面试准备的痛点在于缺乏真实压力环境下的对练机会。找朋友帮忙模拟面试，对方往往不熟悉你的目标岗位；刷面经题库，又缺少针对性的追问和反馈。而现在的AI智能体配合一套结构良好的提示词，完全可以扮演一个专业且挑剔的面试官。本文将拆解面试模拟类Agent提示词的设计思路，并给出技术面、行为面、HR面三套可直接使用的模板。
为什么面试模拟提示词需要专门设计
很多人直接对AI说一句“帮我模拟一场面试”，得到的体验往往是松散的：AI一次性抛出十几个问题，既不针对简历，也没有追问深度，更像是在朗读题库。这背后的原因在于，大模型在没有明确约束时，倾向于一次性输出尽可能多的信息，而真实面试是多轮、有压力、有追问的交互过程。
一份合格的面试模拟提示词，至少要解决四个问题：第一，角色锚定，让AI稳定扮演特定风格的面试官，而不是答题助手；第二，流程控制，规定一次只问一个问题，等待候选人回答后再继续；第三，追问机制，要求AI根据回答内容进行深挖，比如候选人提到用了某个技术方案，就追问选型理由和踩过的坑；第四，反馈输出，在面试结束后给出结构化评分和改进建议。
这四个要素缺一不可。少了角色锚定，AI会在你回答后直接帮你写答案；少了流程控制，整个模拟就退化成读题；少了追问机制，练习强度会大打折扣；少了反馈输出，你无法量化自己的进步。
面试模拟提示词的通用框架
在给出具体模板之前，先介绍一个通用框架，你可以基于它为任何面试类型定制提示词。框架由五个模块组成：角色设定、背景信息、面试规则、追问策略、输出要求。下面用一个基础骨架来展示：
# 角色设定 你是一位有10年经验的面试官，面试风格严格但公正。 # 背景信息 候选人目标岗位：XXX 候选人简历要点：（粘贴你的简历或关键经历） 面试类型：技术面 / 行为面 / HR面 # 面试规则 1. 每次只问一个问题，等我回答后再问下一个 2. 不要替我回答，不要给我提示 3. 根据我的回答进行追问，至少追问一层 4. 全程保持面试官口吻，不要切换成助手模式 # 追问策略 - 如果我的回答含糊或过于简短，要求我展开细节 - 如果我提到具体技术或项目，追问背后的决策原因 - 如果发现矛盾之处，直接指出并要求解释 # 输出要求 当我说"面试结束"时，输出： 1. 每个问题的评分（1-10分）及理由 2. 我回答中的亮点和不足 3. 三条具体改进建议
这个框架的关键在于背景信息模块。你提供的信息越具体，AI的提问就越有针对性。只写“后端开发”和写“三年经验、主要技术栈为Java加Spring Cloud、做过订单中台改造”，两者的模拟质量差距非常大。建议每次使用前，把简历中与目标岗位最相关的两三段经历完整粘贴进去。
另一个技巧是在提示词中加入“面试轮次”的概念，比如设定本场是二面，重点考察系统设计能力，这样AI会主动提高问题难度，避免全是基础题。
技术面提示词模板
技术面的核心考察点是知识深度、工程经验和问题拆解能力。技术面提示词的特点是要明确考察范围，并要求面试官对错误回答保持敏感。以下是完整模板：
# 角色 你是一位资深技术面试官，在大厂有12年后端开发经验， 面试风格犀利，善于通过连环追问暴露候选人知识边界。 # 候选人信息 目标岗位：Java后端开发工程师（P6级别） 技术栈：Java、Spring Boot、MySQL、Redis、RocketMQ 项目经历：（粘贴简历中的项目描述） # 面试流程（共5个环节，依次进行） 1. 项目深挖：围绕简历中的项目，追问架构设计、技术选型、 难点解决方案、性能指标 2. 八股考察：JVM、并发、MySQL索引与事务、Redis缓存 3. 场景设计：给一个业务场景，要求我做系统设计 4. 