用 ChatGPT 模拟面试：一次练一题，重点练追问 - AIPlan

模拟面试最容易练废的方式，是一次把 20 道题全过一遍。真实面试官不念题库，他会抓住你回答里最虚的那句追 2 到 3 层。规则应该反过来：一次只练 1 道题，让模型连追 3 轮再复盘。45 分钟练透 2 道题，比刷 20 道有用。 一个可量化的判断：如果模型追问到第 2 层你就开始重复上一轮的句子，说明这道题你其实没准备好，别换题，重来。 先给模型 4 项背景，否则它只会问通用题 空着对话框让它"模拟面试"，得到的是"请介绍一下你自己""你的优缺点是什么"。有用的模拟需要这 4 项： • 岗位全称和级别（例如"供应链数据分析师，3 年经验"） • 岗位描述原文（JD 直接粘贴，不要概括） • 你的简历要点（3 到 5 条，每条带数字） • 面试轮次（一面、二面、终面、HR 面） 第 4 项决定题型。一面考事实核对，二面考深度，终面考判断和动机。用一面的打法准备终面，会被"你为什么不去对手公司"这类问题打穿。 一个可复制的开场： 你在面试一个供应链数据分析师岗位（3 年经验），这是 JD 原文：［粘贴］。这是我的简历要点：［粘贴 5 条］。这是二面，面试官是未来的直属上级。请只问 1 个问题，等我回答后再追问，每次追问只针对我上一句话里最不具体的部分。 最后那句"只针对我上一句话里最不具体的部分"是整套方法的核心。没有它，模型会礼貌地换下一题；有了它，模型会盯着你的模糊处。 追问 3 轮的节奏 第一轮答完，按这个节奏走： 轮次 面试官在考什么 你的回答应该增加什么 第 1 问 你有没有做过 一个具体项目 + 1 个数字 第 1 次追问 数字怎么来的 口径、时间范围、数据源 第 2 次追问 你个人做了什么 你的动作，不用"我们" 第 3 次追问 换个条件还成立吗 边界、反例、失败的那次 第 3 次追问最能暴露准备程度。常见问法是"如果供应商交期从 7 天变成 3 天，你的模型还成立吗"。答不上来不丢人，答"应该也成立"才丢人。 练习时给自己定一条：每次回答控制在 60 到 90 秒，超过 2 分钟就说明你在铺背景而不是给结论。用语音练更好判断，语速和停顿会暴露紧张点。 项目介绍用 STAR，但把 R 换成数字 简历上的 STAR（情境、任务、行动、结果）在口语里经常变成流水账。可以改成 4 句结构，每句一个数字： • 背景：什么业务、多大规模（"日均 8,000 单的仓配"） • 问题：具体到指标（"缺货率 12%，行业基准 5%"） • 我做的：2 个动作，说清哪些是我做的（"我重建了补货模型，并推动采购改了 2 家供应商的结算周期"） • 结果：1 个数字 + 1 个时间（"6 周内缺货率降到 6.5%"） 让模型按这个结构帮你压一遍： 这是我准备的项目介绍（约 300 字）。请压成 4 句，每句不超过 40 字，分别对应背景、问题、我的动作、结果，必须保留所有数字。压完告诉我哪一句缺少可验证的细节。 "缺少可验证的细节"这句话会逼出你的薄弱环节。常见的薄弱点是第 3 句——很多人说的是团队动作，面试官一追问"你具体做了什么"就露馅。 复盘用一张 4 列反馈表 练完 1 道题，让模型按固定格式给反馈，比让它"点评一下"有用得多： 维度 打分 1 到 5 依据（引用你的原话） 下次改法 事实 数字是否来自真实经历 逻辑 结论和理由是否对应 表达 有没有 3 句以上没给结论 边界 被追问时是否承认不知道 提示词： 按上表给我打分，每个维度必须引用我回答里的原话作为依据，引用不超过 20 字。打分低于 3 的维度，给 1 条具体改法，不要给"多练习"这类建议。 "引用原话"这一条和别的场景一样有效，它把反馈从感受变成证据。打完分你会发现，"表达"这一列通常不是最差的，"边界"才是。 