幾年前找工作的時候，我曾經刷了 500 題 LeetCode。當時的面試以傳統演算法題為主，很多題目像在解 Puzzle 一樣有趣，但準備起來也相當花時間。
最近重新開始準備軟體工程師面試，我決定不再把大量時間投入刷題，而是更有選擇性地準備面試，並大量使用 AI 作為練習工具。從 Behavioural Interview、Coding 到 System Design，我都嘗試設計不同的 AI 練習方式。實際使用下來，效率好到有時候會覺得自己在作弊 XD
這篇文章想分享我實際使用的工具、Prompt、練習方法，以及過程中踩過的一些坑。也很好奇其他人現在都怎麼準備面試，歡迎交流。
和未來主管的談話通常不會只著重技術深度，也會了解你的工作模式、偏好的協作方式、如何處理衝突，以及希望主管提供什麼樣的支援。我覺得這類問題誠實回答是上策，避免雙方認知不一致，浪費後續的時間成本。
Recruiter 或 HR Round 則通常會詢問工作經歷、期望薪資、工作資格等基本資訊。不過我也遇過需要對 DevOps 基礎知識進行快問快答的人資關，當下不禁想咦現在人資關也這麼硬嗎？
我的 AI 練習方式
我會先整理一份可能出現的問題清單，再請 AI 根據重要性排序，搭配 Voice Mode 進行模擬面試。以下是我實際使用過的 Prompt：
yltw
Here's a list of questions I want to go through
for a hiring manager interview.
I have one hour to practice.
Could you come up with a priority list and
we start from the beginning?
The approach will be:
1. You ask a question.
2. I answer.
3. You give me feedback if the answer could be stronger in some ways.
4. After one retry, we move on.
5. If the answer sounds good, move on to the next question without retry.
Only ask questions in this provided list.
Do not invent new questions or ask follow-ups.
<list of questions>
我喜歡這種練習方式，因為 AI 不會每一題都無止境地追問，也不會一直提供新的問題，讓練習時間變得難以控制。
除此之外，面試最後通常會有 Q&A，這也是一個能展現自己對工作理解與興趣的機會。最簡單的方法就是請 AI 根據職缺描述、面試官背景及公司的技術部落格，整理出值得深入討論的問題。
另外，也可以請 AI 搜尋公開的面試經驗分享，了解不同公司的面試形式。我曾經因此找到和實際面試非常接近的問題。
這類面試也常被稱為 Cultural Fit Round，主要觀察你在不同情境下的思考與應變方式，例如如何處理衝突、展現 Ownership、優先考慮客戶價值等。
Cracking the Coding Interview（CTCI）有一章介紹 Behavioural Interview 的準備方式，我覺得很值得參考。
我會先整理自己的 Story Bank，把過去工作中值得分享的經驗寫下來，例如：
接著把 Story Bank、職缺描述，以及公司的文化與價值觀提供給 AI，請它協助整理可能出現的問題，並找出適合的故事。之後再透過 Voice Mode 進行模擬面試，依據回饋做重點練習。
這裡我覺得最重要的是：AI 可以協助組織故事，但不能替你創造不存在的經驗。 如果只是背下 AI 產生的漂亮答案，遇到面試官深入追問細節時，很容易露出破綻。
除了 AI，我也嘗試過 Exponent 的免費 Peer Interview。這個功能會配對兩位使用者，輪流擔任面試官與面試者。不過我兩次的體驗都不太理想，一次對方沒有出現，另一次則因為溝通不順而提前結束。免費配對的品質比較難預期，如果需要穩定的真人回饋，找朋友練習或付費請教練可能更合適。
幾年前準備面試時，我曾經刷了 500 題 LeetCode。這次則完全沒有刷題。一方面是希望縮小準備範圍，另一方面也是因為我更希望尋找面試方式貼近日常工程工作的公司。
因此，在投履歷或第一輪面試時，我會先詢問 Coding Round 的形式，以及是否允許使用 AI 工具。如果面試主要是傳統 LeetCode 題型，我通常會選擇不繼續參與。這不代表 LeetCode 已經被淘汰，而是我決定把有限的準備時間投入更符合自己目標的面試形式。
除了傳統演算法題，我遇到或研究過的 Coding Round 主要包含：
1. Take-home Exercise
通常會提供一個專案，要求實作特定功能。後續面試可能會針對程式碼進行延伸或追問，確認你是否理解架構設計、測試、程式碼品質，以及部署與維運等問題。即使使用 AI 協助實作，仍然需要能夠解釋自己的設計決策。
2. AI-assisted Coding
部分公司開始嘗試允許使用 AI 的 Coding Interview，例如在 CoderPad 或其他開發環境中，提供一份既有 Codebase，要求修復測試或實作新功能。
