行为面试翻车，多半是因为按时间顺序讲故事。STAR（Situation、Task、Action、Result）把答案强制成面试官真正会打分的结构。下面这 17 个 Prompt 帮你建一个可复用故事库，把答案落在面试官期待的 60-90 秒区间，并按真实 JD 重新定向。直接复制模板，把 [方括号] 占位符换成你的真实经历，再迭代即可。
一句话总结： 建 6-8 个 STAR 故事（每个对应一个行为主题），逐个打标以便 5 秒挑出，每个写到约 150-200 字讲稿（60-90 秒），并为每个故事预写三个追问。用模板 #2 挖一整年的经历，用 #1 和 #3-8 按主题起草，用 #13 把某个故事按具体 JD 重新定向，用 #17 在面试 loop 前审计主题覆盖。任何当前模型都能胜任；Claude Opus 4.7 或 GPT-5.5 在长来回里能把故事拍得更稳，而故事库工作恰恰就发生在这种长对话里。
这套 Prompt 主要解决什么问题
大多数 STAR 准备只产生 1-2 个反复练习又适应不了的故事。真正的故事库是 6-8 个覆盖不同行为主题（冲突、模糊、失败、领导、影响、学习）的故事，每个打标，面试时能 5 秒挑出。这些模板挖你的经历、把每个故事写到面试官期待的 60-90 秒区间、并按 JD 重新瞄准。
该用哪个模型（截至 2026 年 6 月）
任何旗舰模型都能写出不错的 STAR 草稿。故事库工作真正的区别在于长对话里的一致性——因为同样这六个故事你会迭代一个小时。Claude Opus 4.7（Pro 每月 20 美元，100 万 token 上下文）和 GPT-5.5（ChatGPT Plus 每月 20 美元）都能在多轮修改里把故事的事实拍得很稳，不会跑偏。如果你想一次性把整份简历 PDF 加 JD 贴进去让它同时挖，Gemini 3.1 Pro（Google AI Pro 每月 19.99 美元）是首选。三家的免费档都能跑这里的每个 Prompt；付费档主要换来的是马拉松式备战里更高的消息额度。
这篇适合谁
准备 FAANG 行为轮的 SWE；走有 leadership / craft 组件 loop 的 PM 和设计；从实习经历搭第一个故事库的应届生；学习用 STAR 重构非传统背景的转行者；任何面试官老问”那你做了什么？“的人。
什么时候不建议用
不能在细节上诚实——编的故事在追问下崩。技术 / 编码轮——用Case 面试准备 Prompt。别丢 Prompt 的结构约束——按时序讲就是 STAR 要规避的失败模式，模型一不留神就滑回去。
Prompt 结构公式
一个 STAR Prompt 应包含 6 个要素：
- 故事来源：3-4 句原始经历，或更长的素材让模型挖。
- 行为主题：这故事讲哪个维度（冲突 / 模糊 / 影响）。
- 长度目标：90 秒讲稿（~200 字）、60 秒（~150 字），或 30 秒电梯版。超过 90 秒面试官就开始走神，所以封顶在这里。
- 结果要求：量化，或具体可验证。
- Voice 约束：第一人称、不用面试官听不懂的术语、不凡尔赛。
- 归属规则：强调我做了什么，不是团队做了什么——团队胜也要拆出”我”。
这套 Prompt 适合用在哪
- 从一年工作里建 6-8 个故事的库
- 从原始记忆起草 STAR 答案
- 改写模糊答案（“团队很高兴”）
- 从简历挖行为主题
- 把现有故事按新 JD 重新定向
- 预演面试官的追问
- 把过长故事压到 90 秒讲稿
17 个可直接复制的 Prompt 模板
1. 原始故事转 STAR
我有一个故事：[原始，3-4 句]。转 STAR 格式。每节 ≤2 句。Result 必须量化或具体。输出有标签的 block：Situation / Task / Action / Result。2. 一年工作 → 故事库
下面是我去年做的大事。聚类成 6 个可复用 STAR 故事，每个覆盖一个不同行为主题（冲突、领导、失败、模糊、影响、学习）。每个：1 行标题、主题标签、1 段 STAR 草稿。
[在此粘贴时间线]3. STAR for “讲一次失败”
我有这个失败：[描述]。写一段 STAR 答案（≤200 字）。包含：我承担了什么、我改了什么、我现在会怎么做。不要怪别人。Result 应描述教训和后来应用它的某个实例。4. STAR for “讲一次冲突”
我有这个冲突：[描述]。写 STAR 答案，重点在解决，不是谁对。收尾给出我提炼的原则。≤180 字。避免"双方都妥协"，要具体到我做了什么。5. STAR for 模糊
我有这个模糊处境：[描述]。写 STAR 答案强调我减少模糊的过程（我收集了什么、和谁对齐、我决定推迟什么），不是运气结果。≤200 字。6. STAR for 跨职能 leadership
我在 [团队] 间领导了 [项目]。写 STAR 答案聚焦对齐、不是权威。突出 1 个我用数据或重构换了某人想法的具体瞬间。≤200 字。7. STAR for “最大影响”
我最大影响的项目：[概要]。写 STAR 答案（≤250 字）。Result 必含量化指标 AND 下游二阶效应。具体到我的确切贡献（避免"团队上线了 X"）。8. STAR for “学了新技能”
我在工作中学了 [技能]。写 STAR 答案展示过程，不只是结果。提什么难、什么解锁了我、我和谁学。≤180 字。9. 预演 STAR 追问
我的 STAR 故事：[粘贴]。预演 5 个面试官可能问的追问。每个写 50 字答案，加新信息、不重复。至少 1 个"现在你会怎么做"追问。10. STAR 修剪——太长