行为题要准备 5 个故事，不是 20 个 行为面试（"讲一次你和同事意见不一致的经历"）看起来题目很多，实际可用的故事只有 5 类：扛过一次压力、纠正过一个错误、说服过一个人、失败过一次、带过一个新人。5 个故事能覆盖 80% 的提问。 让模型帮你把这 5 个故事各压成 4 句，每句带 1 个数字，然后做一次交叉测试： 我有 5 个故事，编号 1 到 5。请随机抽取 1 个，用 3 种不同的行为面试问法来问同一个故事，我每次都要用同一个故事回答。三种问法之间不要提示我。 同一个故事被 3 种问法问过之后，你会知道哪一句必须每次都说、哪一句可以按问法调整。这一步练完，现场听到陌生问法也不会卡住。 三类问题不要交给模型练 模拟面试适合练结构、练数字、练追问。有三类不适合： 第一类是有标准答案的硬知识题（SQL 语法、财务公式）。模型可能给出看似正确但版本过时的答案，这类直接查官方文档。 第二类是涉及你上一家公司具体经营数据的题。把真实客户的名称、合同金额贴进对话框没有必要，用"某制造业客户、年采购额 3,000 万元"这种脱敏说法就够练。 第三类是薪资谈判。模型能给话术框架，但你的底线数字和备选方案只有你知道，让它生成具体报价容易给出偏高或偏低的锚点。 用语音练，比打字更接近真实 打字练习时你有 30 秒组织语言，面试现场没有。ChatGPT 的语音模式可以做到接近对话的节奏：你说完，它接话，中间没有打字缓冲。 语音练习有个专门的问题值得单独练：被打断后怎么接。可以让模型这样配合： 接下来用语音对话。规则：我每次回答超过 45 秒你就打断我，说一句"等一下，你刚才说的 X 是什么意思"，然后我重新解释。练 5 轮。 被打断 3 次之后，你会自然学会先说结论。这个习惯迁移到真实面试里非常明显。语音模式的可用性和具体入口随客户端版本变化，用语音模式练口语的具体做法里有更细的设置说明。 一次 45 分钟的练习安排 把时间切成 4 段，比"今天练两小时"更容易坚持： • 0 到 5 分钟：粘贴 JD 和简历，让模型列出它认为最可能被问的 5 个方向，你从中挑 2 个 • 5 到 20 分钟：第 1 道题，问到第 3 层追问，全程录音或保留文字 • 20 到 25 分钟：看反馈表，只改"边界"那一列的回答 • 25 到 40 分钟：第 2 道题，重复上面的流程 • 40 到 45 分钟：让模型用一句话总结你两次都犯的同一个毛病 最后那 5 分钟最有价值。两次都犯的毛病通常只有 1 个，改掉它比改 10 个小问题见效快。 练到什么程度算够 一个可操作的停止条件：连续 3 次练习，第 3 层追问你都能给出"有数字的答案"或"明确说这块我没做过"。两个反应都算合格，含糊其辞不算。 面试不是知识竞赛，面试官在判断两件事：你说的数字是不是真的，你不知道的时候会不会硬编。第二件事比第一件更难练，也更难伪装。 如果你一天要练 3 到 4 轮、每轮都让模型读 JD 和简历原文，用量会比写邮件高不少。ChatGPT 的剩余额度在 设置 → 用量 查看，Plus 和 Pro 同时受 5 小时窗口与周窗口限制（截至 2026 年 10 月 18 日核对）。集中备面的两三周里按整月算比逐次调用 API 更好控预算，参考价 115.50 元一个月，属于菲区官充、只能给没有生效中 Plus 的账号下单，细节见这个 Plus 月卡商品的说明；只是偶尔练一次，免费额度足够。 简历本身也该先改一遍再练面试，按岗位改简历的事实表做法可以直接衔接这套流程——简历里的数字，就是面试追问的起点。 参考资料资料核对日期：2026-10-17 • Text generation • ChatGPT Voice | OpenAI Help Center 延伸阅读• 用 ChatGPT 改简历：让真实经历更清楚，不替经历加戏 • 用 ChatGPT 语音练口语：每次练一个场景，再做复盘 • 提示词怎么写更有效？把需求写成一份可检查的任务