怎么写《服装设计师活动反思》才能拿满分？（精选5篇）

更新日期:2025-12-12 09:26

写作核心提示：

写一篇关于服装设计师活动反思的作文，需要关注以下几个关键事项，以确保文章内容充实、深刻且具有专业性：
"1. 明确反思的核心与目的 (Clarify the Core and Purpose):"
"具体活动:" 首先要清晰界定你所反思的“活动”是什么。是时装秀、设计工作坊、设计竞赛、品牌发布会、市场调研、实习项目，还是其他类型的活动？ "反思目的:" 你希望通过这次反思达到什么目的？是总结经验教训、提升设计技能、明确未来方向、改进团队协作，还是探索新的设计理念？明确目的有助于引导后续内容的展开。
"2. 详实记录活动过程 (Record the Activity Process in Detail):"
"背景与目标:" 简要介绍活动的背景信息（如时间、地点、主题、参与人员、活动的主要目标）。 "关键环节:" 描述活动中你参与的关键环节、承担的角色和任务。例如，你负责了哪些设计概念、绘制了哪些图纸、参与了哪些讨论、制作了哪些样品等。 "观察与体验:" 记录你在活动中直接观察到的现象、体验到的感受以及与他人的互动。这些是反思的基础素材。
"3. 深入剖析成功之处 (Analyze Successes In-depth):"
"亮点分析:" 具体指出活动中哪些方面做得好，取得了预期的效果。

月入5万美元的手机APP都在做什么？10 个案例拆解

在AI与移动生态高度成熟的2025年，做手机应用从未如此“轻”而“快”——个人开发者用几个月时间，聚焦一个高意图场景，就能打造月入5万美元的爆款。Greg Isenberg拆解的10个案例揭示了一个黄金公式：愿意付费 × 重复痛点 × 视频/照片输入 × 关心准确性 × 现有工具糟糕 = 可复制的创业机会。这不是技术竞赛，而是对用户洞察与产品聚焦的极致考验。

你有没有想过，现在可能是做手机应用的黄金时代？我最近看到 Greg Isenberg 分享的一个视频，他拆解了 10 个你可能从未听说过的手机应用，每个月收入都超过 5 万美元。这些应用不是什么大公司做的，很多都是小团队甚至个人开发者在短短几个月内做出来的。当我深入研究这些案例后，我发现了一些非常有意思的规律。这些应用看起来各不相同，有的是 AI 视频生成器，有的是圣经笔记工具，有的是黑胶唱片估价应用，但它们背后的成功逻辑却惊人地相似。我认为，如果你理解了这些底层逻辑，完全可以复制这些成功模式，在其他领域打造出自己的爆款应用。

Greg 在视频中提到，这些应用都是在过去 180 天内发布的，但已经实现了月收入 5 万美元以上的成绩。更让人震惊的是，它们大多数都非常简单，有些甚至只有一个核心功能。这完全颠覆了我之前对应用开发的认知。我以前总觉得要做一个成功的应用，必须功能强大、界面复杂、投入巨大。但这些案例告诉我，恰恰相反，专注解决一个具体问题，用最简单的方式呈现，反而更容易成功。这让我开始重新思考什么才是真正有价值的产品，以及在 AI 时代，我们应该如何把握机会。

十个爆款应用的深度拆解

让我先带你看看这些应用到底在做什么。第一个应用叫 Flash Loop，是一个 AI 视频生成器。你肯定在 TikTok 或 Instagram Reels 上看到过那些婴儿做播客、各种角色扮演的搞笑视频吧？Flash Loop 就是做这个的。它使用 Veo 3 和 Sora 2 这些最新的 AI 模型，让用户只需要输入文本或上传图片，几秒钟就能生成各种风格的 AI 视频。过去 30 天，这个应用已经获得了 5 万次下载，月收入也达到了 5 万美元。Greg 分析说，这个应用之所以成功，核心在于人们的虚荣心。大家都想看到自己变成各种有趣的角色，比如女版史莱克、芭蕾舞演员、卡布奇诺风格、芭比娃娃造型等等。这些视频天生就容易在社交媒体上传播，因为每个人都想分享自己的独特形象。

我觉得 Flash Loop 的成功给了我们一个重要启示：不要试图做一个通用的 AI 视频工具，而是要找到一个特定的使用场景。Greg 提到，你完全可以把同样的技术应用到其他垂直领域，比如专门为宠物做 AI 视频、为 Cosplay 爱好者做定制视频、为减肥人群做身材对比视频、为时尚达人做穿搭视频。关键是找到那个有强烈需求、愿意为此付费的细分群体。

第二个应用叫 Bible（圣经笔记和录音应用），专门为基督教徒设计。这个应用在过去 30 天获得了 6 万次下载，月收入也达到 6 万美元。它的核心功能非常简单：一键录音捕捉教会布道和祷告，自动转录文字，生成智能摘要。它还提供每日圣经灵修内容，最厉害的是它有一个锁屏小部件功能，可以把每日经文直接显示在手机锁屏上。它提供按年订阅和按周订阅两种付费模式。

Greg 分析说，这个应用成功的原因在于它抓住了一个有明确身份认同、有固定行为模式的群体。全球有超过 10 亿基督徒，他们每周甚至每天都会去教堂。布道、祷告、经文对他们来说是非常重要的内容，他们不想错过或忘记这些珍贵的时刻。这个应用解决的是一个高意图的需求：如何更好地捕捉、记住和反思这些精神时刻。我认为这个应用最聪明的地方在于，它把握住了宗教生活的节奏感和重复性。教徒们每周都会去教堂，每次都有新的内容需要记录，这就创造了持续的使用场景和订阅动力。

Greg 提到，这个模式完全可以复制到其他领域。比如心理治疗笔记应用、戒酒互助会（AA）的康复笔记、清真寺的布道记录、犹太教的托拉学习小组笔记、冥想日记、婚姻咨询笔记等等。任何有固定仪式感、需要记录和反思的场景，都可能是一个好的应用机会。我特别认同这个观点。很多创业者总想做一个面向所有人的产品，但其实最赚钱的往往是那些专注服务某个特定群体的垂直应用。

第三个应用是 AI 家居装饰室内设计应用，过去 30 天获得了 10 万次下载和 10 万美元收入。这个应用让用户上传房间照片，选择想要的风格，AI 就能在几秒钟内生成重新设计后的效果图。你可以改变房间风格、重新设计房屋或公寓、更换地板，基本上可以用 AI 改变室内外的任何视觉效果。它提供按周、按月、按年的订阅计划。

Greg 认为这个应用解决了一个非常普遍的痛点：人们讨厌猜测一个房间、花园或外观改造后会是什么样子。AI 可视化消除了这种不确定性，让设计决策变得安全、快速、有趣。它解决了”我无法想象最终效果”这个问题。我自己就有这个困扰，我最近在重新布置办公室，但我真的很难想象买了某种椅子后整个空间会是什么样子。像我这样的人可能就会下载这个应用。

