有一次面完，我觉得发挥得不错。对话顺畅，问题都接住了，临走时对方还多聊了几句。两周后收到拒信。
我把录音转成文字读了一遍，读到一半就明白了。面试官问“如果用户量在三个月内涨十倍，现在的数据库方案会有压力吗”，我回答了将近两分钟，全程在解释现有选型为什么稳、成本为什么低，一次都没有提到增长本身。
那个问题是在给我台阶，我把它当成了质疑。
靠回忆复盘基本抓不到这种东西。人在紧张之后记住的是自己想说的版本，不是实际说出口的版本。差的那些部分——跳跃的推导、没接住的暗示、反复出现的口头禅——恰好是回忆最先丢掉的东西。
先说录音这件事
录音这件事，目的决定性质。
自己复盘用，和剪出来发出去，是两件完全不同的事。前者像课堂笔记，后者涉及对方的隐私和公司的信息，风险不在一个量级。我给自己定的规矩是：只在本地保存，不分享，不剪辑，设一个删除期限。
有人建议过“别问，直接录”。我不太认同。可以不高调宣布，但至少不要在被问起时否认。这条线一旦跨过去，后面所有“为了成长”的说法都站不住了。
现场面试我后来不录了。设备要藏，姿态要自然，全程还得分神想着它有没有在录。更麻烦的是万一被发现，事情的性质立刻变了，从“我在准备面试”变成“这个人在偷偷录音”。这个风险我觉得不值。远程面试不一样，系统内录本来就是我这边声卡上的一路信号，文件在本地，也没有对着谁藏东西。
远程还有一个细节：把对方的声音和自己的声音分成两轨。混在一起的时候，回听很难判断哪句话是谁说的，转写出来也容易把两个人接成一段。分开录的成本不高，多数录屏软件都支持。
即便如此，我还是建议给自己设一个期限。这类文件攒着不删，久了会变成一种负担——不敢扔，也不敢用。
录音还有一个隐性成本：它会把面试变成素材采集。有几次我发现自己一边回答一边在心里标记“这段回去要听”，注意力被切走了一半。后来我改成只在重要的面试里录，其他场次用口述替代，效果反而更自然。
如果实在不愿意录音，还有一个成本很低的替代：面试结束后十分钟内，用手机语音备忘录把刚才的问答口述一遍。细节会丢很多，但比晚上回家再回忆准得多。这个办法我用了很久，它最大的好处是没有心理负担，坏处是它记录的仍然是我的记忆，只是趁热。
转写质量决定后面的一切
转写工具我只用 Whisper，本地跑，large-v3。选它的原因不是准确率最高的，而是录音不出本机。
按使用场景分，大致是三类。本地跑 Whisper，隐私最好，需要一点命令行基础，长音频慢一些；国内的云端工具，中文断句和说话人分离做得很成熟，代价是录音要上传；纯英文的面试可以考虑 Otter 一类的工具，它们对连读和语调的处理更好，但中文基本不能用。
选型时我的权重顺序是：能不能本地跑、中文准不准、有没有带时间戳的导出。准确率排第一很好理解，时间戳经常被忽略，而它恰恰是这类复盘的关键。
中英混说是这类场景的难点。面试里经常出现“我在用 Spring Boot 做后端，前面挂了一层 Nginx”这种句子，通用工具容易把专有名词转成发音相近的普通词，后面读稿子的时候完全看不懂在说什么。
比较有效的办法是给一段热词。把职位描述里的技术栈拆出来，作为引导文本一起送进去：
1 | technical terms: Kubernetes, gRPC, Redis, JVM GC, 分库分表, 幂等, 事务隔离级别 |
导出格式一定要带时间戳。文字只能复盘内容，时间戳才能复盘现场：哪里停了八秒，哪里语速突然变快，哪里连着出现六次“那个”。这些信息在纯文本里会全部丢失。
还有一件事我吃过亏：不要在这一步做摘要。有些工具会顺手给一份“会议纪要”，读起来很舒服，但它会把停顿、重复、语气词全部抹掉，而这些东西恰恰是复盘里最值钱的部分。
校对是省不掉的成本。半小时的录音，改错别字大概要十分钟。转写错误本身也会误导后面的分析——模型会认真分析一句你根本没说过的话。
读稿子有个顺序，我试了几次才找到：先只看自己的回答，把问题遮住，看这段话能不能自洽。很多回答单看逻辑通顺，一对照问题才发现答的是另一个问题。这个办法比从头顺着读有效，因为它强迫我先判断“我在回答什么”。
然后再看一遍时间轴，只数三样东西：停顿的位置、语速变化的位置、填充词出现的位置。这三样几乎能定位所有的紧张点，而紧张点往往就是没想清楚的地方。
让模型挑刺，而不是让它鼓励你
