用 AI 准备竞赛答辩：怎么预判追问

竞赛答辩的失分点，多半不在作品本身，而在追问：评委顺着你的介绍往下问两句，就问到你没准备的地方。AI 在备赛阶段能扮演的角色不是代写稿子，而是当一位不知疲倦的模拟评委——它可以在十分钟内把项目里最说不清的地方翻出来，反复追着问。这篇讲的就是怎么用它把「被问住」提前预演一遍。

先给结论：追问题是可以预测的。把项目的薄弱点提前列出来、准备好回答，比临场硬撑稳得多。具体做法分四步：认清追问方向、自查薄弱点、让 AI 连环追问、把数据讲成能自证的样子。

评委的追问绕不开四个方向

把各类竞赛答辩的评委问题归拢，基本是四类。为什么做：这个问题有什么价值，有没有人做过类似的，你的切入点新在哪。怎么做的：技术路线或方案为什么这么选，有没有备选方案，为什么不用另一个。凭什么说有效：数据从哪里来，样本够不够，测试方法能不能复现。和已有的比强在哪：优势是什么，局限在哪里，换个场景还成立吗。

四类问题的共同点是都指向「说不清的地方」。你介绍时一带而过的部分，正是评委最可能深挖的部分——一带而过，往往是因为自己也拿不准。

先找自己的三处薄弱点

备赛从自查开始：把项目里最说不清、最依赖假设、数据最少的三处找出来。判断标准很机械：如果你没法用两句话向一个外行解释清楚某个设计，它就是薄弱点；如果某个结论只有截图没有测试过程，它也是。这三处几乎一定会被问，提前准备好回答，比现场组织语言稳得多。

薄弱点要找三轮。头一轮自己列，列不出来的部分让队友列；再一轮把项目简介交给 AI，让它以严格评委的身份挑论证漏洞；最后一轮把前两轮的清单合并，按「被问到的概率乘答不好的后果」排序，只准备前三名。准备五个薄弱的点，精力会被摊薄；三个准备透，覆盖大概率问题。

让 AI 连追三轮

把项目材料交给大模型，角色设定写清楚：你是一位参加过该类竞赛评审的严格评委，只追问，不夸奖。让它先列出 8 个最可能被追问的问题，按难度排序；再逐个追问，你每答一轮，它顺着你的回答继续挖。练的是「被问住之后怎么接」——真答辩时评委不会只问一个，连环追问才是常态。

提示词里有两句话必须写。头一句是「不要替我编造数据或结论」，否则它会顺手把你没做的测试写成做过。第二句是「指出我材料里论证薄弱、缺少数据支撑的地方」，它挑漏洞的能力比夸你有用得多。连续练三轮，你会发现自己卡壳的点高度重复——那就是要练到条件反射的部分。

这张表在备赛后期的用法：对着「答不好的信号」一列自测，中了一条，就把对应方向的问题加进模拟追问的题库。

数据要能自证

「效果提升了多少」这类说法，必须同时说清三件事：怎么测的、和什么比的、样本有多少。说不清测量方法的数据，评委只会当场折损可信度。AI 在这里的作用是帮你把测量过程写成一段能被复述的话：变量是什么、对照组是什么、跑了多少轮、结果分布如何。

一个自检办法：让 AI 扮演评委，专门攻击你的数据口径。它问「样本量多大」「有没有选择偏差」「换一批数据还成立吗」，你答不上来的，就是答辩前要补的课。

它替代不了的部分

AI 不了解这场比赛的具体规则、评分标准和评委构成，也不知道你的项目里哪些话是夸张的。它列的追问清单是通用概率最高的那批，真正扎手的问题往往来自项目细节——某个只有你知道来源的数据，某处图省事的改动。这些它问不出来，只有你自己清楚。

还有一点：AI 写的回答稿不能直接背。它不了解你的表达习惯，写出来的句子书面气重，现场一紧张就容易背飞。用它的稿子改出自己的版本，练到能用自己的话讲三遍，才算数。

答辩前夜的最后一遍

上场前用 AI 做最后一轮：把完整讲稿贴给它，让它模拟一次连环追问，你只答最可能被问的五题。答完之后把卡壳的部分单独抄出来，第二天早上只看这一页。平时的模拟表现也可以记下来，用年度复盘那套数据加回顾的做法，看哪类问题常答差，针对性补；项目效果要讲给非专业评委听时，退货原因的归因方法里「把结果拆成可核实的原因」的思路，可以直接迁移到数据自证的讲解上；给评委讲清项目整体价值时，给合伙人的经营总结那种先结论后支撑的结构也照用。

补充三问

评委打断我怎么办？被打断时先答问到的这一句，再回去接原来的内容。AI 连环追问练的就是这个：被打断之后怎么把话接回来，而不是从头重讲。

被指出不足，要承认还是辩解？坦然承认，然后补一句后续思路。评委见过的项目比你展示的多，硬撑只会放大问题；承认局限并给出改进方向，通常比圆过去更得分。

讲稿要不要写逐字稿？写提纲，不写逐字稿。逐字稿一被打断就接不上，提纲式记忆允许你按评委的兴趣调整顺序，追问环节也更灵活。

答辩备赛速查

• 四类追问：为什么做、怎么做、凭什么有效、比已有的强在哪
• 自查三处薄弱点：最说不清、最依赖假设、数据最少
• AI 连环追问至少三轮，练的是被问住之后怎么接
• 数据三要素：怎么测、和什么比、样本多少
• 提示词里必须写：不要替我编造数据或结论