我特别喜欢 Greg 对这个应用的分析。他说，这是一个在每个家庭、每个项目中永远存在的问题。更重要的是，这个模式可以应用到无数个垂直领域：景观设计、房车和露营车内饰、商业办公室布局、零售店陈列、Airbnb 房源布置、后院和露台设计、健身房和车库改造等等。这基本上是一个横向应用，可以适用于太多不同的使用场景。我认为，如果你想做一个这样的应用，关键是要选择一个足够垂直的细分市场，而不是试图服务所有人。

第四个应用叫 Moji Lab，过去 30 天获得了 10 万次下载和 10 万美元收入。这是一个表情贴纸包应用，提供 3000 多个贴纸，用户可以创建无限贴纸和贴纸包。应用界面非常花哨，看起来像圣诞装饰品一样明亮热闹。它提供流行的表情包、可爱的贴纸，支持 DIY 制作和个性化群组管理。

Greg 说，表情包、贴纸和 GIF 公司已经存在很久了，但现在用 AI 创建这些内容变得容易得多，所以有更多机会玩出新花样。这个应用成功的原因是人们想要无穷无尽的方式来表达情绪、幽默和个性。高频率的消息传递意味着高频率的使用。新鲜感很重要，持续更新的贴纸和表情包能保持用户留存率，而且如果用 AI 来创建这些内容，成本会大大降低。

我认为这个应用虽然不是列表中我最喜欢的，因为它解决的痛点不如室内设计应用那么强烈，但它确实抓住了表达和身份认同的需求。Greg 提到可以把这个模式应用到其他领域：体育迷专属贴纸包、城市主题贴纸包（比如我来自加拿大蒙特利尔，如果有蒙特利尔各个街区的贴纸包，我肯定会和高中同学在群里用）、文化和节日表情包、宗教主题贴纸包等等。这让我想到，任何有强烈身份认同的群体，都可能需要专属的表达工具。

第五个应用叫 Vinyl Snap，专门为黑胶唱片收藏者设计。过去 30 天获得了 7 万次下载和 7 万美元收入。Greg 说他一开始看到这个应用的收入时很震惊，但后来就理解了。这个应用帮助用户评估黑胶唱片的价值，你扫描唱片，它会告诉你市场价格，还可以根据唱片和封套的品相调整估价。应用描述中强调的核心价值是”可靠的市场估值”，让你在购买、出售或储存之前有一个可信的参考，知道你找到的是一张 10 美元的专辑还是 1000 美元的宝藏。

Greg 分析说，这个应用成功是因为它结合了怀旧情怀和经济利益。对于父母那一代人来说，黑胶唱片充满了怀旧回忆。同时，经济利益也很重要，也许他们保存了一张黑胶唱片，谁知道呢？可能价值 1 万美元。收藏品市场正变得越来越大，Greg 提到他看到一篇文章说宝可梦卡牌在过去 15 年的投资回报率超过了标普 500 指数。人们喜欢收藏东西。

我对这个应用的成功特别有感触。它解决的是一个非常具体的问题：收藏者不断在买卖交易唱片，但手动定价既慢又混乱。如果有一个应用，只需扫描一下就能给出品相、价值和稀有度，这就是一个巨大的价值。高意图、高频率的行为是这个应用成功的另一个原因。有些人真的拥有数百甚至数千张唱片。Greg 提到，这个模式可以应用到很多其他收藏品领域：二手书、漫画书、体育卡牌、玩具、复古服装、签名商品等等。整个收藏品行业都可以用”扫描、识别、管理收藏”这个模式来服务。

第六个应用叫 Genora AI，过去 30 天获得了 30 万次下载和 30 万美元收入。这个应用把 GPT、Claude、Gemini 等不同的大语言模型（LLM）整合到一个地方，让用户不需要下载多个应用。它在描述中说自己是”下一代 AI 助手，无缝结合对话智能和实时搜索”，用户可以选择世界上最智能的一些模型，包括 GPT-4o Mini、GPT-4o、o3、Gemini 2.5 Flash。

Greg 指出了一个很有意思的问题：这个应用使用的都不是最先进的模型，实际上用的是一些旧版本模型，但他们把这些模型打包在一起卖给那些可能不了解技术细节的用户。Greg 说他其实不太喜欢这一点，因为这不是最好的产品。最好的产品应该是使用最新模型的那个。但他还是分析了为什么这个应用能成功，以及我们能从中学到什么。

这个应用成功的原因是它成为了用户手机上的默认助手。它的定位是”你不想要一百万个不同的 LLM 应用，来这个简单的地方就能搞定一切”。大多数用户不想要五个不同的 AI 应用，他们想要一个地方可以问问题、生成媒体、总结 PDF、分析图片、搜索网络。打包服务创造了日常使用习惯和粘性。我认为这里有一个重要的思考：当你想创意应用时，想想在哪里可以打包一些服务放在一个地方？

Greg 提到可以应用这个模式的领域：学生研究助手、销售和 CRM 助手、投资和交易助手、教师备课助手、法律和医疗文档工具等等。你可以把一堆模型串联起来，打包成一个针对特定细分市场的应用，比如”我们是学生的最佳应用””我们是法律行业的最佳应用”等等。我觉得这里面有很多机会，关键是要找到一个足够垂直的领域，让用户觉得这个应用真的是为他们量身定制的。

第七个应用叫 Logo Maker，名字虽然不算特别有创意，但很有效。过去 30 天获得了 10 万次下载和 20 万美元收入。这个应用非常简单，就是帮你从提示词生成 Logo，输入提示，几秒钟就能得到多种格式的 Logo。它的定价是每周 6.99 美元或每年 40 美元。

Greg 分析说，这个应用之所以有效，是因为不断有新业务、新项目、新功能需要 Logo，但人们可能不想花几千美元雇人设计。这就创造了持续的新业务需求。我认为这个应用最聪明的地方其实是它的名字。Logo Maker 这个名字非常简单直接，它依靠的是 ASO（应用商店优化，App Store Optimization）。当人们在应用商店搜索”Logo Maker”或”我需要一个 Logo”或”AI Logo”时，这个应用就会出现在搜索结果中。

Greg 提到，创意资产领域有巨大的需求空间。你可以专注于 YouTube 缩略图、产品包装、海报和传单生成器、播客封面艺术、品牌套件、YouTube 片头图形等等。有趣的是，这些人每月赚 20 万美元，只专注于 Logo。但你需要在应用商店搜索一下，看看有什么机会，什么领域可以占领。Greg 说，你确实需要做艰苦的工作来找到那个机会，但我确实认为在创意资产领域有很多机会，而且专注于一个领域实际上是成功的原因之一。

第八个应用叫 Menu Fit，过去 30 天获得了 3 万次下载但创造了 6 万美元收入。它把自己定位为”外出就餐健康的第一应用”，有一个 AI 助手可以实时关于任何菜单项目的问题，覆盖全球每一家餐厅。应用描述说”知道在任何餐厅根据你的喜好和目标该点什么”，它真的把菜单体验提升到了一个新水平。用户可以扫描任何餐厅，立即得到推荐，知道该点什么、该避免什么。

