用 AI 多角色模擬面試，記錄自己的思考方式

這是一個已完成一次演練與紀錄的個人實驗，尚未做成獨立軟體或經驗證的能力測評工具。 Kaine 設計不同候選人與面試情境，由 AI 進行角色互動，再親自加入面試，保存回答過程與事後反思。

它想解決的是一個個人知識問題：履歷容易記下做過什麼，卻不容易留下當時如何思考。口語模擬增加了被追問、即時修正與對話轉向的材料，可以讓未來的自己與讀取紀錄的 AI，有具體事件可參考。

第一份成果是 AboutMe/interview thinking snapshot 2026 09，記錄入職約兩個月時的思考、表達與工作傾向。

主題導覽

先了解實驗

本頁是主題入口：往下看第一輪設計、方法限制與下一輪題目。這是本人參與的 AI 口語實驗，目前已完成一次紀錄。

再看原話與觀察

完整紀錄按「情境 → 原話／行為 → 判讀 → 限制與下一步」整理，可依問題直接閱讀：

想了解什麼	閱讀位置
面對質疑，如何追問評價依據	被動判斷與補充證據
第一週怎麼行動，有沒有預設資源	權限、資料與團隊假設
結果對自己有利時，是否仍檢查公平性	資訊不對稱與重做比較
目前能力支持到哪裡	能力觀察表
口才與即時表達有哪些練習方向	口語表達

帶著具體問題閱讀

例如：「Kaine 的模擬面試怎麼設計？」「模擬面試結果對他有利時，他為什麼要求重做比較？」「他的口語表達有哪些尚待驗證的地方？」這些問題分別對應方法、事件與觀察，不必先讀完整篇。

第一輪怎麼進行

階段	Kaine 做的設計與操作	留下什麼
改變情境	從科技業行為面試換到高接觸服務工作	觀察 AI 是否真的改變角色判準
調整候選人	在會所情境比較兩種 AI 候選人設定	不同回答如何被面試官接受或否定
增加取捨	要求偏高門檻、可能不錄取，並解釋價值	避免每個回答最後都被稱讚與通過
本人參與	用口語直接回答，追問、補證據、提出情境演練	不只保存準備好的自我介紹
檢查方法	指出面試長度與實績揭露不一致，要求重新比較	對評估本身的反思
整理紀錄	將原始轉寫、AI 評語與後續判讀分開	可被補充與修正的階段性知識

這個設計的個人特色在於，Kaine 同時是設計者、觀察者與參與者。這讓他能快速修改實驗，也帶來偏差：他知道題目背景、看過前面的回答，還能在自己的面試中改變流程。

已經完成與還沒完成

已完成： 多情境角色演練、會所情境的兩位 AI 候選人與本人應答、事後比較、關鍵轉寫核對，以及公開可讀的階段紀錄。

仍待驗證： 是否換一位評閱者也得到相近觀察；是否換題目、換時間仍出現同樣傾向；紀錄能否幫助真實合作或下一次表達；加入筆記後，個人 AI 是否真的更準確，而非只是更會複述形容詞。

目前沒有標準化題庫、評分常模、聲學分析、獨立評審或長期追蹤結果。這些限制仍適用於後續的 AI 介紹。

第一輪最值得修正的地方

1. AI 角色會套用熟悉的面試語言。 換了產業，仍可能用科技業式的自省與成長敘事。當場的角色解釋甚至出現工程、產品團隊語彙，應視為角色一致性問題。
2. 候選人不是同一套條件。 追問次數、資訊揭露與面試長度不同，結果不能支持誰比較優秀；拿掉一項資訊也無法消除前文影響。
3. 提示會把答案教給受測者。 面試官一邊追問一邊提供方向，再稱讚回答，容易把共同生成的結果誤當獨立能力。
4. 設計者能控制何時停止。 要求結論是重要的對話管理行為，也可能讓尚未完成的情境提早結束。
5. 轉寫不是錄音。 無法只靠文字評定聲音表現、反應秒數與情緒穩定度。
6. 角色背景不能代替能力依據。 學校、科系、性別或外貌設定不能成為真人能力高低的預設；應用可觀察行為定義角色差異。

因此第一輪適合產生「下一次要觀察什麼」的假設，還不足以支持人格定型、薪資推估或人類與 AI 的能力排名。

下一輪的最小版本

先沿用現有 AI 對話與 Markdown，完成一次約二十分鐘的口語演練，再做十分鐘整理；暫時不需要帳號系統、資料庫或新網站。

共同條件

• 固定一份職務需求、五個核心問題與時間限制。
• 角色使用行為差異，例如先澄清再行動、先提出行動再修正；不要靠人口背景推定能力。
• 每位參與者有相同的實績說明機會、相同追問上限。
• 本人的主題使用未事先看過的變化題，減少先觀察其他答案造成的優勢。
• 演練與回饋分開；演練途中不以提示帶出預期答案。
• 中途改題或叫停可以記錄，但不再宣稱該輪能與其他人直接比較。

五個問題

題目	想觀察的行為
請在三十秒內提出第一步與理由	結論是否及早出現，聽者能否復述
只有兩筆紀錄、沒有支援團隊，你怎麼做？	是否先做必要澄清，再採取可修正行動
對方認為你的方案太複雜，你如何回應？	能否承接疑慮、具體說明並調整
有一項新證據推翻你的判斷，你改什麼？	是否改變行動，而不只是補充解釋
你認為哪個比較條件不公平？怎麼修正？	是否對自己與別人一致地使用標準

這些是新設計的題目，不冒充第一輪逐字內容。

一張事件卡就夠

每次只記錄三至五個關鍵事件，每張包含：日期與情境、題目、原話片段、可觀察行為、判讀、替代解釋、下一個驗證，以及是否適合公開。

例如，「反問評價依據」可以支持關注判準，也可能是維護自我形象。若後續能接受依相同標準得出的不利結果，才會增加前一種解釋的支持。保留這種可修正結構，比直接存一個「高 agency」標籤更有用。

何時值得繼續做

最先服務的對象就是未來的 Kaine，以及協助他回想與準備溝通的 AI。不是先驗證市場需求，也沒有自動升級成商業平台。

可從三種低成本形式中選擇：一次口語演練加人工紀錄、邀請可信任的人看少量匿名片段，或使用固定事件卡自行回顧。第一輪採用的是第一種。

建議的繼續條件： 再做兩次後，至少得到一個重複出現的模式、一個被反例修正的判讀，以及一個能在下一次回答中用上的調整。這些是未來驗收條件，目前尚未達成。

如果每次只是換句話稱讚同樣特質、沒有可追溯片段，先停止擴充人格描述，改用更具體的題目或真人回饋。只有當整理反覆造成明顯負擔，再考慮做小工具；多使用者平台與付費服務需要另外的需求證據。

與 Kainnne × Gemini 的關係

這份筆記可以提供它介紹 Kaine 工作方式時的事件來源。未來設計的重點應是讓回答帶有情境與證據，而不是替它增加更多人格形容詞。

網站以本頁作為主題入口，連到完整事件紀錄；Gemini 與 Codex API 入口共用主題辨識及相關段落檢索。「換個方向」也能抽到這個主題。這些功能取用公開筆記，不代表模型取得原始 AI 對話的長期記憶，也不把階段觀察變成固定人格。

相關筆記

• AboutMe/interview thinking snapshot 2026 09 — 第一輪的個人觀察與原話片段。
• AboutMe/04 collaboration and workstyle — 一般工作方式。
• Systems/knowledge persona agent — 知識型 Agent 的角色與回答邊界。
• Projects/Knowledge/wikinb — 筆記與公開知識系統。