入職約兩個月的我：AI 模擬面試中的思考、口語與工作風格

這篇保存的是 2026 年 9 月、我自述剛上班約兩個月時的一份階段紀錄。素材來自我設計、參與的 AI 模擬面試：先設定不同角色與情境，觀察 AI 彼此應答，再把自己放進候選人的位置，直接用口語回答。

我想留下的不只是「我做過哪些作品」，還有作品背後那個人遇到質疑、模糊題目與不完整資訊時，如何組織想法、維護立場、修改問題。時間標記很重要：這是當時的樣貌，後來的工作經驗可以補充或修正它。

本輪較有根據的觀察是：我習慣一邊回答，一邊檢查題目與評價是否成立；也傾向把人際問題轉成可以理解、分析與設計的問題。需要練習的是，把這些思考更快轉成對方當下能用的一句話與一個動作。

主題入口與閱讀路線：Projects/Workflow/ai interview self observation。

怎麼讀這份紀錄

本文由 AI 依原始材料整理，分開保留三種層次：

層次	本文如何使用
我的話與行為	引用分享頁可見的語音轉寫，或描述前後應答順序
當場 AI 與原報告的評語	視為來源提出的解釋，重新核對，不當作客觀測驗結果
本次整理的判讀	說明支持理由、其他可能解釋與需要補的證據

我將面試互動描述為全程口語；分享頁也包含開場設定與後續書面整理要求。本次讀到的是文字與語音轉寫，沒有聽原始錄音，因此能分析回答內容、轉折與互動順序，不能據此評定聲音感染力、語速、停頓長度、音色或真實情緒強度。轉寫中的中英混用、斷句與誤辨，也不能全部當成口語缺點。

我設計了什麼

完整對話比「三人比較」更長，先後包含幾個不同段落：

1. 科技公司行為面試：以虛構候選人練習自我認知、接受反饋與合作判斷，刻意不考程式碼。
2. 高情緒勞動服務情境：更換產業與角色，觀察 AI 能否改變提問與判斷方式。我發現答案仍很像科技業面試，要求重新調整。
3. 私人會員制會所：由 AI 扮演營運經理，設定偏高門檻，要求候選人說明如何創造超過薪資成本的價值。先比較兩個設定不同的 AI 候選人，再由我本人參與。
4. 跳出角色後的檢討：要求明確選人，檢查資訊是否對稱，再討論這次互動如何補充對我的理解。

前兩位會所候選人是模擬角色。即使她們的台詞在分享頁中出現在使用者訊息欄，也不能歸成我的親身經歷或性格。本人面試的明確起點是：「好,那接下來你來面試我好了現在換我」。

這次完成的是情境設計、口語互動與事後分析。它沒有形成公平的能力排名，也不是實際聘用、真實客戶服務成果或心理測驗。方法與後續實驗見 Projects/Workflow/ai interview self observation。

片段一：我先追問「被動」這個判斷怎麼來

情境： 我用音樂會與講師經驗說明自己不容易慌張。面試官很快把「冷靜處理」解讀成可能偏被動。

轉寫節錄：

所以我反而比較好奇的是,為什麼你會得出一個- 我是一個比較被動的人的結論

可觀察到的事： 我沒有直接接受標籤，也沒有只說對方錯了；我提出自己會在事情發生前蒐集資料、尋找需求的說法，再詢問推論依據。AI 隨後改口，稱這是在測試被貼標籤時的反應。

本次判讀： 我對「別人如何形成對我的模型」相當敏感。這可以幫助合作雙方釐清標準，尤其當評價把不同能力混在一起時。但它也可能包含維護自我形象的動機，單靠這段不能斷言我面對所有批評都證據導向。