Greg 认为这个应用成功的原因是人们经常外出就餐（这是一个巨大的市场），但他们想保持健康，却讨厌解读混乱的餐厅菜单。不是每个餐厅菜单都标注了脂肪含量和卡路里。它把一个压力山大的决策（”我在这里能点什么不会破坏我的健康目标”）变成了一个快速、自信的选择。每次坐下来吃饭都会用到它。

我认为这个应用抓住了一个非常真实的痛点。很多人想健康饮食，但外出就餐时很难做出正确选择。这个应用可以应用到其他场景：酒吧菜单、机场美食广场、酒店客房服务、学校食堂、体育场馆、游轮、外卖和meal kit 应用等等。Greg 说他们抓住了什么重要的东西，你可以扫描任何餐厅，得到即时推荐，而且它在和那些想吃得更健康的人对话。我不意外他们做得很好。

第九个应用叫 LangLearn，是一个 AI 英语导师，绝对是在大杀四方。过去 30 天获得了 20 万次下载和 30 万美元收入。这个应用让用户和 AI 对话练习英语，AI 会提供即时反馈，帮助用户练习真实生活场景的对话。从应用截图可以看到”快速和 AI 对话””个人 AI 语言导师””即时 AI 反馈””练习真实生活对话”。用户基本上是在和一个虚拟人对话，而且这个虚拟人不会评判你，只是想帮助你学习。

Greg 说，我们都知道 Duolingo 是一个价值数十亿美元的大生意，但如果 Duolingo 今天才开始创业，可能会更像 LangLearn 这样。这个应用成功的原因是全球有巨大的需求想要说更好的英语，但大多数学习者要么害羞、要么忙碌、要么负担不起真人导师。和 AI 练习可以立即纠正错误，在真实场景中练习，消除尴尬，而且可以融入短暂的日常练习中，从而培养习惯和订阅。

我认为这个应用最大的价值在于它消除了语言学习中最大的障碍：害怕犯错和被评判。很多人不敢开口说外语，就是因为怕说错被人笑话。但 AI 不会评判你，你可以放心大胆地练习。Greg 提到可以应用这个模式的领域：西班牙语、中文、商务英语（可能和普通英语不同）、面试准备、客户支持脚本、发音和口音训练、医疗和法律专业英语等等。这里有太多机会，而且你永远不知道，也许你会被 Duolingo 收购。所以你不仅在创造现金流，还在创造可能出售的企业价值。我很喜欢这个应用。

第十个应用叫 Zozo Fit 3D 身体扫描仪，过去 30 天获得了 4 万次下载和 4 万美元收入。这个应用已经完成了超过 200 万次身体扫描。用户可以 360 度扫描自己的身体，用颜色标识出增长或减少的区域。它提供”更智能的跟踪以实现有影响力的变化、精确的身体测量、AI 驱动的营养跟踪，全部集中在一个地方”。应用描述说，Zozo Fit 为你提供一个数字工具箱，让你通过监测体重减轻、跟踪身体转变、记录饮食来革新你的个人健身之旅。

我觉得 3D 这个概念非常有意思，我以前从未见过这样的应用。他们还有某种 Apple Watch 集成，我认为也很有意思。Greg 分析说，这个应用成功的原因是人们更关心身体如何变化，而不是体重秤上的数字。这是真的。而且用卷尺测量既烦人又不一致，很多人不想那样做。一个显示精确测量和随时间变化的可视化 3D 扫描，让健身努力变得具体可见，让人上瘾地想要跟踪。

Greg 提出了一个很好的问题：我们可以在哪里应用这种 3D 扫描技术？姿势和康复跟踪、远程教练检查、服装和运动服装的定制和尺码、Cosplay 和戏服定制、手术前后的身体跟踪等等。巨大的机会。我认为他们在 3D 方面抓住了一些东西。显然，他们在这个列表中收入最少，但我认为他们有增长空间。

我也感觉名字非常重要。Zozo Fit 在这个列表中是最差的名字之一。Greg 说如果是他，会更突出 3D 这个概念，为什么不叫”3D Scan”或”3D Nutrition Scan”之类的呢？当你为你的产品想名字时，确保你能获得良好的 ASO，因为这会很重要。

Greg 的”5 万美元月收入应用框架”

在看完所有这些应用后，Greg 提出了一个核心框架，我认为这是整个视频中最有价值的部分。他称之为”Greg 的 5 万美元 MRR（月度经常性收入，Monthly Recurring Revenue）应用框架”。这个框架说：找到一个群体，他们（1）愿意花钱，（2）有重复出现的问题，（3）使用照片和视频作为输入，（4）关心准确性，（5）现有工具很糟糕。如果这个群体符合所有五个条件，你可能就找到了一个 5 万美元月收入的手机应用创意。

让我用黑胶唱片应用来说明这个框架。目标用户是年长的人，他们愿意花钱，因为他们有更多钱，有更多时间积累财富。平均 65 岁的人就是比平均 19 岁的人有钱。他们有重复出现的问题：想知道他们的黑胶唱片值多少钱。使用照片和视频作为输入：你拍一张黑胶唱片的照片，它就告诉你价值。关心准确性：当然关心准确性，因为准确性的差异可能是几千美元。现有工具很糟糕：现有工具基本上是你需要开车去某个地方，如果你运气好，你的城市有这样的地方，但有时不在你的城市，你必须去另一个城市，然后问”你会从我这里买这张唱片吗？”

我想让你内化这个框架。Greg 说他知道这很简单，有人可能会说”太简单了，他说得太容易了”。他不是说这容易，而是把它简化，这样你就能理解，他过度简化是因为这是一个伟大应用的核心。真的就是这些。当然，你需要找到正确的细分市场，你必须构建正确的应用，UI 需要非常好，体验需要简单。但这个框架是基础。

我完全同意 Greg 的观点。很多创业者把事情搞得太复杂，想着要做一个功能齐全、覆盖所有场景的超级应用。但实际上，最赚钱的往往是那些专注解决一个具体问题、服务一个特定群体的简单应用。这个五点框架看似简单，但每一点都非常关键。愿意花钱决定了市场规模和变现能力，重复问题确保了持续使用和订阅续费，照片视频输入降低了使用门槛并提供了高信号数据，关心准确性意味着用户愿意为质量付费，现有工具糟糕则说明市场有改进空间。

六个支撑框架：如何设计爆款应用

Greg 还提供了六个额外的框架来帮助你设计成功的应用。我觉得这些框架和核心框架一样重要，它们从不同角度帮你验证和优化你的应用创意。

第一个框架是”从痛点开始”。所有这些应用都是从一个痛点开始的，而不是从市场开始。一个细分市场有效是因为它有身份认同、紧迫性（我现在就需要答案）、利益相关（金钱、声誉、时间）和重复性（每周或每天都要做的工作）。如果细分市场有这四个特征，AI 应用就能在这个市场取得成功。你应该问自己的问题是：谁有重复的痛点，他们愿意付费让这个痛点消失？

