# 面试被追问怎么接：5 类追问原文与一份项目经历自查清单

面试官对你简历里任何一条项目经历，追问只有几个固定方向。本页给出每类的真实追问原文、它在拆穿什么、以及对应的接法，外加一份能自己跑一遍的自查清单——先在被问倒之前，找到会卡住的那一句。

- Source: https://makeinterview.com/zh-CN/blog/mianshi-zhuishao-yuanxing
- Publisher: MockLive
- Language: zh-CN
- Published: 2026-09-29
- Updated: 2026-09-29
- Tags: 面试方法, 追问, 项目经历

> 面试官追问你的项目经历，方向是固定的：为什么选它、怎么实现的、哪部分真是你做的、用什么指标衡量、业务上为什么需要。
>
> 在我们公开的一场 10 轮实测里，同一段「从模型接入到前端体验全部交付」的总述被原样复读 5 次，面试官一次也没换题，连续把「模型接入」追问到底：接的是哪个模型、为什么选它。
>
> 应对的关键不是把答案背得更熟，而是每一条「我负责 X」，都能立刻答出：具体做了什么、为什么这么做、怎么知道做对了。

编辑说明（置顶声明）：本页的追问原文取自 MockLive 的一场公开实测——被面试者的回答是脚本化测试语料经产品 TTS 合成（非真人），面试官的追问是产品引擎的真实输出，实测全过程与录音见下方「一次把套话追到底的实录」。本文作者即产品作者，属第一方内容；但「5 类追问」的归纳与自查清单是通用方法，不依赖、也不要求你使用我们的产品。

## 一、为什么值得为「被追问」专门准备

面试不是闲聊。元分析显示，按固定维度、统一量表打分的结构化面试，对整体工作表现的校正后操作效度约 0.51，非结构化面试约 0.38（Schmidt & Hunter, 1998, Psychological Bulletin, 124(2), 262–274, DOI 10.1037/0033-2909.124.2.262；两个数字均为元分析校正后的操作效度估计，不是原始观测相关系数）。

2022 年一次更保守的校正重算没有改变方向：结构化面试的平均操作效度从 0.51 下修到 0.42，非结构化从 0.38 下修到 0.19；结构化面试仍以最高平均操作效度位列已研究甄选手段第一（Sackett, Zhang, Berry & Lievens, 2022, Journal of Applied Psychology, 107(11), 2040–2068, DOI 10.1037/apl0000994，Table 3 与摘要）。两点边界须同时读：这是预测性与并发性研究合并的「操作效度」口径，不是纯预测系数；按 80% 效度可信区间的下限排序，结构化面试并非第一——原文也这样写。

- [Schmidt & Hunter (1998), Psychological Bulletin — DOI](https://doi.org/10.1037/0033-2909.124.2.262)
- [Sackett et al. (2022), Journal of Applied Psychology — DOI](https://doi.org/10.1037/apl0000994)

这条研究结论对练习的含义很具体：结构化面试的分数来自「按维度逐条问到能打分的事实」。追问就是这个动作——面试官沿着一个维度往下挖，直到拿到可以打分的具体细节。你答得流利不加分，答得出可核对的事实才加分。所以要准备的不是更顺的整段话，而是每个主张底下的细节。

## 二、5 类追问：每一类的原文与接法

以下 5 类是本场 10 轮实测里实际出现的追问归纳，不是穷尽的分类——面试官当然还会问别的。但它覆盖了本场全部 10 轮，每一类都附产品引擎输出的原文，可逐条回到实测转写核对。