值得繼續練： 先用一句話承接對方的疑慮，再要求一個具體例子。既能檢查標準，也讓對方知道我願意處理問題。

片段二：我要求評價納入尚未被問到的證據

情境： 面試官在尚未詢問實際成果前，表示沒有聽到足夠價值，傾向不錄取。

轉寫節錄：

可是你沒有問到我的業績跟我實際的成果啊

可觀察到的事： 我指出資訊缺口，也反問對方想看到什麼特質。AI 收回過早結論後，我才補充專案經驗，說明技術、設計與產品敘事如何一起形成價值。

本次判讀： 我有能力把對話從抽象人格評價拉回證據，也會主動爭取補充資訊的機會。不過反過來看，我前面的回答主要在說自己冷靜、有自信，沒有及早把最能支持主張的例子放進來。面試官漏問與我呈現證據太晚，可以同時成立。

公開紀錄只保留這個溝通模式，不重述私人專案名稱、金額或合作細節；這段自述也不作為已查驗的商業成果證明。

下一次可以換成： 先講能力，再接一個短案例，最後說明它與目前題目的關聯。不要把關鍵證據全部留到被否定之後。

片段三：我把「包裝」理解為解釋設計的目的

情境： 我提到自己擅長呈現產品，面試官追問這是實質價值，還是讓東西看起來厲害。

轉寫節錄：

我覺得一定要東西原本它就是有很有料的東西,你才有辦法呈現啊。

接著我談到，每個細微 UX 選擇背後都有目的，把這些目的說清楚，產品才會呈現完整。

本次判讀： 這裡可見我如何理解產品溝通：把功能、設計選擇與使用者價值連在一起。這適合拿來觀察提案與展示能力，但「知道怎麼說明價值」和「已證明能持續成交、交付並讓客戶受益」仍是不同證據。

可以保存的能力線索是產品敘事與技術翻譯；不必延伸成「比某種學歷的人更強」或固定的市場身價。

片段四：我會問權限，也會自行補進資源假設

情境： 面試官問如何讓一位續約意願降低的會員重新感到服務值得。我先確認能否調整服務，還是只能在既有服務內改善互動。

這是有用的分岔：如果能調整產品，解法和只能改善現場體驗時不同。原轉寫在這段混入明顯異語文字，因此此處只轉述可辨識意思，不把整段修成看似乾淨的逐字稿。

接著對方問第一週做哪三件事，我回答：

我覺得三件事太多了,我只想做一件事情

後面這「一件事」其實包含蒐集資料、分析、整理、準備與由業務或自己接觸客戶。我還預設負責人可能有數據團隊可用。AI 隨後指出，不能假設資料與團隊都已存在。

本次新增的判讀： 我很會發現對方沒有交代的條件，但未必同樣快地發現自己補進去的條件。我的「一件事」有時是策略主軸，不是一個可立即執行的動作。這也解釋了為什麼我覺得已經收斂，聽者卻可能仍不知道第一步要做什麼。

還有一個具體限制：取得更多資料未必是當下最重要的事。先確認哪些資訊必要、可取得，以及缺少它是否真的妨礙決策，才能避免把準備擴張成另一個專案。

適合我的練習題： 沒有團隊，只有兩筆紀錄，二十分鐘內先做什麼？列出最少必要資訊、第一個動作、停止蒐集的條件，以及判斷錯誤時的修正方式。

片段五：我能換成現場語言，但這段還不足以證明服務能力

情境： 我提出直接演一次客戶互動。AI 設定一名不喜歡廢話、也不喜歡過度熱情的會員，冷淡地說最近沒有什麼特別，本來也沒打算來。

轉寫節錄：

那你今天來是為了給我一個機會嗎

可觀察到的事： 我沒有繼續解釋模型，而是立刻換成帶互動感的問句。這補充了「我只會分析」之外的另一面。

本次判讀： 這句話有嘗試拉近距離、製造轉折的意圖；但也可能把焦點放在自己身上，與客戶不喜歡過度熱情的設定不完全相合。要靠後續回應才知道有效與否。對話很快被我暫停、要求收尾，因此不能把 AI 描述的短暫反應視為成功安撫或挽回客戶。