我认为这个框架特别重要。很多人做应用时想着”我要做一个给所有人用的工具”，但其实最成功的应用都是先找到一个有强烈身份认同的群体，然后为他们解决一个具体问题。比如圣经笔记应用，它不是给所有想记笔记的人用的，而是专门给基督徒用的。正是因为这个群体有强烈的身份认同、固定的行为模式（每周去教堂）、高利益相关（精神生活很重要）和重复性（每周都需要），所以应用才能成功。

第二个框架是”解决一个必须完成的工作”。列表中的每个应用都把一件工作做到极致。告诉我这个值多少钱、告诉我该买什么、为我总结这个列表、立即恢复这张图片、扫描这个物体并立即识别它。Greg 说，下一个 5 万美元月收入应用就是：一个工作 × 一个痴迷的群体 × 一个重复需求。

我对这个框架深有体会。很多失败的应用都是因为想做太多事情，结果什么都做不好。但这些成功的应用都极度专注，只做一件事，但把这件事做到最好。Logo Maker 就只做 Logo，不做其他设计；Vinyl Snap 就只估价黑胶唱片，不评估其他收藏品；Menu Fit 就只帮你在餐厅点健康的菜，不做其他健康管理。这种极度专注让用户立刻明白这个应用是干什么的，也让开发者能够把所有资源投入到把这一件事做到极致。

第三个框架是”围绕单一高意图输入构建”。Greg 指出，很多成功的应用之所以能成功，是因为输入本身就是高信号的。一张照片、一个地址、一个物品、一个收藏品、一个 Logo 创意、一个提示词、一株植物、一个房间。重点是，高意图输入通常会带来更高的转化率。如果输入本身就很难解释，AI 就能创造即时价值。

我认为这个洞察非常深刻。当用户拿起手机拍一张黑胶唱片的照片时，这个行为本身就表明了强烈的意图：我想知道这个值多少钱。当用户上传一张房间照片时，这就表明：我想重新设计这个空间。这种高意图输入让应用能够立即提供价值，不需要用户填写一大堆表单或很多问题。这也是为什么这些应用的转化率都很高的原因。

第四个框架是”用 AI 解锁优质洞察”。Greg 说，AI 是引擎，但产品是你解锁的洞察。例子包括：价格变成价值、照片变成诊断、列表变成摘要和预测、物体变成身份、房间变成设计方案、艺术品变成评估。你应该问自己的问题是：AI 可以立即解锁什么优质洞察，而这些洞察以前需要花费时间和专业知识？

我觉得这个框架触及了 AI 应用的本质。AI 不是产品本身，AI 只是一个工具，真正的产品是 AI 帮你创造的那个洞察或结果。用户不在乎你用了什么模型、什么算法，他们只在乎你能不能告诉他们这张唱片值多少钱、这个房间改造后会是什么样子、这段布道的核心信息是什么。把焦点放在洞察而不是技术上，这是很多技术创业者容易忽视的一点。

第五个框架是”用简单理想的界面包装”。Greg 说，很多成功的应用都是极其简单的，一个屏幕、一个按钮、一个转换。这是它们成功的部分原因。他建议如果你在 YouTube 上看视频，可以截图这个框架，如果在 Spotify 或 Apple Podcast 上听音频，可以去 YouTube 截图。这基本上是一个总结所有框架的流程图：高意图输入 → AI 优质洞察 → 简单界面 → 重复行为循环 → 目标受众 → 5 万美元月收入。

我特别认同简单界面的重要性。很多开发者总想展示自己的技术能力，把界面做得很复杂、功能很多。但用户其实只想要一个简单的工具，能快速完成任务。Vinyl Snap 就是一个完美的例子：打开应用、拍照、得到估价，就这么简单。没有复杂的菜单、没有多余的功能、没有让人困惑的选项。这种简单性不仅降低了学习成本，也让用户更容易养成使用习惯。

第六个框架是”创建重复行为循环”。虽然 Greg 没有在视频中详细展开这个框架，但我认为它同样重要。所有成功的订阅制应用都需要创造重复使用的理由。圣经笔记应用的重复循环是每周去教堂，Menu Fit 的重复循环是每次外出就餐，LangLearn 的重复循环是每天练习语言。如果你的应用不能创造重复使用，就很难维持订阅收入。

Greg 分享的额外创业想法

在视频最后，Greg 还分享了几个他认为值得做的应用创意。我觉得这些想法都很有启发性，展示了如何应用前面提到的框架来产生新想法。

AI 高尔夫挥杆教练应用。Greg 说他最近去了一家高尔夫模拟公司上课，那个地方人满为患。但现在有了 AI，你可以用手机拍视频，AI 就能提供生物力学纠正建议。你只需要用手机拍摄，它就会告诉你该怎么做。有人应该去做这个。

我觉得这个想法很棒。高尔夫是一个典型的高消费、高重复性的运动。打高尔夫的人通常有一定经济实力，他们会定期打球，而且非常在意自己的技术进步。一个能提供即时反馈的 AI 教练应用，既比真人教练便宜，又比自己瞎练有效。这完全符合 Greg 的五点框架：愿意花钱、重复问题、视频输入、关心准确性、现有工具（真人教练）昂贵。

AI 拍卖策略师。输入是照片，输出是预期竞价范围和策略。这个应用可以帮助人们在拍卖会上做出更明智的决策，不会因为情绪激动而出价过高，也不会因为犹豫而错失机会。

AI 衣橱造型师。输入是衣服的照片，告诉你可以搭配的服装组合、转售价格、以及哪些衣服可以清理掉。这对于那些衣柜里一堆衣服但每天不知道穿什么的人来说，简直是救星。而且它还能帮你发现你拥有但从未穿过的衣服组合。

宠物健康扫描仪。输入是照片和视频，输出是早期问题检测和护理指导。宠物主人都非常关心宠物健康，但很多时候他们不知道什么症状是正常的、什么需要看医生。一个能提供初步判断的应用，既能让宠物主人安心，也能在必要时及时提醒他们就医。

花园植物医生。输入是照片（比如一片发黄的叶子），输出是疾病诊断、修复方法和季节性提醒。园艺爱好者经常遇到植物生病的问题，但他们往往不知道是什么病、该怎么治。一个能立即诊断的应用会非常有用。

二手车分析师。输入是 VIN（车辆识别号，Vehicle Identification Number）和照片，输出是维修风险、价格对比和谈判脚本。买二手车是一个高风险决策，大多数人不懂车，很容易被卖家忽悠。一个能帮你评估车况、给你谈判建议的应用，价值巨大。

房车和露营车生活布局设计师。输入是内部照片，输出是优化布局和购物清单。房车生活越来越流行，但空间优化是一个大问题。一个能帮你设计最佳布局的应用，会受到房车爱好者的欢迎。

我觉得 Greg 这些想法的共同点是：都针对一个特定群体、都解决一个具体问题、都使用照片或视频作为输入、都提供即时价值。这正是他前面提到的框架的完美应用。如果你想做一个应用但不知道做什么，可以参考这些想法，或者用同样的思路在其他领域找机会。

