让 AI 扮演面试官做对练，这件事本身完全可行，成败差距几乎全在开场设定：角色背景、提问风格、评判标准交代得越清楚，模型进入角色越稳。对面试、销售、谈判这类一来一回的对话结构，大模型的模仿能力已经足够，真正的变量是设定质量和复盘方法。用 Kimi 这类对话能力较完整的工具，长对话里也能让角色不轻易跳出去，适合反复重开同一场戏。
对练和普通问答差在哪
普通提问是「你问我答」，对练是「它问你要答」，主动性反转之后，练的是临场组织语言的能力。准备对练前先想清楚三件事：练哪一段（自我介绍、项目追问、报价谈判里的某一轮）、对手是什么风格（温和引导还是连环追问）、结束时按什么标准评判。目标越具体，一场对练的信息量越大；泛泛地说「模拟一下面试」，通常聊几句就散场。
和找朋友陪练相比，AI 的优势是随时可约、不怕尴尬、可以零成本重开同一场景，尤其适合练开场白和应对追问。朋友陪练碍于情面往往手下留情，AI 可以在设定里明确压力强度，把最难接的问题提前演练一遍。
开场设定要交代的四块信息
开场指令建议包含四块：角色身份（什么公司、什么岗位的面试官，或什么类型的客户）、考察重点（重点挖项目细节还是离职原因）、提问风格（一次只问一个、答完追问原因）、流程安排（先自我介绍，再逐段深挖，最后留提问时间）。四块写成一段话发出去，再补一句边界声明：「从现在开始你只以面试官身份说话，不要给我建议，练完后再一起复盘。」少了这句声明，模型常常答两句就忍不住切换成辅导者。
工具层面还有三个变量值得留意：免费版和付费版在对话额度与长上下文表现上的差别，会直接影响一场对练能持续多久（见免费版和付费版大模型差在哪）；生成速度决定追问之间的等待感，节奏太慢临场感就散了（生成速度与 token 输出）；参数规模可以当作对话能力的粗略参考，但参数量不等于对练手感，实际试聊一轮更可靠。另外尽量认准官方入口，避开来路不明的套壳应用，对练里往往要上传简历等个人信息。
中场跑偏的纠正方法
对练进行中尽量按真实场景作答，卡壳了就如实说「这题需要停一下」，比硬编更能暴露薄弱点。AI 常见的跑偏有三种：面试太温柔、一次抛好几个问题、提前开始点评。遇到这些情况不必重开对话，一句话纠正即可，比如「一次只问一个问题，追问请针对我的上一句回答」。想要更狠的压力测试，可以在设定里写明「请针对我回答里模糊的部分连续追问两次」。
复盘是对练价值的一半
结束后切出角色，让它从三个角度点评：哪些回答有说服力、哪些回答含糊其辞、追问链在哪儿断的。把点评里的薄弱点记下来，改好说法后重开一场同样的对练验证。让 AI 给每条回答按说服力打分也有用，三分以下的回答写出改进版，下一轮直接对比。同一场景练三到五轮，改善通常非常明显。
练到什么程度算够？判断标准是流畅度而非完美度：同一场景里，你能在两三秒内接住常见追问、回答结构完整不绕弯，就该换下一个场景了。长期可以维护一份自己的场景库，把练过的场景和 AI 点评的薄弱点存档，面试季或大谈判前拿出来针对性重练，比临时抱佛脚稳得多。
一张表挑对练场景
| 场景 | 对手设定要点 | 练成标准 |
|---|---|---|
| 求职面试 | 按目标岗位写身份与考察重点，要求连环追问 | 常见追问两三秒内接住，不绕弯 |
| 销售报价 | 客户设定为预算受限、反复压价 | 守得住底线，给得出替代方案 |
| 向上汇报 | 领导设定为时间紧、爱打断 | 三句话内讲到结论 |
| 家长沟通 | 老师设定为关切但立场不同 | 先接情绪再谈方案，不抬杠 |
角色对练速查
- 开场四块：身份、考察重点、提问风格、流程安排
- 补一句边界声明，防止它切换成辅导者
- 跑偏不用重开，一句话纠正
- 练完必复盘，弱点改完重开一场验证
- 流畅即换场，同一场景三到五轮
三个常被问到的边界问题
AI 面试官总是不追问，对练变成一问一答怎么办？ 在设定里明确追问规则，比如「每个回答至少追问两次再换题」；同时检查自己的回答是不是太完整、没有留出可挖的口子，主动留一处细节不展开，追问自然就来了。
除了面试，还有哪些场景适合对练？ 销售异议处理、向领导汇报、跨部门谈判、家长与老师沟通都适合。凡是有明确对话结构和立场的场景都能搭，设定结构照搬四块即可。
AI 扮演的角色太理想化，和真实对方差距大怎么办？ 在设定里给对手加阻力：「你时间很紧、见过太多类似方案、默认持怀疑态度」，把真实约束写进角色，锋利度会接近实战。
