昨天 Day 28，我們把證據庫裡的材料重新剪輯，製作成適合特定職缺的履歷，也談到如何透過求職網站、公司官網與人際連結，讓自己的能力有機會被看見。
如果一切順利，某天下午，信箱可能終於出現一封不一樣的信：
您好，我們想邀請您參加第一階段面試。
終於不是「感謝您的應徵」。
高興三分鐘後，下一個問題也跟著出現：
所以，我現在要怎麼準備？
很多人會立刻搜尋公司面試考古題。這當然有用，可以幫助我們了解流程與常見問題。但如果準備方式只剩下蒐集題目、寫出標準答案，再努力背熟，我們練習的比較像考題預測。
真實面試不太配合劇本。面試官會從你剛說的一句話繼續追問，也可能突然換方向。你花了一整晚準備「為什麼想加入我們公司」，結果主管第一題卻是：「你在履歷上說改善了資料流程，當時為什麼選這個做法？」
腦中瞬間只剩：
系統正在更新，請勿關閉電源。
走到 Day 29，我們已經介紹過提示詞、脈絡管理、Agent、MCP 與 Skill。工具越來越多，很容易讓人以為每個問題都需要組裝一套厲害的系統。
但真正能解決問題的，常常只是一個簡單工具，以及一句很普通的話。
如果不知道怎麼準備面試，可以直接把職缺、履歷與自己的狀況交代清楚，然後問：
我下週要參加這份工作的面試，這是職缺說明和我送出的履歷。我不知道該怎麼準備，你可以怎麼幫我？
這不是一條華麗的提示詞，甚至沒有指定十個步驟。但它有一個很重要的作用：當我們不知道 AI 能做什麼時，先讓 AI 提出可能的協助方式。
它可能建議分析職缺、找出履歷裡容易被追問的句子、整理公司資訊、練習自我介紹，或直接陪我們進行一場模擬面試。看完選項後，再由自己決定現在最需要哪一個。
不知道怎麼叫 AI 幫忙時，不妨先問它：你可以怎麼幫我？
簡單不等於隨便。真正重要的是，我們有沒有把問題帶進下一輪對話，再一起把方法調整成適合自己的樣子。
我自己曾經請 AI 陪我準備面試。原本以為大概就是自我介紹、為什麼應徵，以及幾題專業問題。結果一題接一題，最後竟然累積了六十幾題。
其中有些題目並不困難，只是以前沒有認真整理過。也有些題目會沿著回答一直往下挖：你說自己負責資料分析，它就問實際負責哪些部分；你說改善了流程，它就問怎麼確認真的變好；你說這是一個團隊成果，它就繼續問哪一個決定是你做的。
但真正讓我停頓很久的，反而不是一道艱深的專業題，而是：
如果拿掉你的專業，你還有哪三個特點容易讓人記得？
我一時答不出來。
專業名稱很好回答。學過什麼、用過哪些工具、做過哪些研究，都能從履歷找到。但把那些標籤暫時拿掉後，我還剩下什麼？別人為什麼會記得和我一起工作？遇到問題時，我通常怎麼反應？
那次停頓後來成為整場練習裡很有價值的一部分。因為 AI 沒有替我預測到面試考題，卻找到了一個我從未想清楚的問題。
模擬面試的價值，不是把自己練到永遠不會卡住，而是提早發現自己會在哪裡卡住。
如果只對 AI 說「請模擬面試」，它多半會從自我介紹、優缺點和申請動機開始。這些問題不是不好，只是任何人都可能收到同一套。
到了今天，我們其實已經有不少可以使用的材料：Day 26 整理的職涯方向、Day 27 建立的證據庫，以及 Day 28 針對這份職缺送出的履歷。再加上職缺說明與公司公開資訊，AI 才能知道這次要練的是哪一場面試。
可以把這些資料放進同一段對話，再給一個簡單規則：
請根據這份職缺、我送出的履歷與證據庫，擔任我的模擬面試官。一次只問一題，等我回答後，再根據我的回答繼續追問。面試進行中先不要提示答案，也不要每題立刻評分；等我說「面試結束」後，再一起整理回饋。
一次只問一題很重要。若 AI 一口氣列出二十題，使用者很容易又回到看題目、想答案、慢慢編輯的作業模式。讓下一題從上一個回答長出來，才比較接近真實面試。