我对这个趋势的最终思考

看完这些案例和框架，我对手机应用创业有了一些新的认识。过去，我总觉得做应用需要很大的团队、很多钱、很长时间。但这些案例告诉我，在 AI 时代，一个人或一个小团队，用几个月时间，就可能做出一个月入数万美元的应用。

我认为关键是要改变思维方式。不要想着做一个大而全的平台，而是要找到一个小而精的切入点。不要想着服务所有人，而是要专注服务一个有强烈身份认同、愿意付费的特定群体。不要想着做一个功能复杂的应用，而是要把一个功能做到极致。

Greg 提到的五点框架非常有价值：愿意花钱的群体、重复出现的问题、照片视频输入、关心准确性、现有工具糟糕。这五点看似简单，但如果你真的能找到一个同时满足这五点的机会，成功概率会非常高。我建议任何想做应用的人，都应该先用这个框架来验证自己的想法。

我也意识到，应用的成功不仅取决于技术，更取决于你对目标用户的理解。圣经笔记应用之所以成功，不是因为它的技术有多先进，而是因为创始人深刻理解基督徒的需求和行为模式。Vinyl Snap 之所以成功，是因为创始人理解收藏家的心理和痛点。Menu Fit 之所以成功，是因为创始人理解健康饮食者的困境。技术只是工具，洞察才是核心。

AI 技术的成熟让个人开发者和小团队也能构建复杂功能。以前，要做一个图像识别应用，你需要一个 AI 团队、大量训练数据、昂贵的计算资源。现在，你可以直接调用现成的 AI API，几天就能做出一个可用的应用。这大大降低了技术门槛和开发成本。Greg 提到的这些应用，很多都是小团队甚至个人在几个月内做出来的，这在五年前几乎不可能。

我还注意到，AI 让应用能够解决以前无法解决的问题。比如 AI 室内设计应用，如果没有 AI，你要么需要雇佣专业设计师（昂贵且慢），要么只能凭想象（不准确且有风险）。AI 提供了第三条路：快速、准确、便宜。这种”以前做不到，现在能做到”的能力，创造了全新的市场机会。

用户习惯的改变也是一个重要因素。过去两年，ChatGPT 和其他 AI 工具教育了大量用户，让他们习惯了和 AI 交互、习惯了 AI 能快速解决复杂问题。这意味着当你推出一个 AI 应用时，你不需要从零开始教育市场，用户已经准备好接受你的产品了。这大大降低了用户教育成本和市场推广难度。

订阅经济模式的成熟也很关键。现在用户已经习惯了为应用付费订阅，而不是一次性买断。这意味着如果你能创造持续价值，就能获得稳定的经常性收入。Greg 分析的这些应用大多采用订阅模式，有的按周收费、有的按月收费、有的按年收费。只要你能让用户持续使用，每个用户就能为你带来持续的收入。

应用商店的成熟也帮了大忙。ASO（应用商店优化）已经成为一个成熟的学科，如果你的应用名字选得好、关键词优化得当、截图和描述吸引人，就能获得大量自然流量。Logo Maker 这个应用就是一个完美例子，它的名字非常直接，当用户搜索”logo maker”时，它就会出现。这种自然流量获取方式成本极低，但效果很好。

最后，我想说的是，现在真的是一个特殊的时间窗口。AI 技术足够成熟但还没有被完全商业化，用户已经准备好接受 AI 应用但市场还没有饱和，开发成本大幅降低但竞争还没有完全白热化。这个窗口不会永远开着，可能只有一两年时间。如果你一直想做点什么，现在就是最好的时机。

Greg 在视频结尾说，2026 年是构建手机应用的绝佳时机，他自己正在做，他想把这些思路分享给大家。我完全同意他的观点。我希望看到更多人能够抓住这个机会，做出真正有价值的产品。不要只是想，要真正动手去做。找到一个你了解的细分市场，找到一个真实的痛点，应用这些框架，然后开始构建。也许几个月后，你就会成为下一个月入 5 万美元的成功案例。

本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。

上千题喂出来的AI面试官，是如何淘汰应聘者的？

记不清这是第几次面对她了。这位有着标准职场形象的女性，在整个秋招季里，几乎与许晴的求职邮件如影随形——这是她的AI面试官。九月以来，许晴已经参加了近20场AI面试，但每一次她面对的，几乎都是同样的枯燥场景。

眼前的这位AI面试官，脸上始终挂着平静的微笑，并不会因许晴的表现改变神色，也不会与她有任何多余的互动。只会在她答完一道题后礼貌地点头，再用机械的女声发出指令，“好的，我们进入下一题。”

许晴性格开朗、能言善辩、热衷挑战，把面试视为一场与面试官的较量。面对真人时，她并不怯场，高压的氛围、刁钻的提问，反而能激起她的战斗欲望，帮助她快速转动大脑，生成最恰当的。面试官被震慑住的表情，她百看不厌。

但面对AI时，这份表达欲被吞没了。许晴深知眼前只是一团没有生命的算法，那个妆容精致的面试官，连嘴角上扬的弧度都不曾变化，这让她觉得没劲。

更何况，在许晴看来，AI面试官也并不专业，它抛出三五个问题，尝试探究面试者的性格、能力、经历。但对许晴来说，这些问题空洞且缺乏针对性，根本不能展现她的优点。

这一次，她终于忍无可忍，面试中途便退出程序，让这个假人从眼前消失。

像许晴这样与AI周旋的应届生，在秋招季里还有很多。近两年，许多应届生在求职时突然发现，自己要面对的第一道关卡，从真人HR变成了AI面试官。他们难以理解，为什么明明自己满怀诚意，却连真人面试官都见不到？

另一端，每到校招季，用人单位面对“堆积如山”的简历，寻找一个缓解工作压力、提高招聘效率的工具，也是应有之义。如今，AI工具快速迭代，他们有理由相信，用AI面试官代替此前人工初筛、“初面”，是平衡效率和准确率的理想答案。

可对不少求职者来说，AI面试的评价逻辑并不透明，这些假人往往难以捉摸。他们不得不反复揣测其中门道，只为让自己的简历再前进一轮。

人工智能驱动的招聘流程，机器人面试官在分散的简历和网络图表机器人中向候选人展示数据。图源：IC photo

被AI筛选

向企业投递简历后，会先收到一份能力测评问卷，里面包含言语理解、资料分析、图形推理以及性格测试等题目，共130多道，“能力测评过了，才能进行AI面试。”

这是今年参加秋招以来，许晴反复经历的剧情。她是上海财经大学的一名研二学生，因为有过国外交流的经历，她将求职的重点目标定为上海的外企。投递了一圈简历后，许晴发现，回复邮件的外企几乎都要求她先参加AI面试。