我的經驗是，不要一看到題目就直接把所有需求丟給 AI。比較好的方式是先向面試官解釋自己的思路，確認對問題的理解，再使用 AI 協助探索或實作。這類面試除了程式能力，也很重視 Think Aloud：你能不能清楚解釋自己正在做什麼、為什麼這樣做，以及如何驗證結果。如果平常就有使用 AI Coding 工具的習慣，操作本身可能不會太陌生，但仍然需要練習如何在面試壓力下清楚表達。
系統設計面試通常需要一邊釐清需求、一邊畫架構圖，同時向面試官解釋自己的設計決策。比起單純閱讀解答，我覺得實際演練更有幫助。
我的練習方式是使用 Codex 的 in-app browser 開啟 tldraw，搭配 Voice Mode 進行模擬面試。
我會先請 AI 扮演面試官，讓我主導前 30–40 分鐘的討論，不要中途打斷。等我完成架構設計後，再請它針對系統瓶頸、設計取捨與可能忽略的問題進行追問，最後給予整體回饋。
我通常會把一場練習控制在一小時內：
這樣不只能練習系統設計，也能訓練自己在畫圖的同時清楚表達思路，對英文不是母語的工程師尤其實用。
我也會請 AI 從需求分析、架構合理性、Scalability、Reliability、Trade-offs 與溝通清晰度等角度給予回饋。當然，AI 的回饋不一定完全正確，但它經常能提出一些我原本沒有想到的問題。
我一開始使用 Claude Code，後來逐漸改用 Codex 進行面試練習，主要是因為我個人比較喜歡後者搭配語音互動的工作流程，也覺得回饋方式更符合自己的需求。除此之外，我覺得以下資源也很值得參考：
Cracking the Coding Interview（CTCI）
雖然這本書最知名的是演算法面試，但 Behavioural Interview 的準備章節也很有參考價值。
Hello Interview
提供 Coding、Behavioural 和 System Design 的學習與 AI 練習資源，適合需要系統化準備面試的人。
Granola + Whisper
我會使用 Granola 整理面試時的筆記，讓自己能專注在對話本身。在取得對方同意的情況下，我也會使用錄音工具記錄面試，再透過 Whisper 轉成逐字稿，請 AI 分析哪些回答可以改善。
和在產品中使用 LLM 一樣，我覺得把 AI 當成面試教練，也需要設定自己的 Guardrails。以下是我使用過程中的幾個觀察：
1. 不要把 AI 的評分當成絕對標準
AI 有時候會給出過度嚴格、缺乏情境的評價。它不是實際公司的面試官，也不一定了解對方真正的評分標準。當 AI 認為我的回答不好時，我會要求它指出具體問題與證據，而不是直接接受分數。
2. AI 無法完全模擬真人互動
真人面試可能會出現打斷、模糊提問、臨時改變方向，以及非語言訊號。AI 能協助練習回答結構，但仍然無法完全取代真人模擬面試。
3. 不要讓 AI 替你編造經歷
AI 很擅長把一段普通的工作經歷寫得非常漂亮，但也可能加入不存在的成果或誇大影響力。尤其是履歷和 Behavioural Interview，所有內容都應該以自己的真實經驗為基礎。
4. 不要把所有面試內容都交給 AI
面試過程可能涉及公司內部資訊、面試官個資或保密題目。使用 AI 分析前，應先確認是否允許分享，必要時去識別化或改用自行設計的練習題。
從後見之明的角度來看，我一開始設定的準備期太長了。因為很久沒有正式面試，又不斷看到科技公司裁員的消息，總覺得自己應該準備得更充分一點才開始投履歷。但實際開始面試後，我發現花一個月做沙盤推演，有時候還不如真正參加一次面試。模擬面試當然重要，但真實面試的緊張感、臨場反應，以及與陌生人的互動，很難完全在練習中重現。
如果重新來一次，我會先準備基本的 Story Bank 和幾個 System Design 題目，就開始少量投履歷，依照實際面試回饋調整準備方向。
我會把不同公司的面試經驗整理在獨立的 Notion 頁面中，記錄面試問題、自己的回答、遇到的困難，以及後續需要補強的知識。透過這些紀錄，AI 可以協助整理反覆出現的弱點，甚至幫助我制定長期學習計畫。我覺得這比單純記錄面試結果更有價值，因為它能讓每一次面試都成為下一次練習的素材。
一開始收到不少拒絕信時，我曾經懷疑自己的職位定位是否有問題，因此增加了投遞量。結果就是同一時間有太多面試需要準備，讓自己承受很大的壓力。
如果重新來一次，我會邊投邊調整，盡量把同時進行的面試流程控制在兩到三家公司。時間安排上，也會保留與工作和面試完全無關的活動，保持生活和工作的平衡。
幾年前準備面試時，我花了大量時間刷 LeetCode；這次則把更多時間投入整理自己的經歷、練習表達，以及利用 AI 找出知識盲點。
兩次準備方式最大的差別，不只是面試形式改變了，而是我開始更有意識地選擇如何分配時間。AI 確實讓學習和準備的效率提高很多，但真正需要思考、判斷與表達的人，始終還是自己。
希望未來能繼續保持學習節奏，而不是只有準備面試時才密集學習。
以上是我最近使用 AI 準備軟體工程師面試的一些心得。
從開始投履歷到獲得 Offer，大概花了三個月的時間，等到實際開始在新公司工作之後，可能會再整理出更詳細的心得。
也很好奇大家現在都怎麼準備面試？尤其是 AI-assisted Coding 和 System Design，有沒有推薦的工具或練習方式？
歡迎分享實際經驗，也很想知道大家對 AI 模擬面試的看法。
iThome鐵人賽
看影片追技術