履歷裡的每一句話，也都可能變成追問的入口。你寫「建立自動化資料流程」，AI 可以問流程包含哪些步驟、哪個部分由你完成、遇過什麼錯誤，以及如何確認產出正確。昨天濃縮成一行的內容，今天可能長出六個「為什麼」。
這也是證據庫再次派上用場的地方。它不是讓 AI 替我們背答案，而是讓問題能回到真實經歷，不必在面試中臨時創造一個比自己人生更精彩的版本。
模擬面試不需要一開始就建立六套系統。同一段對話，只要調整面試官的角度，就可以練到不同問題。
第一次很緊張，可以先用溫柔模式。請 AI 從基本問題開始，允許自己慢慢說完，再針對沒有說清楚的地方追問。這一輪的目標不是承受壓力，而是先能開口，把腦中的經歷說成別人聽得懂的故事。
熟悉之後，可以改成嚴厲模式。請 AI 不要輕易接受「我有參與」「我們一起完成」這類模糊回答，繼續問你的責任、決定與證據。它不是要扮演討厭的人，而是檢查我們是否不小心躲在團隊後面。
也可以使用挑刺模式，專門檢查履歷裡說得太滿的地方。只要一個成果沒有清楚的衡量方式，或回答和證據庫對不起來，就要求進一步說明。這種練習可能不太舒服，卻比正式面試時才發現那句話撐不住便宜。
最後是跳脫框架模式。可以直接請 AI 不要只問常見考古題，而是加入沒有標準答案、跨領域或自己可能沒準備過的問題。像那句「拿掉專業後，還有哪三個特點容易讓人記得」，就不是典型技術題，卻會迫使人重新理解自己。
如果不知道要選哪一種，也不用先研究半天。直接問：
依照我的經歷與這份職缺，你覺得我目前最需要哪一種模擬方式？為什麼？
AI 的建議仍然不是診斷書，但可以成為下一輪練習的起點。
有時候面試邀請會寫出面試官姓名，而對方剛好有公開演講、文章、訪談、論文、技術分享、Linkedin貼文。這時可以請 Agent 整理這些資料，看看對方長期關注哪些問題，再模擬幾種可能的追問角度。這有點像替公開資訊做一次很輕量的「蒸餾」，但蒸餾出來的是練習材料，不是面試官本人的簡易人格。
例如，對方的公開內容反覆談到系統穩定、監控與上線後的維護，模擬面試就可以多問：「如果方法在測試資料上表現很好，上線後卻開始出錯，你會先檢查哪裡？」
但這只是一項額外練習，不是面試前必做的情報工程。很多面試根本不知道面試官是誰，對方也可能沒有足夠的公開資料。遇到這種情況，直接根據職缺、履歷與證據庫練習就足夠了。
更重要的是，公開資料只能告訴我們對方曾經談過什麼，不能複製一個人的人格，也不能預測他一定會問什麼。AI 整理出的「可能關注角度」仍然是推測，應該和可查證的公開資訊分開。
我們不是在蒸餾一位真人，而是在增加自己看問題的角度。
文字模擬面試當然有用，尤其適合剛開始整理答案。但文字也給了我們一個真實面試裡不一定存在的能力：打一半可以刪掉，想不起來可以停幾分鐘，甚至偷偷搜尋後再送出一個看起來非常沉著的版本。
真正面試時，問題已經在空氣裡了。你需要組織、開口，說到一半發現方向不對，還得自己修正。
因此，熟悉文字練習後，可以再往前走一步：打開手機版 ChatGPT(現階段只有這個方式可以執行這項功能)，用語音回答，並在自己願意的情況下開啟鏡頭。這時 AI 不只會收到你說了什麼，也能從畫面觀察回答時的停頓、視線、表情與坐姿。
不過，這裡有一個容易混淆的地方。目前 ChatGPT 的 Live 與 Advanced 是不同的語音選項。官方現行說明指出，Live 雖然適合自然的即時來回，卻尚未支援即時視訊與螢幕分享。若要在 iOS 或 Android 上開啟鏡頭，應選擇符合資格帳號中的 Advanced Voice；實際能否使用，仍可能受到方案、地區與 App 版本影響。
大致可以按照以下方式操作：
鏡頭真正增加的，不是「AI 可以看穿我的內心」，而是多了一些可以檢視外在行為的資料。例如回答不確定的題目時，是否沉默很久、語速突然變快、眼神長時間離開畫面，或身體愈坐愈縮。可以請 AI 指出它觀察到的具體時刻，判斷是否需要調整。