“原来AI已经发展到这种程度了吗？”许晴不禁诧异，此前她从未听说AI还能面试人。她在社交媒体上搜索了一些经验帖，一番浏览之后，许晴对AI面试有了基本的判断：不同行业和岗位的问题可能略有不同，但都比较基础，追问也不深，不会深挖面试者的经历，“应该只是走个过场，不会真正刷人。”她稍微放松了警惕。

很快第一次AI面试就来了，那是一家法国电气企业的销售工程师岗位的招聘。当天在宿舍里，许晴身着便装、素面朝天，用手机点开企业发来的链接，页面跳转到了面试系统，前置摄像头被打开。验证了身份信息后，AI面试官出现在了屏幕里。

那是一位留着干练中短发，身着浅色西装的女性，形象与真人别无二致。伴随着许晴的，AI面试官还会若有所思地点头、摇头，并不时报以微笑。

这让许晴有些始料未及，在她最初的设想里，AI面试顶多只需要自己打开摄像头，在AI的语音或文字指引下问题，“没想到会有一个人物形象。”

在参加一家智能科技国企的招聘时，就读于厦门大学的研三学生谢意也见到了这位AI面试官，“比我想象中更逼真。”

她看过许多短视频里的虚拟主播，但是这位女性在画面上更为精致，语气也更加自然，“像电台主持人。”乍一眼，谢意甚至没有发觉自己面对的是个假人。只有在对话时，对方毫无起伏的音调和始终标准的微笑会提示她，眼前只是一个程序设定好的虚拟形象。

谢意不由得紧张了起来。此前她觉得，AI面试官只是企业为了招聘而临时搭建的工具，不会问出多高质量的问题，“至少比不上ChatGPT。”因此在做准备时，她并没有把AI当成一个高明的面试官。然而此刻，AI面试官似乎比她想象中要更聪明，这让她心里没底，“我会不会小看了AI？”

这场面试是由一道不计分的热身题开始的，谢意被要求先简单介绍自己的家乡。随后正式的5轮提问开始，题型是常见的行为测试和性格测试，每道大题后还有一到两道追问。整场面试持续了约四十分钟，谢意了近十道问题。

其中，谢意被问到：“当你在工作中遇到信息来源不同、相互矛盾的情况，你会怎么办？”

这道题在她的意料之中，前一晚她已经准备好了思路——这是一道常规题目，可以结合自己的实习经历来作答，既有真实素材可依据，还能突出自己的实践经验。

谢意马上想起暑假时，自己在一家国际公关公司实习时的经历。当时，她发现公司的一位客户——一家外企的不同分部间因意见分歧发生争执，后来被她成功化解。于是，她迅速总结出一段书面语，在两分钟内完成了作答。

但意外出现了。AI面试官向她追问了更多细节：这家外企内部产生分歧的具体原因，以及自己平衡双方冲突的详细过程。

这让谢意措手不及，她没想到AI会如此细致地分析她的，并提出针对性的追问，“可能我刚才得还不够充分，AI想更挖掘更多细节。”

她只能把双方的具体需求补充了一遍，并告诉AI，在化解矛盾的过程中，她分析了问题、设计了问卷、制定了方案，并在两方之间协调、沟通。

但实际上，这段经历并不像她讲得那般出彩。当时，她只是在客户的文书材料里发现，该企业分部并没有根据总部的要求更新方案，而她只需要向分部重新明确一下， “自然而然就解决了。”其中，企业内部并不存在多大的矛盾，自然，她也没有在两方之间周旋的“壮举”，这是不得已之下，她编撰出来的部分。

如果是真人面试，谢意可以向面试官坦白，她缺乏这部分经历，然后引导面试官换个角度提问。但AI面试不能换题，她只能硬着头皮往下答。

她推测，AI面试官想考察她的分析判断能力和沟通协调能力，“梳理文书材料、发现问题，体现了我的分析判断能力。”于是，为了再突出自己具备沟通协调能力，她把原本简单的沟通过程说得更加丰满。这是她所想到的，能够迎合AI的方法。

摸不透AI面试官的应届生不止谢意。在社交媒体上，许多应届生都疑惑，“AI到底是怎么评价我的？”

黑箱一般的评价标准，让许多应届生在进行AI面试时，像是在面对一个看不见的敌人。他们只能根据以往参加真人面试的经验，以及对AI功能的简单认知，形成一套可能有效的应对方法。

也有求职者觉得AI面试更加简单。社交媒体上，许多应届生分享经验，都强调只要实事求是地讲述，把时间说满，并且得层次、有逻辑，就很容易通过。

有人靠着这些技巧，整个秋招季里AI面试未尝败绩。也有人说自己性格内向，面对假人反而更没有心理压力。

“要踩中某些关键词，这可能是AI的采分点，还要答得有逻辑性，因为要考查学生的思维能力……”谢意总结。

但这次AI面试还是没过。谢意参加的5场AI面试，都在完最后一道问题后石沉大海。她不知道是哪里出了问题。

AI人工智能机器人在做面试官面试人类。图源：IC photo

用AI筛选

相比求职者，用人方显然更容易接受这个新事物。当下，不少企业为缓解毕业季繁重的校招压力，引入了自动化的AI面试工具。他们将招聘标准融入人工智能，相信算法能为企业筛选出最合适的人才。

张竹是北京一家中小型外企的人力资源服务经理，工作之余，她会利用职业经验，给应届生做面试辅导。这两年来，她新增了AI面试培训这项业务。

“使用AI面试的企业越来越多了。”张竹回忆，去年秋招期间，她辅导的十多位应届生里，只有一半经历过AI面试，但今年“每个人都参加过至少两次AI面试了”。

今年，张竹所在的公司也用起了AI面试官，这是整个招聘流程里的第一个环节，“用来初步考察求职者的英语口语能力。”通过后，才能与业务部门约面。

引入AI面试官后，人事部门找了许多常见的英语面试问题，并从语音语调、流畅度、清晰度等方面拟好了评分标准，将二者“喂”给AI。

面试时，面试者会随机抽到三道题，用英语，随后由AI打分。每道题都是五分制，综合评分达到三分即为通过。

而出于严谨考虑，所有AI判定通过的面试录像，还会再被复核一遍，以避免AI判断失误——这是整个初面环节里，唯一需要人工的部分。

“实在忙不过来。”张竹坦言。引入AI前，公司人事收到简历后，会先向求职者提问一个英文问题，求职者录下自己的，将语音文件发回，再由人事听取和评分。高峰期时，张竹的部门一天要处理上千份简历，自己一天便得听上两百多条录音。

这种老方法还存在一些问题，“求职者很容易作弊，回复意愿也不高。”张竹发现，求职者往往隔了半天才把语音发来，其间有充分的准备时间。许多语音文件过关的求职者，正式面试时却原形毕露。同时，这种形式也稍显繁琐，求职者都不太配合。

如今，AI的即时问答基本杜绝了作弊的可能，也会让求职者觉得，“这是一场正经的面试。”

