用 AI 準備技術面試：白板題、系統設計、行為面試的模擬與即時回饋實戰

一分鐘重點：技術面試輸的往往不是你不會解題，而是「會解卻講不出來、被追問就崩」。刷題練的是腦中的解題肌肉，但白板前真正考的是你能不能一邊想一邊講、能不能在系統設計被連環追問時站穩、能不能把行為題講成有數字有結果的故事。這篇教你把 AI 變成一個隨叫隨到、不會累、敢一直追問你的面試官：它出題、它追問、它逐題給結構化回饋，你負責的是「開口講思路」而不是安靜地寫 code。文末給你一段可以直接複製的 Prompt 模板，以及一位台灣工程師靠這套方法拿下外商 offer 的真實過程。但先講清楚：AI 給的解法你一定要自己理解到能複述、能延伸，真實面試看的是臨場思路，不是背誦。

為什麼刷了三百題，還是在白板前失語

先講一個大多數人準備面試時最大的盲點：把「會解題」跟「能通過面試」畫上等號。

我看過太多工程師，LeetCode 刷到四百題、Medium 幾乎閉著眼睛都能過，結果一進 onsite 的白板環節就當機。不是不會，而是他們從來沒練過「一邊在白板上寫、一邊對著一個真人把思路講出來、對方還會隨時插話問你為什麼」這件事。刷題時你是安靜的、可以隨時回頭改、環境是舒服的 IDE；面試時你要一心多用：講出你的思考、寫出正確的 code、同時應付面試官的追問和你自己的緊張。這是兩種完全不同的能力。

技術面試通常分成三塊，各自考不同的東西：

• 演算法白板題：考的不只是最後 code 對不對，而是你的解題思路、有沒有先問清楚邊界條件、能不能講出時間與空間複雜度、卡住時怎麼調整方向。
• 系統設計：考的是取捨判斷。沒有標準答案，面試官會針對容量估算、資料庫選型、快取、擴展性、單點故障一路追問，看你有沒有真實系統的手感。
• 行為面試（Behavioral / BQ）：考的是你怎麼跟人協作、怎麼面對衝突與失敗，大廠尤其重視。答不好，技術再強也可能被刷。

這三塊有一個共通點：都需要你「開口，被追問，還能站穩」。而這件事，你一個人對著螢幕永遠練不到——因為沒有人會追問你。這正是 AI 能補上的最大缺口。

AI 到底幫你補上哪一塊

把 AI 當成面試準備工具，最容易搞錯的方向是「叫它幫我把題目解出來」。那是最沒價值的用法，等於花錢請教練幫你跑步。AI 真正的價值在於它能扮演一個永遠有空、永遠有耐心、而且敢一直追問你的面試官。

具體來說，它能幫你補上這幾件一個人練不到的事：

追問。 這是核心。真面試官不會等你講完就放你走，他會問「這裡為什麼用 hash map 不用 array」「如果資料量再大十倍你會怎麼改」。AI 開了追問模式後，會像真面試一樣逼你把模糊的地方講清楚，這正是臨場最容易卡住的環節。

逼你講思路，而不是默默寫。 你可以要求 AI：「我先口述解法，你覺得思路可行再讓我寫 code。」這會強迫你把腦中的想法變成語言，練的就是白板前那套「邊想邊說」的肌肉。

結構化回饋。 一個人練最大的問題是不知道自己哪裡不好。AI 可以在每題結束後告訴你：思路哪裡繞遠路、複雜度分析漏了什麼、表達上哪句話講得不清楚、還有哪些知識點該補。

可複製、可調難度、不會累。 你可以連練十題、指定只練圖論、要求它模擬 Google L4 的難度，它不會嫌煩。這種高頻反覆，是找朋友幫忙模擬做不到的。

可直接複製的「AI 面試官」Prompt 模板

下面這段是核心工具，把中括號裡的變數換成你的狀況，直接貼進 ChatGPT、Claude 或 Gemini 就能開始。它的設計重點是：AI 一次只當面試官、不主動給答案、逼你先講思路、並在每題結束給結構化回饋。

