如何用AI准备下一次工作面试：30+科技从业者的实战经验与免费AI教练

摘要

面试是一项独立于日常工作的技能，但求职者长期面临一个根本性困境：面试后几乎没有可用的反馈回路。Lenny's Newsletter 的社区研究负责人 Noam Segal 采访了 30 多位科技从业者，发现那些成功拿到顶级公司 offer 的候选人，全都在用 AI 构建自己的反馈系统。本文将这套经验凝结为一个基于 Claude Code 的面试教练（Interview Coach）——一个免费、开源、可深度定制的 AI 工具。它能分析面试录音并逐句评分、预测面试问题并匹配个人故事库、模拟高压面试场景、挖掘你忽略的职业故事，甚至提供薪资谈判脚本。文章的核心理念是：AI 不是用来制造虚假人设的，而是帮你将真实经验更有效地呈现出来。

正文

第一章：AI 之前的面试困境——没有反馈的"盲打"

面试准备在过去十年几乎没有变化。你练习故事，找朋友做模拟面试，然后走进真正的面试室，祈祷一切顺利。面试结束后，你只剩下模糊的直觉——感觉哪里不好，但不知道具体哪里不好。公司不会告诉你为什么没通过，朋友和导师不知道面试官真正在找什么。你是在"盲打"，而且面试后的体验大多是困惑。面试流程中根本没有可用的反馈回路。

Noam 在采访中总结出三个核心问题，三者都源于——缺乏反馈：

1. 冒名顶替螺旋（Impostor Spiral）。 琳赛（Lindsey）是一位在同一家公司工作了 10 年的高级产品经理（Senior PM）。她投出简历后石沉大海。"我开始陷入冒名顶替综合征，"她告诉 Noam，"我到底是不是一个好的 PM？到底发生了什么？"没有反馈，你无法判断问题出在简历、策略、技能，还是仅仅是运气不好。

2. 盲目的苦劳。 查尔斯（Charles）花大量时间为每份简历定制内容，希望突出正确的经历。琼（Joan）深入研究每家公司，却无法判断自己是否聚焦在面试官真正关心的方面。两人都缺乏任何信号表明努力方向是对的。

3. 练习缺口（Practice Gap）。 你无法在几年才做一次的事情上变得更好。而常见的建议——"去那些你不关心的公司面试练手"——对所有人来说都是一种糟糕的解决方案。

第二章：AI 如何闭合反馈回路——候选人的实战系统

那些拿到顶级公司 offer 的参与者，全都自己动手用 AI 建立了反馈回路。

洛根（Logan）的故事：从两周准备到拿下 Anthropic。 洛根已经有八年没有面试了。他一直在旧金山最炙手可热的公司工作，多次晋升，从未想过离开。当他决定申请 Anthropic 的高级架构师岗位时，他撞上了一面资深工程师都懂的墙：面试本身就是一门独立的技能。日常工作里，洛根在充分上下文和充裕时间下解决架构问题；但面试要求他刷 LeetCode、现场白板绘制系统设计、把多年经验压缩进符合评分标准的叙事中。正常情况下，高级工程师面试准备需要数月。洛根只有两周。 但他拿到了 offer。当 Noam 问什么最关键时，洛根指出：AI 工作流是他成功的主要原因。

其他参与者也在构建各自的系统：

• 格雷格（Greg） 将面试录音转录文本喂给 Claude，训练它掌握最佳实践，对自己以为表现不错但实际有问题的回答进行逐行反馈。
• 艾拉（Ella） 搭建了一个工作流：将职位描述（Job Description）和简历一起粘贴给 ChatGPT，让它找出招聘经理（Hiring Manager）会标记的确切差距，然后帮她在面试前弥合这些差距。
• 肖恩（Sean） 不再猜测该突出哪些经历。他会在面试前用 AI 模拟面试，测试哪些故事能打动人，然后在真正的面试前打磨它们。

这些参与者的系统各有交叉，也各有不同。但共同点是：所有系统都需要投入真正的工程工作量才能搭建。 将这些拼图组装成一个完整系统，对大多数人来说是数周的工作量，且很多人根本不会或无法完成。

Noam 的做法是：将这些研究成果凝聚进一个 Claude Code 项目，并叠加专业教练技术（Professional Coaching Techniques）——反馈前的自我反思、以强有力的问题替代处方、共同创造而非单向告知。以前，这种水平的辅导是留给每小时 300 美元的职业生涯教练的。但即使最好的真人教练也有局限：他们无法在几分钟内分析完整面试记录、无法追踪你每一次练习的弱点模式、也无法在晚上 11 点你因明天的面试而焦虑时陪在你身边。AI 没有这些限制，而且几乎免费。

