任务求职与职业发展根据岗位模拟面试根据岗位模拟面试 可以得到什么 - 一份针对该 JD 的可能面试题清单，按行为面、技术面、项目追问分组。 - 每一次回答的反馈，按清晰度、证据、与岗位相关性三个维度给出。 - 一份练习后的常见追问风险点，用于提示后续补证据的方...可用于完成这个任务
本文目录5适用场景核心做法为什么有效限制与边界关联内容延迟评分与动态权重（模拟面试统一复盘） 适用场景 需要在多轮模拟面试之间比较分数变化，又不想让即时反馈污染后续作答。 想让评分反映"答得好不好"而非"答得像不像八股"。 核心做法 提示词中明令禁止中途公布分数；连续答错可提前结束本场。 高难题与场景题采用动态权重： 答得好 → 加分幅度高于普通题。 答得差 → 减分幅度低于普通题（避免一次失误击穿全场）。 针对"JD 要求但简历未写出"的技术栈另设岗位匹配分，用以提示需要补充学习的方向。 整场结束后统一输出：每题得分、扣分点、总体分、补强建议。 前后轮次必须使用同一份 JD、简历与评分规则文本，分数才有可比性。 复盘后把失分点改写成可行动的复习清单（具体到知识点而非泛指"基础不扎实"）。 为什么有效 延迟评分避免候选人因即时反馈改变后续答题策略。 动态权重让评分更贴近真实面试官的关注点（项目质量 > 题目数量）。 统一复盘把"分数"翻译成"可行动清单"，便于在下一轮练习中验证。 限制与边界 自定义分数不是招聘方判断标准，参见 把 AI 对 JD 的归纳误读为招聘方真实权重。 模型对同一答案可能给出不同分数；同一答案被多次追问时尤其明显。 必须保留每轮的 JD 版本、提示词版本与原回答，否则前后分数无法比较。 本方法本身不等同于真实面试通过率的预测指标。 关联内容 案例：六点睡不醒 豆包 Java 语音模拟面试案例 教程：六点睡不醒 Java 语音模拟面试提示词教程摘要 配套方法：JD 与简历双输入约束 + 语音对话模拟面试、回答驱动的动态追问（模拟面试追问链） 任务：根据岗位模拟面试 风险：把 AI 对 JD 的归纳误读为招聘方真实权重