你現在是【目標公司，例如 Google／台積電／某外商新創】的資深工程師，
正在面試我應徵的【職缺與職等，例如後端工程師 L4】。

這份職缺的 JD 重點是：
【貼上 JD，或列出 3-5 個關鍵技能，如 Golang、分散式系統、Kubernetes】

我的背景：
【工作年資、熟悉的語言與領域、目前弱點，例如 5 年後端、演算法較弱】

請依以下規則進行一場模擬面試：

1. 這一輪我要練【演算法白板題／系統設計／行為面試，三選一】。
2. 一次只出一題，難度對齊【Easy／Medium／Hard 或該公司職等】。
3. 出題後先等我口述解題思路，不要主動給我答案或提示，
   除非我明確說「我卡住了，給我一個提示」。
4. 在我講解或作答的過程中，像真面試官一樣追問：
   問我為什麼這樣選、複雜度怎麼來、邊界條件、如何擴展。
5. 我作答完後，用以下格式給我回饋：
   - 思路：哪裡好、哪裡繞遠路或有漏洞
   - 表達：講得清不清楚，有沒有先問清楚需求
   - 複雜度／取捨：分析對不對
   - 若這是真面試，這題大概是 強過／勉強過／不過
   - 我下一步該補的 1-2 個重點
6. 全程用【繁體中文／英文】。給完回饋後問我「要不要進下一題」。

準備好了就出第一題，先不要解釋規則。

用這段模板時有三個小訣竅。第一，先講思路再寫 code，這是刻意設計，因為真面試最看重的就是這段口述。第二，卡住時不要馬上要提示，先自己撐三十秒，模擬真實壓力。第三，每一輪結束把 AI 給的「待補重點」抄下來，累積成一份你自己的弱點清單，下次開場就針對這些練。想把這段指令存成隨點隨用的工具，可以到 Prompt 產生器 存成模板，或到 食譜庫 找現成的面試模擬配方。

系統設計：讓 AI 當那個一直追問的人

系統設計是最多資深工程師栽跟頭的一關，因為它沒有標準答案，考的是你有沒有「設計過真實系統」的手感。這關 AI 幫得上的地方，正是它不會漏掉任何一個必問維度。

實際操作時，把題目（例如「設計一個短網址服務」「設計一個像 LINE 的即時聊天系統」）丟給 AI，並要求它扮演資深面試官，按照真實面試的節奏一步步追問：先問你需求與規模（每天多少請求、讀寫比例），再問容量估算（要存多少資料、需要多少台機器），接著逼你畫出高層架構，然後針對每個元件追問——資料庫選 SQL 還是 NoSQL、為什麼、快取放哪一層、熱點 key 怎麼處理、單點故障在哪、怎麼水平擴展。

AI 在這關的最大用處是當你的盲點雷達。很多人講短網址服務講得頭頭是道，卻完全忘了估算「短碼會不會撞號、需要幾位」，或漏了「讀遠多於寫，所以要重快取」。AI 幾乎不會漏掉這些必問點，它會一路戳到你答不出來為止——而這正是你需要的，因為在家被戳穿，總比在真面試被戳穿好。

但要記住一個限制：架構取捨的合理性，AI 不是最終裁判。 它給的方案有時偏教科書、有時對某些新技術的取捨不夠貼近業界現況。把它的追問當成完整度檢查，架構決策的對錯，還是要靠你自己的工程經驗，並多讀幾份真實的業界設計文件交叉比對。

行為面試：用 STAR 把真實故事講成有數字的版本

技術強的人最容易輕視行為面試，覺得「不就是聊天嗎」。結果被「講一次你跟同事嚴重意見不合、最後怎麼收場」問到支支吾吾，講成一團流水帳，大廠直接因為這關把人刷掉。

行為面試其實是 AI 最好發揮的一關。做法是請 AI 依 JD 生出常見行為題，然後用 STAR 結構（Situation 情境、Task 任務、Action 行動、Result 結果）逼你把每個故事講成有頭有尾、有數字、有結果的版本。你先講一個粗糙的原始版本，AI 追問「當時團隊多大」「你具體做了哪個決定」「最後量化的結果是什麼」，一輪輪把故事打磨到緊湊有力。

這裡有一條不能踩的紅線：故事必須是你真實的經歷，AI 只能幫你重組和追問，絕對不能幫你編。 編出來的故事，一被面試官追問細節就會當場崩掉——真面試官問「那個專案後來怎麼維護的」「你說的那個衝突，對方的立場是什麼」，你答不出來就全盤皆輸。AI 的角色是幫你把「明明做過、卻講得很爛」的故事救回來，不是無中生有。這跟 用 AI 寫履歷 的原則一模一樣：AI 幫你把真實成就講出價值，但事實得是你的。