更重要的是，复核工作难度较低，实习生便能完成。由此，张竹得以从繁琐的工作中解放出来，去处理更重要的事务。

徐莹也认为，企业为了提高招聘效率而采用AI，再正常不过。

她是深圳一家科技公司的招聘主管。近三年来，公司每年校招期间都要收到三万份左右的简历，仅凭人力根本无法全面初筛。因此，2023年，公司判断AI技术已经成熟，便采购了一套AI面试系统，用于一些简历投递量较大的岗位。

这套AI能够做到的，不再只有简单的口语考察。在它的运行逻辑中，面试者被层层解构，分解为院校、专业、学历等关键词，学习能力、逻辑能力、沟通能力等基本素养也可以被精准量化。最终，面试者成为一个个具体的分数。

“这些都是公司要考察的元素。”徐莹介绍，在这套AI的系统里，开发者已经针对不同岗位，准备了相应的题库，每道题目都是对面试者某一方面信息的探究。比如在对性格的考察中，是否喜欢户外运动、是否乐意向他人求助、参与团体活动的频率等，都是可能出现的问题。

每次招聘工作开始前，徐莹的团队都会向AI明确，公司要挑什么样的人，“比如算法工程师，要求具备较强的逻辑能力和创新能力”，AI便会在面试过程中，随机提取出相应的题目，呈现给面试者。

“类似的问题问个三五个，足够让AI对一个人形成清晰的认知。”这符合徐莹多年的从业经验，在她看来，人的某些特质本就可以被洞悉，他（她）过往经历或言语表达都是赫然的证据。

况且，她已经习惯将面试者拆解为满地碎片，再从中挑选出最重要、最亮眼的几块，像搭积木般，为公司搭建出最合适的理想人才。因此，看到AI执行的是同样的逻辑，她没有理由不信服。

使用了将近三年，徐莹发现，AI的提问过程逻辑性很强，能够满足行为面试法则或STAR面试法则，问题也很灵活，“几乎比得上一个有两到三年从业经验的HR。”

AI的优异效果也有实际的体现。引入AI面试官以来，徐莹感觉公司的新人素质显著提高。从360环评来看，新人的学习能力、沟通能力、独立工作能力的评分，“每年都有上涨。” 她认为，这一定程度上得益于AI“一刀切”的高标准。

并不像真人面试官那样，可能受到诸多因素的影响，AI是一道永远不会出错的程序，会严格地遵循公司设定的标准，绝对不会“放水”。因此在徐莹看来，通过AI面试的，都是“在绝大多数面试情景中都能通过的人。”而被淘汰的，则是“常规意义上的，不太优秀的学生”。

在徐莹的公司，AI面试的通过率大约为50%，而在人工时代，这个数字是30%。这意味着，被很多求职者怀念的真人面试，事实上可能更“严苛”。

为避免AI“看走眼”，徐莹的团队也会抽查未通过者的结果报告，检查是否有异常情况。

她抽查到的报告里，未通过者都有硬伤，要么是学历、院校、实习经历比较一般，导致简历不过关；要么是得不够有逻辑，综合素质评分太低。

“几乎没有误杀的。”

徐莹认为这无可厚非，公司在校招上投入了巨大成本，“当然想招到更优秀、更有潜力的人。”

11月10日，谢意结束AI面试时的页面。 受访者供图

创造一位AI面试官

陈倩是湘潭大学的一名研三学生，今年秋招以来，她参加了八次AI面试，无一通过。

她也尝试过经验帖里的方法，得更容易被AI接纳，甚至还化了淡妆，让自己精神状态更好，但还是颗粒无收。她很疑惑，一道预设好的程序，“是怎么判断我适不适合这家企业的？”

“AI践行的就是企业的用人标准。”徐莹知道，AI面试官承载的是用人方的意志，但对于AI具体是如何分析面试者的，并为面试者勾勒画像，她还是一无所知，只知道“那是大模型的功能。”

实际上，AI面试工具所展现的功能，只是大语言模型的冰山一角，它的底层逻辑甚至连开发者都未能完全一探究竟。

林艺任职的一家人力资源服务平台，从大约两年前起，开始自主研发一款AI面试工具。两年多来，作为一名后端技术人员，她像是一位老师，把一位零基础的人力资源专业毕业生，培养成了一位经验丰富的专业面试官。

这位面试官的底子是大语言模型。与市面上绝大多数AI面试产品一样，林艺公司开发的AI面试官，用的也是豆包、千问、DeepSeek等常见大模型，“只不过是商用版，准确率更高。”

其中，“题库”与“评价”是AI面试官的核心能力，需要“老师”们对大语言模型不停地灌输和教导。

“题目主要来源于专家经验和网络资源。”“专家”指的是林艺所在的团队里，拥有数学、心理学、管理学、人力资源等领域背景的员工，大多为硕士学历。他们在学术或从业生涯中，积累了行业内大量典型、有效的面试题目。再加上林艺的公司从事人力资源服务多年，积攒下来的海量资料，共同构成了AI面试官最初的养料。

除此之外，团队也会不时在网上搜罗、购买他人整理好的题目，经专家检验“信效度”后再采用。

最终，这些题目作为“锚题”，被纳入一个总题库中，成为AI面试官提问的基础。

林艺解释，锚题可以视为一道母题，是一个考察方向。在这个大方向上，题目的具体呈现方式又能有许多变换。

“比方说要考察一个人的实践经历，既可以让他直接介绍一段难忘的实习，也可以让他回忆，自己在实习过程中遇到过什么困难。”

而这个本领需要经过大量训练来习得。林艺的团队会把原理“喂”给AI，再反复地调试、测验，直到AI学会根据不同需求，问出准确的问题。

这样的智能让徐莹很安心，题目变幻莫测，面试者自然防不胜防，“即便看了经验帖，也很难猜透AI的提问逻辑。”

目前，这个AI的大脑里，已经将人类切分为了上百个考察维度，比如进取心、学习能力、沟通能力、逻辑能力、培养潜质等，“都是各行各业比较看重的一些特质。”每个维度有接近十道“锚题”，整个题库便有上千道题目。

“但‘库’的概念实际上已经不适合AI时代了。”林艺表示，随着大语言模型的自我迭代，严格来说，题目已经在AI的大脑里千变万化，无限增殖，“同样的考察方向，你不会知道题目具体是由哪几个字组成。”即便这个AI面试官由她一手调教，但她也承认，这个“学生”早已超越了她的认知。

学会了出题，还得学会评分，评价标准的制定是更为繁重的工程。开发初期，第一个版本的评价标准是由“专家”编写的。“专家”们基于自己的理论积累和行业经验，针对各个考察维度，拟写出一份“具有某种素质的人可能会表现出某种特质”的提示词。

比方说，对压力的认知、面对压力时的反思，以及为缓解压力所采取的行动等，“都是对‘抗压能力’这项指标不同维度的反映。”而提示词则相当于教材，会告诉AI，在上述维度中，很好、好、一般、不好、很差分别都对应什么表现。

至此，前期的铺垫已然完成，AI剩下要做的，便是发挥自己的本能——语义分析。面试过程中，AI会分析中的语义，形成对面试者的理解，并把它与评价标准反复比较，“从而确定面试者处于什么等级，并赋予相应的分数。”