我的 STAR 太长（下面粘贴）。压到 90 秒讲稿（~200 字）。砍背景，留具体。输出 before → after 加每节字数。
故事：[粘贴]11. 从简历挖 STAR
下面是我的简历。挖 8 个候选 STAR 故事，每个对应一条暗含冲突、规模、模糊或可量化影响的 bullet。每个：bullet → 1 句故事钩子 + 行为主题。我会挑哪些发展。
简历：[粘贴]12. STAR 改写——Result 模糊
我的 STAR Result 写成"团队很高兴" / "事情顺利"，太模糊。请改写 Result 具体化：能量化就量化，否则描述可验证的下游效应（有人升职、某指标动了、某流程被采用）。
当前 STAR：[粘贴]13. STAR 按具体 JD 定制
我的现有 STAR 故事：[粘贴]。目标 JD：[粘贴]。请改写故事，强调 JD 优先的行为主题。事实保持不变；改强调、框架、开头和收尾的两句。输出 before → after。14. STAR for “讲讲你自己”
下面是我的背景。写 90 秒"讲讲你自己"答案，结尾 1 句转向"为什么要这个岗位"。结构：1 句我是谁、2 句职业轨迹、1 句当前聚焦、1 句桥接到岗位。
背景：[粘贴]15. 从项目文档 / 复盘挖 STAR
下面是我写过的项目文档或复盘。识别 3 个 STAR 值得的瞬间。每个：1 行标题、它最能展示的行为主题、STAR 草稿（≤150 字）。标出任何我贡献相对团队不清晰的瞬间。
文档：[粘贴]16. STAR 讲稿打磨——口语版
下面是我写的 STAR 答案。请改写成口语：更短从句、自然停顿（用"/"标）、1 个语音强调点（用 **）、删掉任何讲出来撑不住的句子。
书面 STAR：[粘贴]17. 故事库主题覆盖审计
下面是我现有的 6 个 STAR 故事。审计这些主题覆盖：冲突、模糊、失败、领导、影响、学习、伦理决定、和难相处的人共事、变革管理。列出覆盖好的、没覆盖的、以及最接近填补每个 gap 的现有故事。
故事：[粘贴]容易踩的坑
- 按时间顺序讲。 面试官要 STAR，不是回忆录。“先是……然后……然后……” 第 2 分钟就把人讲走神了。（亚马逊围绕其 Leadership Principles 构建了现代行为面试的很大一套打法，正因如此它会在招聘页指引候选人用 STAR 方法。）
- 模糊的 Result。 “团队很高兴”或”事情顺利”什么都没说。具体或量化——挑一个，永远。
- 每题都用同一个故事。 打了标的故事库或者面试官能闻到背稿味。
- 用”我们”代替”我”。 行为面试探的是你的贡献。团队胜也要拆出”你”。
- 背景太重的 Situation。 Situation 封顶 2 句，他们在评分的是 Action。
- 追问没有深度。 “现在你会怎么做”问倒就说明那不是你的故事。
- 假谦虚。 “我只是运气好”或”谁都做得到”读着是回避，不是谦虚。
下一步怎么继续提升
- 故事库每个故事打 2-3 个行为主题标。然后建主题→故事标题的速查表。被问时 5 秒挑出。
- 永远练口语版，不是书面版（模板 #16）。书面 STAR 读着紧，讲着别扭。
- 每个故事预写 3 个可能追问（模板 #9）。多数候选人在追问上崩，不是主体故事上崩。
- 把现有故事按新 JD 重新定制（模板 #13）。6 个能 reframe 的强故事好过 20 个平庸的。
- 在面试 loop 之前就审计主题覆盖（模板 #17），不是之后。gap 通常在”伦理决定”或”向上管理”。
- 给每个故事加一句**“现在会怎么做不同”**，不只是失败故事。胜利故事的反思区分资深和中级。
- 挖完故事自我事实核——指标真的是 30% 还是大约 30%？软数据塌、硬数据立。
FAQ
- 要几个 STAR 故事？ 6-8。再少邻近问题会复用、面试官能察觉。超过 8 你自己会忘哪个用哪个。
- 要逐字背 STAR 答案吗？ 不要。背结构和每个故事的 3-4 个关键短语。逐字讲听着像背稿。
- 能用个人项目的故事吗？ 应届可以。资深岗优先职业故事；个人项目当补充。
- 面试官问到我没故事的怎么办？ 用故事库里最近的主题标。无匹配就诚实：“我没有完美例子，不过这是最接近的”，胜过编。
- STAR 答案应该多长？ 60-90 秒讲稿（~150-200 字），其中大部分时间花在 Action。短了显轻；超过 90 秒面试官就开始走神。
- 要把所有都量化吗？ 能量化就量化。无法量化的胜利（如”团队士气改善”）就指一个可验证信号（人留下、批评者公开改口）。
- 能在真实面试里直接用 AI 写的 STAR 答案吗？ AI 用来搭结构、拧紧表达，绝不用来编造。每个事实都必须是你自己的，因为 STAR 追问的全部意义就是去探编出来的故事撑不住的细节。把模型的草稿当成你要用自己语气重写的初稿。
相关阅读
- 行为面试问题 Prompt —— 预演具体问题映射到故事库
- 行为故事挖掘 Prompt —— 从原始素材挖故事的深入版
- 模拟面试 Prompt —— 跑完整 mock loop 用你的 STAR 库
- JD 匹配 Prompt —— loop 前按 JD 决定强调哪些主题
- Case 面试准备 Prompt —— 同 loop 里非行为轮
- STAR 面试答案用例 —— 含反馈迭代的端到端示例
- 行为面试准备 AI 用例 —— 完整准备 loop
- STAR 回答优化 Prompt：行为故事模板
- 用 AI 预测 STAR 追问：把面试第三、第四问也准备好