 看得出是 AI 写的吗？：没有个人细节就看得出。具体的名字、数字加上一个真实瞬间，就是解药。
- 用 STAR 还是 SOAR？：默认 STAR。当题目是”如何克服困难”时换成 SOAR（第 9 条）——点名那个障碍正是招聘经理记得住的部分。
- 答案应该多长？：口述一到两分钟，尽量压到两分钟以内，Action 约占一半。
- 要改几稿？：重要故事三稿，其余一到两稿。
- 面试当天能用 AI 吗？：只用来缓解紧张。最后一小时别再改已经准备好的答案。
- 怎么让语气真实？：把你自己真实的写作样本贴进 Prompt，让模型对齐你的措辞。