而如果面试者的较为简单，不足以让AI对其形成清晰的认知，AI便会在原的基础上继续提问，直到将信息补充完整，“追问就是这样产生的。”

作为开发者，林艺清楚如何使AI像一个面试官，把人进行分类和定位；但AI是如何理解和判断求职者说的话，她不得而知，“算法的内部是个黑箱。”

社交媒体上，应届生对AI面试体验的描述各不相同。有学生发现面前的AI错漏百出，要么是把自己简历里的两段实践经历融合，编成了一段并不存在的故事；要么是无视自己的，问出一个已经过的问题。

许晴在几次AI面试中也发现，自己被问到的问题像是出自同一个题库，AI的追问也浅尝辄止，并不能切中她中的亮点和细节。这让她感觉，AI面试官还只是一个毛坯，便被匆匆推上了台面。

也有学生觉得，AI面试“简单得很”，分享的秘诀也五花八门：最好穿正装、眼神不要乱瞟、普通话尽量说标准……尽管他们也不能确定，自己能够通过，是不是这些努力的功劳。

市面上参差不齐的AI面试产品让林艺有些无奈，一些产品的硬件功能还远不够完善，一些同行的测评理念也“非常不专业”。

另外，考察维度不准确，评价机制不合理，都可能产生巨大的误差，“但一些产品只是写了一段提示词，直接扔给AI去打分，这样分数的浮动会很大。”

除此，一些来为公司采购AI面试工具的人事，也并没有过硬的专业素养，“完全不懂测评原理。”在林艺看来，AI面试工具目前仍处于野蛮生长的阶段，一些开发者和企业都还没有做好准备，去迎接AI面试官的到来。

尽管林艺对自家产品十分自信，但她无法确定，AI筛选出来的究竟是不是“最合适的人。”没有客户企业愿意向林艺的团队提供员工的绩效数据，他们无从得知，通过自家AI面试者，入职后的表现如何，是否符合客户企业的预期。

“其中的变量太多。”林艺说，就像不能完全用高考成绩去评价一个学生的大学表现，“企业文化、工作压力等都会影响员工的绩效数据。”因此，他们只能一再完善AI面试工具，至少保证这一环节不出问题。

8月29日，谢意收到AI面试邮件。受访者供图

一个无法被打动的面试官

秋招以来，许晴已经参加了二十余次真人面试。在她的经验里，面试官的反馈对她有重要的参考价值。

“我能从面试官的神态、表情和语气来判断，自己的有没有让对方满意。”这能帮助她及时调整表达策略，或是及时补充信息，或是引导对方向自己的优势提问。

“这其实是在给你表现的机会，必须抓住。”她相信，如果面前的是个活生生的面试官，一定能被她的打动。

可面对一个毫无反馈的假人，许晴就没有开口的欲望。在一次AI面试中，AI曾要求她展开谈论，她本科担任学校外联部主席时，为社团活动拉到第一笔赞助的经历。

许晴只是笼统地讲述，自己发现了赞助商的需求，通过沟通协调，完成了这次合作。

但她没有告诉AI的是，当时那位赞助商是一位处于创业初期的个体户，想把外送业务打进校园。许晴先通过为他分析行情、制定方案，拉近了双方的距离；随后告知对方，社团活动人气很旺，会为对方的业务带来很好的宣传效果。对方被她说服，欣然转账。

“我外向开朗、能说会道的特点，对着AI都没办法表现出来。”许晴断定，冰冷的AI根本无法从中领会到她的优势，“不值得我讲这么多细节。”

陈倩也自认为是“线下型选手”。对她而言，真人面试和AI面试是两种截然不同的行动模式。

本科以来，陈倩也已参加过大大小小的真人面试。面试当日，她会早起洗漱，化个淡妆，穿上得体的衣服。在前往面试地点的路上，她也会在脑海中复盘自己准备的内容。这套程序会让她很快进入面试者的角色，从而能更加自如地发挥。

“但AI面试就像玩手机。”随处都可进行的松散感，让陈倩很难调动起干劲。

同时，AI面试似乎并没有正视应届生们的时间精力成本。就连AI面试通知也是企业通过邮箱自动发送，没有给到应届生们在艰难的求职市场所渴求的尊重。

“面试本就是一个双向的过程，企业筛选你，你也可以筛选企业。”真人面试中，面试官的言语和态度，也能让许晴感知背后企业文化和公司氛围，这有助于她了解企业、做出决策。面试结束后，面试官往往也会给出意见和评价，许晴得以总结经验，这些在AI面试中都不可能做到。

一场AI面试至少要30分钟，前期的简历准备工作也很繁琐，投入了这么多时间和精力成本，却无法让自己收获任何营养。权衡了一下性价比，陈倩决定之后不再参加任何AI面试，“更何况，双向的交流本来就是对人最基本的尊重。”

但最让陈倩不满的，还是AI面试这一形式本身的不合理——一条冰冷算法，便能决定一个人的命运。

8次AI面试经历里，陈倩都能感觉到AI面试官的粗糙。求职者本可以通过表情、语气、动作、眼神传达的精神面貌和性格特点，都无法被AI感知。在AI面前，陈倩甚至无法为自己争取或辩解，只能任由一台机器、一个程序评判，然后决定她的成败。

但徐莹对此不以为意，“大部分企业还保留着笔试环节，你甚至连说话的机会都没有，写下一个答案就被判生死。”她认为，相比这种简单粗暴的形式，AI面试好歹还能看见个“人”。

她坚信，AI面试的设置有其合理性，在初面阶段，公司本就只考察面试者的基本素养，“就像小学数学只考加减乘除，你会微积分也没用。”而且这些基本素养代表了面试者的底层能力，如果基础不过关，“也不利于公司长期的人才培养。”

而且在徐莹看来，AI面试这一形式本身，便已经发挥了一定的筛选功能。面试者如何准备和对待一场AI面试，也是其基本素养的体现。

“如果你能力很强，却因为没做好简历被筛掉，那你为什么不把简历写漂亮呢？如果你因为不习惯AI面试而没发挥好，现在网上有大量关于AI面试的信息，你为什么没有尝试去了解和准备呢？”徐莹认为，能否适应AI面试，也能反映面试者的学习能力、性格特点和求职意愿。

更何况，面试者希望在真人交流过程中，去竭力展现的特点和优势，可能都没有超出面试官的考察框架。

十年人力资源从业生涯，张竹已经不会被面试者的“亮点”打动，从而破格通过。对她而言，一位求职者的“亮点”，可能是他的开朗、机敏、好学、沟通能力等，“但这些都是能通过行为面试法挖出来的。”

“那我的诚意呢？”即便深知基础素养是通过面试的硬性标准，陈倩还是相信，自己的真诚的眼神能感动一些面试官。

“眼神真诚的学生多了去了。”张竹已经见怪不怪。

（应受访者要求，文中人物均为化名）

新京报记者 丛之翔 实习生 张启扬

编辑 杨海 校对 李立军