AI 面试教练的三个独特优势：

1. 永远在线。 免费、即时、无处不在，随时可用。
2. 记住一切。 跨会话追踪你的模式，从弱点到突出优势。
3. 保持真实。 你可以将面试通话转录文本输入给它，得到基于你真正说了什么的反馈，而不是你"以为"自己说了什么。

第三章：AI 面试教练（Interview Coach）全功能概览

这个面试教练是一个 Claude Code 项目：一组指令文件，将 Claude 变成一个严格的面试教练。你只需在 Claude 桌面版中打开项目文件夹，它就会接管一切。

教练涵盖了 Noam 采访的所有成功技巧，甚至更多——共 11 项核心功能：

1. 评分与精准修正：对你的面试回答评分，基于你真正说的话（而非你以为自己说的话）告诉你具体要改进什么。
2. 公司快速调研（research 命令）：在面试安排之前就能生成公司简报——企业文化、面试风格、你的背景与该角色的匹配度。
3. 特定公司模拟准备（prep 命令）：生成预测问题、针对你故事库的故事映射、面试形式指南、以及面试官可能对你背景产生的顾虑。
4. 完整模拟面试（mock 命令）：4-6 个问题的完整面试模拟，问题之间不提供反馈；还有针对性训练——质疑、打断、迫使你临场应变。
5. 挖掘隐藏故事（stories 命令）：通过反思性提问，从你的经历中发掘你都不知道自己拥有的故事。
6. 差异化辅导：教你如何脱颖而出，避免听起来像其他用 AI 准备的候选人一样千篇一律。
7. 故事强化与淘汰：帮你增强薄弱的故事，淘汰那些总是打不响的故事。
8. 拒绝分析（debrief 命令）：从每一次"不"中结构化地提取教训。
9. 并排改写：将你最弱的回答重写为面试获胜级质量，与原版并排展示，让改进具体可见——而非仅仅"加更多细节"这种空泛建议。
10. 自我评估精度追踪（progress 命令）：追踪你"以为自己表现得怎样"与"实际表现得怎样"之间的差距，校准自我认知。
11. 薪资谈判辅导（negotiate 命令）：拿到 offer 后提供精确谈判脚本和迂回语言，覆盖市场数据解读和可谈判要素识别。

第四章：5 分钟上手与核心命令详解

环境搭建（5 分钟）

1. 安装 Claude 桌面版。
2. 从 GitHub 下载项目（Code → Download ZIP 并解压，或使用 Git clone）。
3. 将 SKILL.md 重命名为 CLAUDE.md（在文件浏览器中右键→重命名）。
4. 打开 Claude 桌面版，选择"Code"标签页。
5. 在 Claude Code 中打开项目文件夹。
6. 输入 kickoff，教练就会启动。

Claude 会逐个问题引导你完成配置：Quick Prep 还是 Full System、目标岗位、反馈直接程度（1-5 级，默认 5 级即最直接）、面试时间线、面试历史、以及当前最大的焦虑点。整个过程约 5 分钟。Claude 会创建一个 coaching_state.md 文件，跨会话记录你的故事、评分、模式和进度。

核心工作流

面试前准备：

• 输入 research [公司名]：快速了解公司文化、面试口碑和角色匹配度——适合还在决定申请哪里时使用。
• 输入 prep [公司名]：生成一页准备简报，包含：公司面试优化方向、你对该角色的独特定位、7-10 个按能力维度标注的预测问题及故事映射（每个问题用你哪个故事回答、缺口在哪里）、对你背景可能产生的顾虑及一句反驳话术、公司文化解读、你该向面试官提的问题。
• 可以分享面试官的 LinkedIn 个人资料 URL，教练会为每位面试官生成一张"面试官情报卡"（Interviewer Intelligence Card）：职能视角、职业路径信号、近期公开兴趣、共同点、预测关注领域、建立融洽关系的钩子、以及观察信号（基于资历和职能预测的面试风格）。每张卡附带可信度评级。

面试后分析：

• 用 Granola、Zoom 或 Google Meet 的转录功能录制面试。
• 将转录文本粘贴到聊天中，输入 analyze。
• Claude 会先问你自己觉得表现如何——哪个回答感觉有力量？哪个不对劲？然后从五个维度对每个回答评分（1-5 分制）：实质（Substance）、结构（Structure）、相关性（Relevance）、可信度（Credibility）和差异化（Differentiation）。
• 评分后进行分诊（Triage）：识别首要瓶颈，诊断根本原因（是叙事囤积？回避冲突？身份焦虑？），并据此分支辅导。你会得到一个"变化清单"（Delta Sheet）：什么有效、什么要改、哪些故事要打磨或淘汰。如果需要，还会对你的最弱回答进行并排改写，将其提升到 4-5 分水平。

