别再裸面了，搭个 AI 面试官先练一轮

别再裸面了，搭个 AI 面试官先练一轮

面试前你一般怎么准备？翻八股、背项目描述、看面经——然后到了现场，面试官一个"你们缓存怎么做的"追问，你就开始卡壳了。

问题不是你没准备，是准备方式不对。背八股和被追问之间，隔着一个"能不能扛住深挖"的鸿沟。你需要的不是再多看几篇面经，而是一个会追问的对手，陪你真实地练一轮。

我最近搭了一个模拟面试官 Agent，用语音对练了两周。效果：真实面试综合评分从 76 涨到 85。今天把这套方法分享出来，附完整提示词，拿来就能用。

这个 Agent 和普通 AI 面试有什么区别

市面上的 AI 面试产品不少——牛客 AI 面试、面试鸭、OfferGoose 等，单次 9-30 元不等，真人陪练 200 元/小时起步。这些工具的共同问题是：它们更像"八股考试机"，问完一个知识点就进入下一个，很少真正追问你项目里的细节。

我搭的这个 Agent 不一样。它的核心设计是模拟真实面试官的追问逻辑：

• 一次只问一个问题，你答完再追问
• 如果你答得空泛，它会追问"项目里具体怎么做的"
• 如果你背概念，它会引导你结合项目场景
• 如果你过度包装，它会提醒你降调表达

不是"问完就过"，而是"追到你答不出来为止"。

怎么搭的：核心设计拆解

我是在autoclaw上搭的使用的是小米的mimo-v2.5-pro模型，没用豆包——豆包的模型在追问深度上不太够。语音方案用的是讯飞输入法的语音输入，效果和豆包的原生语音差不多，但模型选择更自由。

第一步：给 Agent 足够的背景

很多人搭面试 Agent 的方式是："你是一个面试官，请考我"。这样出来的 Agent 只能问泛泛的问题。

我的做法是把简历项目信息直接写进系统提示词。不是写"我做过 RAG"，而是把具体技术栈、模块、甚至关键字段都告诉它，然后结合你的目标岗位JD或者让他给你调研适合你的目标公司层级投喂给他，因为大家经验，年限以及目标都不同，所以说需要确定好你自身的一个情况。：

企业多租户 RAG 中台系统：涉及文档入库、Milvus、Dense/Sparse 混合召回、Fusion、Rerank、Dynamic TopK、Parent-Child Retrieval、Evidence Gate、MCP/OpenAPI/SDK、多租户权限、Trace 和 Prometheus 监控。

这样 Agent 追问的时候，能精确到"你们 RRF 归一化怎么做"这种颗粒度，而不是问"你们用了什么技术"这种泛问题。

第二步：设计追问规则

提示词里最关键的不是"你是什么角色"，而是**"你怎么追问"**。我写了这些硬规则：

1. 一次只问一个问题，不要一次性列出多个
2. 候选人回答后，先基于他的回答追问 1-2 个问题，再进入下一个
3. 不要一开始就给标准答案
4. 如果回答空泛，追问"项目里具体怎么做的""链路怎么走""线上出问题怎么排查"
5. 如果回答像背概念，引导结合项目场景
6. 如果表达过度包装，提醒降调表达

这些规则决定了 Agent 的行为模式。没有这些规则，它会变成一个"问完就过"的八股机。

第三步：分阶段训练

不要一上来就做完整面试。完整面试会把问题打散，你很难知道自己到底哪块没掌握。

我结合我们自己的RAG中台项目把训练拆成了 10 个模块：

1. RAG 总链路——只考 Query 到 LLM 答案的完整链路
2. 文档入库——考 Redis Stream、状态流转、失败补偿
3. 混合检索——考 Dense/Sparse、Fusion、Rerank
4. 检索质量优化——考 Query Rewrite、Dynamic TopK、Evidence Gate
5. 企业级平台——考多租户、API Key、MCP、Trace
6. AI Agent 项目——考多 Agent 编排、状态机、结构化输出
7. Go 后端八股——考并发、Context、GC、MySQL、Redis
8. 项目 + 八股混合——每个项目问题接一个八股追问
9. 综合模拟面试——按真实面试流程走完全程
10. 压力面试——验证项目真实性、指标可信度

每个阶段有对应的提示词，先练模块，再做综合。就像打游戏一样，先把每个 Boss 的招式练熟，再打最终关。

第四步：语音对练

文字练习和语音练习的真实感完全不一样。面试是说话的，你需要练的是"开口就能讲清楚"。

我没用豆包的语音功能——豆包模型不太行。方案是：龙虾 + 讯飞输入法语音输入。讯飞的语音识别准确率很高，技术术语识别也没问题。效果和豆包原生语音差不多，但模型用的是更好的。

真实面试中的效果

说一个具体的例子。我练混合检索模块时，Agent 追问过这样一个问题：

"两路召回结果融合时，向量打分 0-1，关键词打分 0-20，你们具体怎么做分数归一化的？"

这个问题如果没练过，很容易说"做 MinMax 归一化"。但我练的时候被追问过，知道正确答案是：RRF 不需要归一化，它只看排名不看原始分数。

真实面试里果然被问到了类似的问题，答得很从容。

还有一次，Agent 模拟了一个排障场景：

"用户上传 PDF 后任务一直 processing，你怎么排查？"

这种问题考的不是知识，是工程思维。你需要讲清楚：先看日志定位卡在哪一步，再看任务状态流转，检查 Redis Stream 消费者是否存活，确认下游 Embedding 服务有没有超时。这种"排障链路"只有在模拟面试里练过，真实面试才能讲得有条理。

复盘模块：找到你的短板

每次练完，Agent 会按六个维度打分：

• 链路理解
• 项目真实性
• 后端工程能力
• AI/RAG 理解
• 表达清晰度
• 追问抗压能力

总分 100，还会告诉你哪些回答像真实经验、哪些像背概念、哪些有包装过度风险。最后给你 3 条第二天要补的知识点建议。

我的综合模拟面试复盘里有一条评价：

"最大亮点：Context 同步/异步两种场景的生命周期管理" "最大短板：Go 并发八股深度待验证（GMP、Channel 底层）"

这种反馈比自己翻八股有针对性得多。你知道自己哪块强、哪块弱，下次练什么。

迭代：让 Agent 越来越像真实面试官

这个 Agent 不是搭完就一成不变的。每次真实面试回来，我都会把面试中被问到的、答得不好的问题喂给它，你也可以在我们公众号去找真实的面试题，然后投喂给他：

• 真实面试被问"你们缓存怎么做的"→ 加到 RAG 总链路的追问列表
• 真实面试被问"向量维度匹配怎么判断"→ 加到文档入库模块
• 真实面试被问"单路降级策略"→ 加到混合检索模块

这样 Agent 会越来越接近真实面试官的提问风格。练到最后，你会发现真实面试里的问题，你大部分都在模拟面试里遇到过了。

一句话总结

面试不是知识竞赛，是表达和抗压的综合训练。你需要的不是再多背一遍八股，而是一个会追问的对手，陪你练到"开口就能讲清楚"。