| 追问类型 | 它在拆穿什么 | 真实追问原文（本场实测） | 怎么接 |
| --- | --- | --- | --- |
| 1 · 选型理由 | 你是真做过取舍，还是只背了个名词 | 你能解释一下，在微调大模型时，为什么选择LoRA，而不是其他微调方法？ | 说出当时摆在桌上的至少两个备选、各自的代价，以及你排除它们的具体理由。只说「我们用主流方案」会被再追一层。 |
| 2 · 实现细节 | 你是写过，还是只知道概念 | 你刚才提到后期合成引擎基于FFmpeg自研，能具体说说这个自研方案是如何实现状态恢复的吗？ | 给到一个具体到步骤、接口或数据结构的路径。复述一遍功能不算回答——追问问的就是功能和实现之间那段。 |
| 3 · 个人边界 | 「我负责」是亲自做，还是在旁边看 | 你提到RAG和私有化部署，那具体在一个企业知识库项目里，你个人负责文档解析的步骤吗？为什么是你来主导这一块？ | 把「我们」换成「我」，划清哪一段是你独立交付的。主动说明「这部分是同事做的」反而更可信——边界清楚才像真做过。 |
| 4 · 量化指标 | 成果是测出来的，还是估出来的 | 你提到“前端体验全部交付”，能具体说一下，你是如何衡量和优化用户交互体验的？用过哪些具体指标？ | 报出你实际盯的那个指标、它的口径（怎么算的），以及你做过哪次优化让它动了多少。给数字同时给口径，否则会被追问「这个数怎么来的」。 |
| 5 · 业务理解 | 你懂这个场景，还是在背书 | 你负责合规材料准备中，具体有哪几个关键步骤，是怎样按优先顺序来的？ | 先说明顺序、以及第一步为什么是它，证明你知道这条链上的轻重缓急。跳过顺序直接讲结论，会被要求重排一遍。 |

*前 4 类追问原文逐字摘自 MockLive 2026-09-28 实测 transcript（第 10 / 2 / 5 / 9 轮），第 5 类取自同场第 6 轮。「怎么接」是作者给出的应对方法，不是实测结论。*

## 三、自查清单：每一条「我负责 X」都过一遍

- [STAR法则面试回答：用同一组事实，逐句修改一个案例](https://makeinterview.com/zh-CN/blog/star-method-interview-answers)

1. 选型理由——如果被问「为什么用 A 不用 B」，我说得出当时评估过的至少两个备选，和放弃它们的理由吗？
2. 实现细节——如果被问「具体怎么实现的」，我能给到步骤、接口或数据结构这一层，而不是把功能再讲一遍吗？
3. 个人边界——这条经历里的「我们」，我能不能全部换成「我」，并指出哪一段是我独立交付的？
4. 量化指标——这条成果背后，我实际盯的是哪个指标、口径是什么、它动了多少？
5. 业务理解——如果面试官是这个行业的，我能不能先复述出他的业务场景，再把我的经验对上去？

任何一条卡住，就是真面试里会被追到的那一处。先补这一条，而不是把整段经历再背一遍——背熟的是叙述，补上的是细节。

这条清单是准备工具，不是测谎工具：已发表研究并没有证明「追问能识别编造的作答」。相反，Levashina & Campion (2007, Journal of Applied Psychology, 92(6), 1638–1656, DOI 10.1037/0021-9010.92.6.1638) 的实验发现追问反而提高了作答者的欺骗程度。所以这 5 条的用途是让你在开口之前先补上细节短板，而不是给面试官递一把拆穿你的刀。

- [Levashina & Campion (2007), Journal of Applied Psychology — DOI](https://doi.org/10.1037/0021-9010.92.6.1638)

## 四、一次把套话追到底的实录

下面是那场实测的原始片段。被面试者把同一段总述原样复读 5 次，面试官没有换题，而是连续 4 轮沿「模型接入」往具体里追。读它不是为了看别人出丑，是为了看清追问的实际形态：不反驳、不换题、只往下一层钻——以及引擎如实把结果写进了评分卡（「机械复读同一段套话多达 5 次」）。