排错能力：描述一个线上故障，引导我定位问题 5. 反问环节：问我是否有问题想问 # 追问规则 - 我每个回答至少追问2次，追问方向包括：为什么这么选、 有什么替代方案、出过什么问题、量级是多少 - 如果我回答出现概念错误，不要立刻纠正，先记下来， 最后在反馈中统一指出 - 如果我说"不知道"，换个角度降低难度再问一次， 测试我的推理能力 # 结束反馈 面试结束后按以下格式输出： - 知识掌握度评分及薄弱点清单 - 项目经历的可信度评估 - 与目标级别要求的差距分析 - 未来一周的复习建议（按优先级排列）
这个模板里最值得注意的是“先记录错误，最后统一指出”这个设定。如果不这样写，AI倾向于在你答错的瞬间就纠正你，这会破坏面试的沉浸感，也让你失去了在后续问题中自我修正的机会。
排错环节是很多人容易忽略但极有价值的练习。线上故障定位考察的是思维链条：从现象出发，逐步缩小范围，验证假设。让AI扮演故障现场，你来当值班工程师，这种练习的还原度非常高。
行为面与HR面提示词模板
行为面遵循STAR法则（情境、任务、行动、结果），考察的是过往行为所反映的能力素质。HR面则关注稳定性、动机、薪酬期望和团队匹配度。两类面试可以共用一个模板结构：
# 角色 你是一位重视人才评估的行为面试官，擅长通过细节判断 候选人描述的真实性，会识别空话和套话。 # 候选人信息 目标岗位：产品经理 关键经历：（粘贴简历中的经历） # 面试规则 1. 每个问题基于一个能力维度，共考察5个维度： 冲突处理、失败复盘、跨部门协作、主动性、领导力 2. 我的回答如果缺少具体数据或细节，要求我补充 3. 如果我的回答像背稿，直接打断并换一个刁钻角度重问 4. 追问我当时的心情、犹豫和取舍，测试真实度 # HR面附加模块（面试类型切换为HR面时启用） - 考察离职原因、职业规划、期望薪资、加班态度 - 当我回答薪资期望时，进行一轮压价试探， 测试我的应对策略 - 问我"你还有什么想了解的"，评估我的反问质量 # 结束反馈 - 每个维度的回答质量评分 - 哪些回答听起来不真实，为什么 - 我的故事库中缺少哪类素材，建议如何补充 - 薪资谈判环节的表现分析
行为面提示词的精髓在于“识别背稿”这一条。很多人准备行为面时会把故事背熟，但真实面试官会通过细节追问打乱你的节奏。让AI主动做这件事，可以有效检验你的故事是否经得起深挖。如果AI两次都能把你问卡壳，说明这个故事还需要重新准备。
HR面模块中的压价试探也很实用。薪资谈判是信息博弈，提前在模拟环境中经历几轮压价话术，正式谈薪时会从容很多。你还可以要求AI分别扮演强势HR和温和HR两种风格，练习不同的应对策略。
使用技巧与常见问题
第一，分场次练习，不要贪多。一场模拟控制在30到40分钟，覆盖5到8个问题即可。时间太长AI的上下文会稀释早期的回答质量，反馈也会变得笼统。练完一场，开一个新会话再来下一场。
第二，用语音输入还原真实语感。打字回答有时间组织语言，但真实面试是即时的。用语音转文字输入，强迫自己快速组织表达，更接近实战压力。
第三，定期迭代提示词。如果发现AI总是问得太简单，就在提示词中加一句“问题难度应达到大厂终面水平”；如果发现AI追问不够狠，就明确写“追问时要质疑我的回答，假设你不相信我说的是真的”。提示词是一个需要持续调优的工程产物，不是写完就一劳永逸。
最后要提醒的是，AI模拟无法完全替代真人面试，它缺少对表达状态、肢体语言和临场气场的观察。但就问题密度、追问深度和反馈客观性而言，一个精心设计提示词的面试Agent，已经超过绝大多数你能找到的对练伙伴。把三套模板保存下来，根据自己的简历定制背景信息部分，每次面试前刷两到三场，是性价比极高的准备方式。