把逐字稿丢给模型，最容易犯的错是问“我这段回答怎么样”。得到的会是一段礼貌的评价：条理清晰，建议再自信一点。这种反馈没有用。
有效的提问需要三样东西：一个具体的身份，一份明确的任务，一条不许说好话的约束。
1 | 角色：一线公司的资深后端面试官，风格严厉，不讲客套话。 |
第四条是重点。大部分复盘都在检查“说得好不好”，很少有人检查“有没有答到点上”。而后者才是拒信的常见原因。
如果想让批评更狠一点，还有一个办法：让它先写一份理想回答，再和我的稿子逐句对比，找出差距。这个做法的问题在于，理想回答通常是通用模板，看着漂亮但不能用；它的价值不在于那份答案，而在于逼出“我这里漏了什么”。
那次“涨十倍”的问题，如果当时有人问我一句“面试官这句话在引导什么”，我大概能意识到自己答偏了。自己读稿子容易陷进表达里，看不出方向错了。
还有两类东西是我只在逐字稿里才看得到的。一类是模糊词：可能、大概、应该、也许。密集出现的时候，专业度会明显下降，而我说话时完全意识不到。另一类是防御性：被追问时，回答是“这是个好问题，我当时考虑过……”，还是“其实我当时是想……”。后者听起来像在辩解，即使内容没错。
不过模型的批评也要打折。它会一本正经地指出一些并不存在的逻辑问题，尤其是当逐字稿本身有转写错误的时候。我的用法是把它当第一遍筛子，筛出来的东西还要回到原文核对。它指出十个问题，能有两个是真的，这一轮就值了。
多轮追问比一次写长提示词有效。第一轮让它标问题，第二轮挑其中一条问“如果我是面试官，会顺着这里追问什么”，第三轮把追问的回答也写出来，看能不能接住。三轮下来，往往能发现一个自己完全没意识到的断点。
如果录了几场，还有一个更省事的用法：把同一类问题的回答放在一起，让它找共同点。“这三次讲项目难点时，我是不是都跳过了具体动作？”横向比较比单场分析更容易暴露模式，因为单场里看起来是偶然的东西，重复出现就是习惯。
诊断之后还有一步值得做：让它按刚才指出的漏洞继续追问，我口述回答，再转写一遍。这个循环很像真实面试的压力，只是可以重来。我试过三四轮，第二轮和第三轮通常才接近能用的回答，第一轮往往还是在辩解。
我后来放弃了错题本
这套流程我完整搭过一遍：录音、转写、模型诊断、生成改进版回答，最后存进一个带标签的数据库。字段设计得很细，问题原文、公司、原始回答、诊断结论、改进话术、能力标签。
用了不到两个月，我就不维护了。
原因很现实：录入成本高于收益。一场面试整理完要四十多分钟，而真正让我下次说得更好的，是读完逐字稿的那二十分钟——那二十分钟里我会清楚看到自己在哪卡住、哪句话是废话。后面的建库、打标签、写改进版，更多是在制造“我在系统性地进步”的感觉。
改进话术这一步还有另一个问题。让模型重写回答，它倾向于补上一些我没做过的事：加一个我没设过的监控指标，加一段我没写过的压测。文字确实漂亮了，但下次被追问细节就塌了。所以如果要用，只能让它改结构、删废话、换掉被动语态，不能让它补事实。
判断标准很简单：如果对这句话追问三层我接不住，就删掉。宁可短一点，也别留一句漂亮但站不住的话。
三个月后我回看那些改进版话术，能用上的不到三成。真正改变我表达的，是把几句废话删掉，不是换一套更漂亮的说法。删掉“其实”“我觉得”“大概是这样”之后，同一段内容听起来完全不同，而这些改动不需要模型，自己念一遍就能发现。
现在我只留三个字段：问题是什么，我当时怎么答的（一句话就够），下次要改的一个点。写在同一个文件里，不分类，不打标签。三个字段的好处是写得动，写得动才有下一次。
放弃数据库之后我反而多做了一件事：每场面完，在同一个文件末尾写一句“这场最大的问题是什么”。一年下来十几句，翻一遍比任何标签云都清楚。写的时候不用考虑措辞，反正只有自己看。
这个做法可能只适合我这种样本量小的人。有人一年面几十场，重流程确实能积累出模式；我一年面不了几场，维护一套系统的时间比面试本身还长。
还有一个原因我没写进去：那些标签和评分，会让人产生一种量化了的错觉。好像分数上去了，人就变强了。实际上决定一场面试的往往是两三句话说得对不对，那两三句话是没法打分的。
复盘这件事没什么技巧，就是愿不愿意听自己说错的话。录音只是让这件事变得难以回避——那些当时觉得顺理成章的句子，落到纸上以后，经常会显得很陌生。
这套流程唯一确定的好处是可重复。情绪过去之后，稿子还在，可以一遍遍看，直到那些别扭的句子不再从嘴里出来。
评论