但不要直接把「看起來緊張」、「缺乏自信」當成客觀診斷。燈光、鏡頭角度、網路品質、文化差異與 AI 的誤判，都可能影響結果。比起要求 AI 替表情打八十二分，更適合問：
哪三個時間點出現明顯停頓、語速改變或視線移動？請描述你觀察到的現象，不要猜測我的人格或心理狀態。
視訊功能也剛好呼應 Day 18 提到的能力校準。免費功能已經可以完成許多練習，但部分即時視訊能力確實可能只開放給符合資格的訂閱帳號。如果從未實際接觸過這些功能，就不容易知道目前的 AI 已經能參與到哪一個程度；這不代表每個人都必須長期訂閱，而是要知道產品方案有時會改變我們看見的能力邊界。
最後還要注意資料界線。開啟鏡頭前，先確認背景中沒有個人文件、其他人的臉、公司資料或不想上傳的物品，也要理解平台如何保存語音、影像與文字紀錄。模擬面試是練習，不需要順便替整間房間做數位建模。
初階求職者很容易擔心，面試時說「不知道」就會立刻出局。於是遇到陌生問題，大腦開始努力生成一個自己也不確定的答案。
這時最需要練的，反而不是假裝知道，而是怎麼處理不知道。可以先確認問題、說出目前理解，接著交代自己會如何拆解與查證。如果題目需要額外資訊，也可以主動詢問。
例如：
這個情境我沒有實際處理過。我目前會先確認資料從哪個步驟開始異常，再比較上線前後的輸入與處理流程。如果可以，我想先確認這裡的錯誤是偶發，還是已經持續一段時間？
這不保證是一個完美答案，但至少沒有把猜測說成經驗。對許多沒有多年工作經歷的人而言，面試官也可能在觀察：遇到未知時，你會亂猜、僵住，還是能誠實地開始處理問題。
模擬面試常見的一個問題，是 AI 每問完一題就立刻評論：「回答得很好！以下有三點可以改進。」
到了第三題，面試已經變成家教課。使用者也會開始迎合剛才收到的評分，而不是自然回答。
因此，可以在開始前先約定：進行中只扮演面試官，不提示、不改寫答案，也不要每題評分。等使用者說「面試結束」，再一起回顧。
回顧也不用產生二十頁報告。先回答幾個最有用的問題就好：
這些回饋不是正式公司的評分，也不能證明自己一定會通過面試。AI 可能誤解回答，也不知道公司真正的評分方式。它比較像一面練習用的鏡子：幫我們找出值得回頭看的地方，而不是提前宣布錄取結果。
我被問了六十幾題，不代表每個人都必須完成六十題才有資格去面試。那不是新的求職 KPI，也不是「面試版六十下挑戰」。同時也代表你會被入取( 我在說我自己:) )。
有時候練十題，其中一題真的讓自己重新理解一段經歷，就已經很值得。有時候練到第三題便發現，履歷上最重要的專題其實說不清楚，那就先停下來，回到證據庫補材料。
簡單工具之所以有用，不是因為它一次做得很多，而是我們可以帶著新的發現再使用一次。溫柔地問一輪、嚴格地問一輪；先打字，再開口；今天卡住，明天整理完再回來。
這也呼應了前幾天的求職流程。Day 26 讓 AI 幫我們看見可能的方向；Day 27 從過去挖出證據；Day 28 把證據送到一個具體機會面前；到了今天，我們終於要確認，那些寫在履歷上的句子，是否真的已經成為自己說得出口的經歷。
面試準備不是背完所有答案，而是提早遇見自己還沒有想過的問題。
AI 可以分析職缺、追問履歷、扮演不同風格的面試官，也可以在語音中陪我們練習停頓與修正。它甚至可能問出一個讓人想很久的問題。
但真正坐進面試的人仍然是自己。
AI 不需要準確猜中面試官的下一題。只要它能在真正面試以前，帶我們多遇到幾次未知，多看清楚一個盲點，多把一段經歷說明白一點，就已經提供了一個以前很難隨時取得的練習場。
而這個練習場的入口，可能沒有想像中複雜。它有時只是打開一個對話框，說：
我不知道該怎麼準備這場面試。你可以怎麼幫我？
下一篇就是整個三十天的最後一天。前面我們一直在追問 AI 又能做什麼，最後我想把問題轉回自己：
iThome鐵人賽
看影片追技術