這裡適合記為「能嘗試切換互動方式」，不宜記為「已證明擅長處理高情緒客戶」。我前面也曾談耐心傾聽、讓對方感到支持，因此同樣不能反向把我簡化成缺乏同理心。

片段六：結果有利於我，我仍要求重做比較

情境： AI 在知道我的專案自述後，從傾向不錄取改成三人之中優先選我。

轉寫節錄：

所以其實我覺得很奇怪的是,你也沒有問其他兩位她們的專案是什麼。

可觀察到的事： 我指出前兩位沒有同樣的實績揭露機會，要求移除我的專案資訊再比較。AI 改選第一位、理由回到服務情境適配時，我回應：

我覺得你回答很好欸。

我接著承認，這個職位原本就未必是我會投的工作。

本次判讀： 這是本文對「重視比較方法」最有力的片段，因為修正比較條件可能使結果對我不利。它也提供一個具體例子：我可以接受不選我的答案，前提是我能理解理由。

但後續我又追問三人的整體能力與價值排序，顯示我同時在意方法是否公平，以及自己的能力有沒有被充分看見。這兩種動機可以並存，無須把其中一面刪掉，寫成全然不在意輸贏的人格故事。

而且移除一項專案資訊並沒有讓整場實驗真正對等：我的題目、追問長度、先看過其他人答案的優勢，以及 AI 對我的反應仍不一樣。

片段七：我會管理對話的結束與分析層次

面試持續拉長時，我要求暫停並給結論；在角色結論之後，又明確要求改成分析題。更早我也要求 AI 留在營運經理的角色裡解釋，而不是突然改成旁觀評論。

這表示我不只是回答內容，也在管理對話現在要做什麼：演練、判斷、比較，或事後分析。這是一種可見的對話設計能力。

另一面是，我同時擁有出題、受評與叫停的權力。在真正面試裡，這些權力未必存在。叫停可能是合理控制時間，也可能使尚未完成的壓力測試中止；這次不能單獨判定是哪一種。

後半段補上的動機線索

面試後的長談還包括工作選擇、產品入口、自主性與合作資源。這些多屬自述與假設回答，證據強度不同於剛才實際發生的應答，但有助於理解當時在意什麼。

• 希望影響方向： 我想參與產品規劃與決策，不只接收已定義好的工作。這可作為偏好記錄，不能由此認定我不適合深度工程或例行執行。
• 產品呈現具有整體性： 我把個人網站理解為產品入口，談到不同產品之間的 UI／UX 品質與共同理念。
• 在意被準確理解為正在行動的人： 當 AI 預設我「還沒有開始」，我立刻糾正，強調已經在推進。這再次出現了先修正前提、再討論建議的模式；實際進度仍應回到作品與專案紀錄查證。
• 能指出所缺資源： 我提到人脈與逐步轉介。這顯示當時對外部連結有需求，不等於已建立穩定案源或商業模式。

公開版保留這些工作動機，省略私人求職時程、財務細節與與本文目的無關的生活內容。假設情境中的選擇也不等於現實決定。

目前的能力觀察表

此表表示本次材料支持到哪裡，不是能力分數，也不拿模擬角色當作一般人的基準。

面向	這次看到什麼	還不能推到哪裡	下一個有用證據
問題定義	多次要求釐清判準、權限與題目目的	每次重構都比原題更好	在真實需求中減少一次重工
評估方法	在有利結果下指出揭露資訊不對稱	已具完整實驗設計能力	對自己與他人使用相同規則再比較
即時論證	能針對剛出現的判斷補理由、改變對話方向	高壓現場都能冷靜、反應速度優於他人	有時間限制、固定規則的重複演練
資料與系統思考	自然把情境連到紀錄、分析與可重用方法	資料越多越好，或有資料就能解人際問題	在少量資料下做出可修正的有效決定
產品價值表達	能說明 UX 選擇與價值的關聯	持續成交、營收或交付成效已驗證	一個可公開、經核對的展示與成果案例
接受反饋	在標準釐清後接受一次對自己不利的選擇	所有權威衝突都處理良好	真實協作中的反對意見與後續修正
情緒互動	提及傾聽支持，嘗試一句現場回應	已證明高情緒服務能力，或缺乏同理心	完整演完客戶互動，再看對方是否被理解
執行與領導	有成果自述，也談到流程與資源	領導能力、長期紀律、團隊複製能力	持續交付、交接與其他人的回饋

