AI职场办公进阶篇

往期回顾–>AI教程/AI副业/AI入门教学汇总-连载中………

文字：

面试在职业发展中扮演着至关重要的角色。它不仅是求职者展现自我能力和潜力的舞台，而且直接影响着职业路径的起点和发展方向。通过面试，个人可以展示自己的专业技能、思维方式和人格特质，这对于在激烈的就业市场中获得理想岗位至关重要。同时，成功的面试体验增强个人信心，为日后的职业生涯积累宝贵经验。

一、提高面试技巧的重要性

优秀的面试技巧不仅提高获得理想职位的机会，而且助力于建立专业形象和发展职业网络。

③ 它们使求职者能够更准确地展示自己的能力和潜质，以及与不同的面试官有效沟通。

随着职业生涯的进展，提升的面试技巧还有助于在职场中更好地进行谈判和人际交往，从而在不断变化的工作环境中保持竞争力。

因此，持续提高面试技巧对于实现长期的职业目标至关重要。二、面试技巧的核心要素

一）充足的面试准备 1．公司背景调研：

1）研究公司的历史、文化、产品和市场地位。2）了解公司的最新新闻和行业动态。

详情可查看目助力＠圈友成功转型AI提示词实现薪酬翻倍2．职位要求分析：

1）仔细阅读职位描述，理解所需技能和经验。

2）准备相关的工作经验或项目案例来匹配职位要求。3．自我介绍准备：

准备一份简短的自我介绍，突出自己的核心优势和与职位相关的经验。4．常见问题准备：

准备回答常见面试问题，

二）熟练应用面试常用7大沟通模型：1、自我介绍的4个黄金面试介绍公式

1）适用于同岗位求职

我是谁＋我能胜任什么＋我能提供什么2）适用于不同岗位求职

职务＋经验／经历＋职务转换的原因

3）适用于没有工作经验的职场新人任务背景＋行动＋成果＋反思

4）通用MTVB框架：我是谁？ 我做过什么？ 我做成过什么？

我可以给对方带来什么？2、PREP法则

Point Reason -Example Point 结论—依据—事例—重述结论

P（Poit）：清晰表达出你的观点，让别人知道你想要表达的意思

R（Reason）：介绍下观点背后的原因，并且要符合逻辑，能够印证前面说的观点

E（Example）：通过列举具体的例子或事实，让听众或者沟通者能够很直白地理解你的观点和原因

P（Poit）：重申自己的观点，用以总结和强调，强化聚焦观点

3、RIDE 说服模型

Risk Interest Differences Effect 风险—利益—差异—影响

R（Risk）：先说不采纳你的建议会带来什么风险（风险厌恶）（Interest）：再说接受你的建议会带来什么好处（利益偏好）

D（Differences）：你的建议与其他建议之间的差异（让对方眼前一亮）

E（Effect）：适当说一下你建议的小瑕疵，增加可信度（完美的东西往往不真实）4、GROW模型

Goal-Reality-Option Will 目标—现状—方案—意愿

G（GOa）：通过启发式的提问，探索对方真正的目标

R（Reality）：搞清楚现状与目标的差距，哪些需要改进，哪些阻碍目标

0（Option）：引导对方通过自己的思考提出解决办法，不要直接提建议，以免引起对方的抵触情绪

W（W）：引导选择他乐意接受的行动方案，并承诺实施原方案以达成目标5、STAR法则

Situation Task Action-Result 情景—任务—行动—结果

S（Situation）：你在从事过的工作（获得的工作业绩）中所处的背景或环境T（Task）：完成上述工作所承担的具体工作任

A（Action）：完成上述任务你本人所做的具体行动

R（Result）：完成上述任务后你得到的结果或产生的影响6、SCRTV表达模型

Scene-Conflict Reason Tactics Value 情境—中突—原因—策略—价值

S（Scene）：明确问题一是什么（分析）C（Conflict）：提出疑问一怎么了（判断）R（Reason）：分析原因一为什么（推理）T （Tactics）：进行决策一怎么办（决策）