| 轮次 | 被面试者作答（转写原文） | 紧接着的追问（产品输出） |
| --- | --- | --- |
| 3 | 我按项目主线说吧,这几年从算法到全站,我都在一线,最近一个完整闭环是内容生成引擎,从模型接入,路由容错,到前端体验全部交付。您想先深挖哪一段,我展开讲。 | 你提到“后端模型接入”，具体讲一下是哪个模型？你是怎么接入的？ |
| 4 | 我按项目主线说吧,这几年从算法到全站我都在一线,最近一个完整闭环是内容生成引擎,从模型接入,路由容错到前端体验全部交付,您想先深挖哪一段,我展开讲。 | 好的，那我们先从模型接入这一块开始，你具体负责采用了什么模型？为什么选这个？ |
| 7 | 我按项目主线说吧,这几年从算法到全站,我都在一线。最近一个完整闭环是内容生成引擎,从模型接入、路由容错到前端体验全部交付。您想先深挖哪一段,我展开讲。 | 你能详细说一下里面模型接入这一块，你具体是如何设计和实现的吗？ |
| 8 | 我按项目主线说吧,这几年从算法到全站,我都在一线,最近一个完整闭环是内容生成引擎,从模型接入,路由容错到前端体验全部交付,您想先伸拉哪一段,我展开讲。 | 你先具体说明一下，在模型接入这一步，你是如何选择和对接当前的大模型的，有哪些具体的技术考量？ |

*第 3 / 4 / 7 / 8 轮。作答为脚本化测试语料经产品 TTS 合成、ASR 转写（含标点归一化与个别误听，如第 8 轮「伸拉」，按系统原样保留），其「同一段话复读」是语料设定、不是真人候选人的行为；面试官在拿不到具体项时坚持不换题，是产品引擎的真实输出。评分卡也如实记下「机械复读同一段套话多达 5 次」。*

- [这场实测的完整实录：10 轮追问链、六维评分卡与可回放录音](https://makeinterview.com/zh-CN/blog/moni-mianshi-gongju-shice)

## 五、自己跑一遍

1. 打开 makeinterview.com，上传简历（PDF），粘贴目标岗位 JD
2. 选一位面试官：HR 初筛 / 直属主管 / 技术专家 / 部门总监 / 高管终面
3. 全程语音作答；面试官按你的简历和 JD 逐轮追问，敷衍会被继续追
4. 结束即出六维评分卡：每条批评引用你的原话并附录音回放定位

首场免费、无需信用卡。定价（2026-09-28）：标准 $9/月，冲刺 $19/月，3 场补给包 $9。评分是模型生成的练习反馈，不是任何雇主的录用信号。

- [产品首页](https://makeinterview.com)
- [为什么真面试前，要先被问倒一次](https://makeinterview.com/zh-CN/blog/why-mock-interview-before-real-one)
- [其他面试方法文章](https://makeinterview.com/zh-CN/blog)
- [价格与免费额度](https://makeinterview.com/zh-CN/pricing)

## 六、方法与披露

追问原文与作答转写逐字取自 MockLive 2026-09-28 一场本地端到端实测（建会话 → 逐轮语音转写 → 面试官引擎 → 评分），被面试者作答为脚本化中文测试语料经产品 TTS 合成、非真人录音；转写含语音识别个别误听，按系统原样保留、未人工修正。样本量 = 1 场（10 轮）。「5 类追问」是作者基于本场实测的归纳，覆盖本场全部轮次，但不构成对所有面试官行为的穷尽或统计结论；「怎么接」一栏是方法建议，未经对照验证。三处文献均已回到原始出处核对：Schmidt & Hunter (1998) 的 0.51/0.38 见其 Table 1 与 p.267 正文，为校正后操作效度估计（整体工作表现口径），不是原始观测相关，也不适用于培训绩效口径（该口径下访谈效度约 0.35）；Sackett et al. (2022) 的 0.42/0.19 见其 Table 3，0.51/0.38 是该文引用的前值而非其自身结果；Levashina & Campion (2007) 的「追问增加作答欺骗」结论取自出版方摘要。本文作者为产品作者（第一方），非独立第三方；本文不构成就业建议。

本页没有证明：5 类追问覆盖所有面试官的追问方式；按自查清单准备能提高录用概率；追问能识破编造的作答（现有证据方向相反）；评分卡与真人面试官的判断一致。以上均需多次独立运行或对照研究才能回答。
