STAR原则

STAR 把一段经历按 Situation、Task、Action、Result 四段展开，让「我做过什么」从模糊的形容变成可追问、可验证的证据，是行为面试问答的公共语法。

行为面试为何存在

「讲一次你解决困难问题的经历」——面试官不问「你擅长什么」，而问「你做过什么」，因为工业组织心理学的共识是：过去的行为是未来表现最好的预测器。行为面试（behavioral interview）在 20 世纪 70–80 年代由组织心理学家发展成型，STAR 是与之配套的答题结构：把自由叙述约束成四段可核验的信息。

候选人的常见失败不在没有经历，而在讲述方式：流水账按时间铺陈、通篇「我们」掩盖个人贡献、讲到行动戛然而止没有结果。四段结构各堵一类漏洞。

四段各堵一类漏洞

四段不是并列的模板格，而是对四种高频失败的逐个修复。

Situation：给行动搭舞台

两三句交代背景、约束与赌注。常见病是铺陈过长——背景讲三分钟，行动只剩三十秒。检验标准：删掉这段，行动是否失去意义？不会的话，它就是赘余。

Task：划清「我」的边界

你在情境中承担的具体目标与职责。团队的任务不等于你的任务，除非说清自己负责哪一块。这一段同时为 Result 立下对照的起点：有起点，改进量才可度量。

Action：唯一值得花篇幅的段落

面试官真正考察的部分：做了什么决策、用什么方法、为什么这样选。两条纪律——主语必须是「我」，把「我们完成了」改写成「我负责的部分是、我推动了」；决策理由比动作清单更有信息量，它暴露的是思考质量而非劳动量。

Result：给行动定价

可验证的结局，量化优先，再补一句复盘。同样的行动，带来 3% 还是 30% 的改进是两种能力，Result 就是给 Action 定价的环节。数字从哪来：日常工作按 OKR 的 Key Results 口径沉淀，述职与面试才有现成弹药。

一个压缩示例

反例：「我参与了一个数据处理框架，性能提升很大。」——无边界、无主语、无数字，四段全缺。

按 STAR 改写：视频生成基座模型的训练需要海量高质量数据，团队此前缺少统一的视频数据处理框架（S）；我负责 t2v_data 框架的维护与优化，目标是让它成为训练数据链路的基础支撑（T）；从基础支撑、开放性、功能丰富度三个维度推进——集成 20+ 模型/算子，支持团队成员在其上开发定制化处理算子（A）；框架完成 300M+ 条视频数据的处理，成为团队视频数据处理的核心工具（R）。

变体与场景迁移

STAR-L 在末尾追加 Learning，适合校招与转型者强调成长性；CAR（Context-Action-Result）是简历 bullet 的压缩形态——一行一个结果导向的成就。场景也不止面试：转正答辩 的述职结构（进展—成果—归因）就是 STAR 在晋升场景的展开，向上管理 中的成果汇报同样适用。与 面试话术 分工明确：话术解决「没有对应经验怎么答」，STAR 解决「有经验怎么讲得可信」。