V（Value）：创造价值一成为什么（呼吁）7、SCQA表达模型

Situation Complication -Question Answer 情景—中突—疑问—回答

S（Situation）：目前处于什么状态，遇到什么情况C（Complication）：这个背景下所产生的冲突 Q （Question）：这些冲突导致了什么问题

A（Answer）：针对这些问题提出建议

三）掌握面试官常见的八大心理现象1、选择性倾听

面试官会按照自己的主观想法去听，并非以完全开放的心态去倾听。2、首因效应

首因效应

面试官在考生或应聘者进入考场那一瞬间就产生了最初印象

首因效应也叫第一印象，是指首次认知客体而在大脑中留下的“第一印象”。初次会面，45秒种内就能产生第一印象

3、顺序效应

面试官在连续面试多名候选人时，会对最初和最后面试的候选人印象特别深刻。

在对多个刺激进行比较时，通常把最先出现的刺激或后面出现的刺激评价过大的倾向，称之为顺序效应。

4、近因效应

近因效应也称新颖效应，指个体最近获得的信息。近因效应与首因效应是相对应的两种效应

首因效应一陌生人

近因效应→熟悉人、近期表现5、刻板效应

刻板效应，又称定型效应，是指对某个群体产生一种固定的看法和评价，并对属于该群体的个人也给予这一看法和评价。

因此，面试官头脑中也会存在的关于某一类人固定印象的心理现象6、异性效应

面试官受异性吸引，尤其对外表气质佳、言谈举止得体的异性容易产生好感。

·俗话说：“男女搭配，干活不累

7、晕轮效应

晕轮效应，又称光环效应

·以偏概全

·晕轮效应在对不太熟悉的人进行评价时，体现得尤其明显。

因此，面试官容易被候选人的亮点所吸引，忽视观察其他方面，往往会忽略候选人的全部特点。

8、惺惺相惜效应

面试官对考生表现出的与自己相似的经历、思想和行为，往往有更多的兴趣，对这样的考生更容易产生好感。

·“同类”＆“异己”三、面试技巧指南

一）专业经验

1、如何应对大模型现有的token限制，在有限的上下文记忆能力中发挥更多提示词的效能？

面试官主要考察：

1．是否具备深刻的技术理解和专业知识，特别是在与大模型和AI提示词工程有关的领域。2．是否能够提出创新和切实可行的方法来克服现有技术的局限性，以提高提示词生成的效能。3．考察综合性思考能力，如token管理、文本压缩技术和上下文建模优化等。

4．是否能将提出的解决方案应用于实际项目中，以提高产品性能。回答框架：

结论先行＋显性化框架＋讲三点内容＋总结或观点升华参考话术：

结论先行：

［xxxx］如何有效的应对大模型现有的token限制问题，我说下我曾经采用的几个提高提示词效能的策略：

显性化框架：

·首先精心优化文本，以确保每个token都能发挥最大效能。这可以通过删除冗余信息、使用更紧凑的表示方式来降低token数量。

其次，确保上下文中包含关键信息，这有助于模型理解并生成更相关的提示词。有选择地增加上下文的长度，以便包括关键上下文信息，但避免无关信息的过多堆积。

·最后，选择那些最具信息量的提示词，这将提高提示词的效力。这可以通过识别关键词、短语或实体来实现，以确保提示词与上下文高度相关。

总结或观点升华：

［xxxx］面对大模型 token限制，关键在于精心优化文本、突出上下文重点，以及选择最具信息量的提示词。这些策略有助于提高AI提示词工程的性能，提供更丰富和有价值的提示词，为新媒体和AI提效产品增加价值。

2、在处理AI提示词模型时，我们追求高达80％左右的稳定输出效果。您能分享一些

② 在实际项目中实现这种稳定性的方法和经验吗？

面试官主要考察：

1．你是否具备足够的技术知识和经验，以实现所需的稳定输出效果。

2．确认你是否能够有效地解决模型稳定性方面的挑战，并采取相应的行动。3．你是否在实际项目中成功实现过类似的稳定输出效果的实际经验。

回答框架：

问项目经验相关的通常可以参考：STAR模型（Situation（情境），Task（任务），Action

③ （行动），和Result（结果））

参考话术： 情境（Situation）：

在之前的项目中，我负责开发一个AI提示词模型，用于［提供项目或应用的背景］。我们的目标是确保模型在各种情况下都能提供高质量的稳定输出效果，尤其是在［特别情况或挑战的描述］。任务（Task）；

我的任务是实现高达80％左右的稳定输出效果，确保用户体验始终如一。这是一个相当高的标准，因为我们必须应对［特殊情况、输入变化等］。

③ 行动（Action）：为了实现这一目标，我采用了以下行动：

·我首先进行了深入的模型分析，以确定导致不稳定输出的根本原因。这包括分析训练数据、调查模型架构和超参数。

·基于我的分析，我制定了一套策略，包括使用［xxxx］技术来处理长输入文本，优化模型的［xxxx］，以及实施［xxxx］策略来降低输出变异性。

·我还建立了自动化监控系统，以实时检测模型的性能，及时识别问题并采取纠正措施。

·最重要的是，我不断与团队合作，分享我的发现和解决方案，确保我们共同致力于稳定输出的目标。

② 结果（Result）：

通过这些行动，我们成功地实现了高达80％左右的稳定输出效果。用户的体验得到了显著改善，投诉减少，而且我们成功解决了许多以前的挑战。这个项目让我学到了不少关于稳定性和性能优化的宝贵经验，我相信这些经验对您的团队也会有帮助。

3、在某些情况下，由于每个人表达问题的方式不同，可能会出现一些挑战，导致GPT在回答问题时不够准确。如何在这种情况下提高GPT的响应准确性？

② 面试官主要考察：

·您是否具备提高模型性能和准确性的技术能力？

·您如何应对模型在不同语境下的不准确性？

回答框架：

结论先行＋显性化框架＋讲三点内容＋总结或观点升华参考话术：

结论先行：

② 在面对不同的表达方式和语境时，提高GPT的响应准确性是至关重要的。我分享下过去我做过的一些方法，

显性化框架： 无 讲三点内容：

a.首先，我会深入了解模型训练数据，特别是来自不同来源和语境的数据。这有助于模型更好地理解不同的表达方式。

b.其次，我会针对特定应用场景对模型进行微调或特定场景的训练。让模型更适合特定任

③ 务，提高了准确性。

c.最后，我建立了一个持续的反馈循环，以便从用户和问题中学习。这使我能够不断改进模型，以满足不同表达方式下的需求。

总结或观点升华：

研日