第五章：深度系统——让准备产生复利效应

以下命令构建的是一个覆盖整个求职过程的复利系统：

1. 构建故事库（stories）。 Claude 使用反思性提问挖掘你忽略的职业故事。例如"你在工作中什么时候状态最佳？是什么让它不同？""回顾过去，你会做什么不同的决定？"每个故事按技能、影响力和强度建立索引。大多数人发现自己拥有的可用素材比以为的多。故事库存达到 8 个以上后，可以运行快速检索训练（Rapid-Retrieval Drill）：Claude 在 10 秒内抛出一个问题，你必须在 10 秒内说出正确的故事和开场句。有组织的故事库如果不能在被压力触发时调取，就毫无用处。

2. 压力下练习（practice）。 八种训练类型，按递进顺序排列：
- practice ladder — 用 30 秒、60 秒、90 秒和 3 分钟讲同一个故事
- practice pushback — 面对质疑和"那又怎样？"式的追问
- practice pivot — 当问题与你的准备不匹配时练习转移话锋
- practice gap — 应对"我没有这方面的例子"的瞬间
- practice role — 面对特定职能的专家审视
- practice panel — 管理多个面试官角色
- practice stress — 高压模拟
- practice retrieval — 限时快速匹配故事

训练设有门槛：只有达到评分阈值才能进阶，而非仅凭"感觉准备好了"。每轮结束后，Claude 会先让你自评，再给出评分——先讲优势，再讲差距，最后给出下一轮的具体改进点。

3. 模拟面试（mock）。 与逐个建设技能的训练不同，模拟面试是 4-6 个问题的完整面试。Claude 逐个提问，期间不提供任何反馈。至少有一个问题瞄准你故事库中的已知缺口。结束后你得到的是整体弧线反馈：你在不同问题之间能量如何变化、是否重复使用故事、如何响应面试官线索、以及整体最强和最弱的环节。个体训练打造技能，模拟面试检验整体表现。需要注意的是，这是教练功能中局限性最强的一项——面试流程因公司而异，且面试本身也在不断变化，无法支持所有类型。教练会尽可能向你收集信息并努力提供帮助，并明确告知局限。

4. 脱颖而出。 故事库构建之外，Claude 还辅导差异化——避免听起来像其他用 AI 准备的人。它从你的经历中提取"挣来的洞见"（Earned Secrets，只有亲身经历才能获得的认知），打磨你的观点立场，帮你淘汰总是无法打动人的故事。

5. 预测顾虑（concerns）。 Claude 会让你预测面试官可能的顾虑，验证你说对的，并指出你遗漏的——每条附带反驳证据和故事库中的最佳故事来应对。

6. 准备提问（questions）。 生成 5 个量身定制的非通用问题——每个问题附加强处说明、向谁问、面试官可能反问什么、以及你准备好的回应。

7. 追踪进度（progress）。 Claude 先问你自己注意到了什么模式，然后再展示数据：哪些能力在提升、哪里停滞不前、接下来训练什么。最后问你："作为沟通者，你从自己身上学到了什么？"因为这种自我认知才是真正能带入面试室的东西。

8. 上场前的心理调适（hype）。 生成一个 60 秒"高光集锦"（你的最大成就和最强数据，适合朗读）、一份 3×3 表单（3 个可能的顾虑加反驳、3 个提问）、一个 10 分钟的身心热身流程、以及面试中途的恢复脚本——当你搞砸一个回答或遇到完全没有准备的题目时的应急方案。

9. 发送有力的跟进（thankyou）。 面试后提供上下文，Claude 起草感谢信，强化你对话中最有力的时刻。

10. 薪资谈判（negotiate）。 拿到 offer 后输入详细信息、理想结果和底线。Claude 帮你解读市场数据（来自 Levels.fyi、Glassdoor 等），识别最可谈判的要素，并提供精确的谈判脚本——不仅是策略，还包括具体话术和应对对方拒绝的迂回语言。

11. 拒绝后的复盘（debrief）。 告诉 Claude 发生了什么，它会运行结构化复盘，提取可学习和可继续推进的内容，包括需要强化的证据点以及该向招聘人员问什么。

12. 求职结束后的反思（reflect）。 不管你是接受了 offer 还是决定留下来，Claude 会对你的整个求职旅程进行回顾：哪些方面提升了、哪些模式持续存在、你作为沟通者从自身学到什么、下次需要时该带走什么。

第六章：关键警告与行动清单

使教练为你所用——而非千篇一律

将教练调到最大压力。 教练在设置时询问反馈直接程度（1-5 级），默认 5 级即最直接。建议保持 5 级。大多数 AI 助手默认为"啦啦队模式"——当你的回答平淡无奇时它说"不错"，当整个故事需要废弃时它建议"小调整"。不要让它们客气。