真實案例：一位台灣後端工程師的外商 offer

分享一個具體的例子。林彥廷（化名），在台北一家 SaaS 公司做了五年後端，主力是 Golang，想跳去一家在台灣設點的外商，職等對標 L4。他的困境很典型：LeetCode 刷了兩百多題、Medium 沒問題，但每次公司內部的模擬面試都栽在「講不出思路」和「系統設計被追問就慌」。

他改用這套方法練了三週，每天下班後一小時。第一週只練白板題，強制自己每題先口述解法再寫 code，AI 每次都追問複雜度和邊界，前幾天他被問到冒汗，因為以前刷題根本不會有人問這些。第二週主攻系統設計，讓 AI 反覆出「設計限流器」「設計排行榜」這類題，被追問「熱點資料怎麼處理」時卡了整整三天才想通。第三週練行為面試，把「主導一次資料庫遷移」的經歷用 STAR 重講了七、八遍，從流水帳磨成兩分鐘講完、還帶得出「遷移後 P99 延遲降四成」的版本。

結果：外商三輪技術面加一輪 BQ 全過，拿到 offer。他事後回饋最有感的兩點，第一是「終於習慣邊想邊講，白板前不再突然啞掉」，第二是「系統設計被 AI 追問到怕，真面試官問的反而都在我準備範圍內」。這不是 AI 幫他變強，而是 AI 幫他把「會的東西」練到能在壓力下穩定輸出。拿到 offer 後談薪的部分，他接著用 AI 練面試談薪水 的方法多要到一段年薪。

最容易踩的坑，跟 AI 幫不了你的地方

這套方法很有用，但用錯方向會白練。幾個最常見的坑：

只刷題不練口說。 這是最普遍的錯。刷再多題，不練「講」，你就是那個在白板前失語的人。刷題和口說模擬要並行，不是二選一。

直接背 AI 的答案。 前面反覆強調過：背下來的解法一被追問就露餡。AI 給你解法，你要做的是理解到能複述、能講出為什麼、能回答「改一個條件怎麼調整」，這才算是你的。

把 AI 的系統設計方案當標準答案。 它是完整度雷達，不是架構裁判。取捨的合理性靠你的經驗判斷。

行為面試編故事。 一被追問細節就崩，得不償失。

再講清楚 AI 的能力邊界。AI 給的解法有時會有小 bug 或不是最優，你得有能力判斷。 真實面試考的是臨場思路、跟真人互動的節奏、還有你緊張時的應變，這些 AI 只能模擬到七八成，剩下的靠你多找真人 mock、或參加社群的模擬面試補齊。表達上的緊張、語速、停頓，是口條問題，可以搭配 AI 練口語表達 一起處理。AI 是把你練到位的陪練，不是替你上場的選手。

現在就開始：你的三週練習節奏

別把準備面試想成一件要「準備好」才能開始的事。最好的開始就是今天晚上打開一個 AI，把上面那段 Prompt 貼進去，換上你的目標公司和職缺，讓它出第一題，然後強迫自己開口把思路講出來。第一次一定很卡、很尷尬，那正是你過去缺的那塊練習。

給自己一個三週節奏：第一週練白板題、每題先口述；第二週攻系統設計、讓 AI 追問到你補完盲點；第三週打磨三到五個 STAR 行為故事。每輪結束都把 AI 給的弱點清單存起來，下次針對性練。三週後你會發現，讓你緊張的不再是「會不會」，而只剩下臨場的那點腎上腺素——而那個，上場幾次自然就穩了。

準備面試的完整地圖，可以搭配 用 AI 找工作 從投遞到 offer 走一遍；工具用不順的話，先看 ChatGPT 怎麼用 打好基本功。offer 到手那天，記得回來把談薪也練一遍。

本文由 AgentAI 智庫（agentai.tw） 整理製作，台灣最大的繁體中文 AI 知識站。

常見問題 FAQ

延伸閱讀

• 用 AI 找工作
• 用 AI 寫履歷
• 用 AI 練面試談薪水
• ChatGPT 怎麼用？