口語表達：保留思考，練習讓人更快跟上

從轉寫可見，我常用「我覺得」「就是」「如果」鋪陳，說到一半補條件，從一個角度切換到另一個角度。這種表達讓推理過程可見，也容易讓聽者花力氣找主張。

目前最值得練的不是消除所有語助詞，而是三個動作：

1. 先回答當下問題。 先說「我第一步會做什麼」，再說需要挑戰哪個前提。
2. 把主軸拆成可執行步驟。 「做資料分析」要具體成誰、用什麼資訊、多久、做出什麼決定。
3. 給對方選擇深度。 先用三十秒回答，對方要細節時再展開，不一次把所有分支講完。

例如，同一個會員續約題，可以練習這樣回答：

我先確認他最近一次不滿意的具體經驗，再選一項我們本週做得到的改善。現有資料只拿來準備兩個問題；如果沒有更多紀錄，我也會先完成這次訪談，再判斷是否需要分析。

上面是本次整理提出的練習改寫，不是當天說過的話。它保留我的分析傾向，也讓第一個動作與資料不足時的處理方式更清楚。

與原先 AI 觀察報告的對照

原報告的方向	本次處理
問題重構、反問、資料思考明顯	保留，有多個原始片段支持
關注公平與比較方法	保留，尤其是要求移除有利資訊後再評估
臨場反應偏強、抗壓穩定	收斂為本次能持續論證；未聽錄音，也沒有真實利害壓力
不易迎合權威	記為敢質疑這位 AI 面試官，不泛化成所有組織情境
很適合特定高薪職位	改為可進一步驗證的任務偏好，不作薪資或錄取預測
未來領導方式、對慢速思考者的耐心	證據不足，不納入目前的人格事實

原報告的價值在於提出可追問的方向；本次補上反例與限制，使這份紀錄之後有機會被更新，而不是只能不斷累積讚美。

下一次回看時，想知道什麼

可在入職約五個月或另一個重要工作階段，再以相近題目記錄一次；這只是回看建議，沒有建立排程。

• 能否在三十秒內講清楚主張，並讓旁聽者復述？
• 在沒有團隊、只有少量資訊時，能否先做一個可修正的決定？
• 在質疑標準之前，能否先讓對方感到被理解？
• 當標準合理而結果不利時，除了口頭接受，會做出什麼具體調整？
• 能否拿一個後來的真實事件，支持或推翻本文任一觀察？

新紀錄應保留日期與情境，不把本頁改寫成「一直以來我都是如此」。對我更有用的自我理解，是知道什麼情境會啟動哪種傾向，以及自己能不能調整。

給未來自我介紹的一段草案

我習慣先把問題與判斷依據弄清楚，再把資訊整理成可執行的方向。一次自己設計的 AI 口語模擬面試，讓我注意到：我會追問題目的前提，也會在結果對自己有利時檢查比較是否公平。我正在練習把這些分析更早收斂成一句結論與一個行動，讓合作的人更容易跟上。

這是依本次紀錄撰寫的介紹草案，不是固定人格標籤，也不是新的職涯承諾。

來源與查核方式

• 事件日期：2026-09-11；整理日期：2026-09-12。
• 第一手文字來源：使用者提供的「模擬面試演練」分享頁，核對本人面試、三人比較及後續反思的可見應答。
• 第二手來源：Kaine_模擬面試_思考口才與工作型人格觀察_2026-09-11.md，為前一輪 AI 觀察整理。
• 本文短引句保留轉寫用字與符號，只取可確認的片段；未標為引文的部分是整理或判讀。語音誤辨處不擅自重建原話。
• 完整分享連結留在原始文件，公開頁不連帶展開整份含私人脈絡的長談。
• 本文沒有存取其他 AI 的私人記憶，也不代表所有 AI 已永久記住這些內容；後續理解仍取決於是否讀到這份紀錄。

相關筆記

• AboutMe/04 collaboration and workstyle — 一般協作方式與工作風格。
• Projects/Workflow/ai interview self observation — 這次演練的方法、限制與下一輪設計。
• Systems/knowledge persona agent — 知識、角色風格與回答邊界的分工。