改进提问方式：不说"我做得怎么样？"而是"这个回答最弱的部分在哪里？"不说"有什么反馈？"而是"面试官会在哪里对我失去信心？"一位参与者曾这样问 AI："你唯一的任务就是找出拒绝我的理由。你会告诉招聘委员会什么？"——这能挖出礼貌版本永远不会提及的真正顾虑。

用独特洞见引领。 来自于直接经验的模式发现。大多数人搞错的反直觉教训。不是"沟通很重要"（通用），而是"我领导过的最高效团队实际上冲突更多而非更少。我们把建设性分歧制度化了，这让我们的决策更快"（具体、出人意料、可验证）。你学到了什么与传统智慧相悖的事情？你会告诉过去的自己什么他们不会相信的事情？这些就成为了你的差异化论点。

分享尖锐的观点立场（Spiky POV）。 当你发现自己给出教科书式回答时，再推进一步：

• 安全回答："我相信在构建之前先做用户调研。"
• 尖锐立场："我已经彻底放弃了在构建之前做用户调研。我们在两周内推出一个简化版，观察人们实际上做了什么，然后从那里迭代。传统的前期调研让我们对错误的东西产生了信心。真实使用数据更快、更诚实。"

第二种说法有立场。它可能是错的。这正是它有趣的原因。

改造教练本身

项目的整个理念——做成 Claude Code 教练而非列一份建议清单——正是因为指令可以被改写。你甚至可以更进一步：打开文件直接修改它。教练文件就是一组 Markdown 文件，可以阅读、编辑、让它们为你服务。

与其在文本编辑器中手动改提示词，不如直接告诉 Claude Code 你想要什么变化。例如：

• "让反馈更精简——我要要点而非段落。"
• "调整评分标准，让沟通能力权重更高。"
• "自定义 research 命令，让它从你所在行业的特定来源获取信息——财报电话会、产品博客或监管文件。"

那些在 Noam 采访中获得最佳结果的参与者，都在不断调整他们的 AI 工具。每次面试都教会他们一些东西，他们就把那个教训反馈回系统。这才是元反馈回路：不仅被教练，还在改进教练本身。

重要警告

录音不是理所当然的选择。 Granola 等工具可以在不宣告机器人的情况下转录通话。有人认为这只是做笔记，有人觉得不自在，尤其在双方同意的州。Noam 的立场：如果你用转录来事后改进，那是合理的。如果你觉得不对，跳过这一步，仅用教练来做准备和模拟面试。

真实性至关重要。 AI 可以帮你预测问题、打磨回答、让你自信地走进面试室。但面试仍然必须是你。目标是更有效地呈现你的真实经历，而非制造一个并不存在的自己。如果你在排练自己都不相信的回答或夸大的故事，那不是 AI 的问题——那是你的问题。

行动清单

今天（10 分钟）：
- 从 GitHub 下载 Interview Coach
- 将 SKILL.md 重命名为 CLAUDE.md 以激活
- 在 Claude 桌面版的 Claude Code 中打开文件夹，输入 kickoff
- 按提示依次完成：选择路径、目标岗位、反馈偏好、时间线、简历

本周（1-2 小时）：
- 输入 stories 构建故事库
- 输入 practice ladder 练习用 30 秒/60 秒/90 秒/3 分钟讲同一个故事
- 输入 practice pushback 面对对抗性追问
- 输入 practice pivot 练习当问题与准备不匹配时如何转移

每次面试前：
- 将完整职位描述粘贴到聊天中，并在同一条消息中输入 prep [公司名]
- 如果知道面试官是谁，在后续消息中分享他们的 LinkedIn URL
- 走进面试室前输入 hype
- 如果已构建故事库，运行 mock 做一次完整的着装彩排

每次面试后：
- 粘贴转录文本，输入 analyze
- 在下次面试前选定一个成长方向来练习
- 被拒后输入 debrief 做结构化复盘（最好当天，趁记忆新鲜）
- 拿到 offer 后输入 negotiate 准备薪酬谈判
- 输入 thankyou 草拟有力的跟进邮件

每周（积极求职期间）：
- 输入 progress 查看什么在提升、什么停滞、下一步该聚焦什么

求职结束时：
- 输入 reflect 做全程回顾

求职者最突出的共性是：一旦他们拥有了反馈回路，进步速度令人震惊。同样的人，同样的经验和技能，但他们终于能看到什么不对劲并修正它。这就是这个工具给你的：一个每次使用都会变得更锋利的反馈回路。祝你求职顺利。