关键在于精准锚定身份、问题来源、受众认知瓶颈和输出格式：以阿里p7前端面试官身份向应届硕士生提问，绑定字节二面实录上下文，嵌入校招高频卡点如闭包与this指向，并按备题/模拟/pdf场景强制三段式、双栏对比或命中率标注。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想让MarsCode在面试问答场景中输出精准匹配目标受众的回答，关键在于把“谁在问、谁在答、问什么、答给谁看”全部钉死在提示词里，而不是依赖模型猜意图。
第一步：锁定提问者与回答者双重身份
打开MarsCode配置页 → 进入「自定义提示词」模块 → 找到面试问答类模板（如interview-answer或tech-interview）→ 在system prompt开头插入身份锚定句：
“你正在以【前端资深面试官（5年阿里P7经验，专注React+微前端方向）】身份，向一位【应届硕士生（实习经历含3个月Ant Design组件开发）】提问。”
这一步不能只写“面试官”和“候选人”，必须带真实职级、技术栈、经历颗粒度。否则模型会默认套用泛泛的“HR式提问”或“教科书式回答”，根本无法识别“应届生听不懂useSWR缓存穿透”的认知断层。
第二步：绑定问题来源与回答接收方
方法一：直接注入原始问题上下文
在用户输入问题前，强制前置一段结构化元信息：
“【问题来源】：来自字节跳动2026春招前端岗二面实录；【接收方】：面试官刚听完候选人讲完Vue响应式原理，正准备追问diff算法细节；【当前问题】：‘你觉得Vue3的Proxy比Object.defineProperty好在哪？’”
方法二：用角色反推回答边界
在提示词末尾加一句约束：“若问题中出现‘实习生’‘校招’‘第一次接触’等词，回答必须包含1个可复现的本地调试步骤（如console.log触发时机），且禁用TS类型体操术语。”
menu.js是一款Material Design风格的jquery下拉菜单插件。通过menu.js插件，你可以非常轻松的制作出Material Design风格的下拉菜单或下拉列表。 使用方法 在页面中引入样式文件menu.css和jquery.min.js、menu.js文件。
【注意】这条约束必须放在提示词最末尾，否则会被模型忽略优先级。
第三步：注入受众特有认知瓶颈
① 提取该群体高频卡点：打开牛客网/脉脉搜索“前端校招 面试卡壳”，复制3条真实吐槽，例如：“讲不清keep-alive怎么缓存组件实例”“webpack打包分析图看不懂”“说得出防抖节流但写不出闭包结构”；
② 将其中1条嵌入提示词作为校准信号：“当候选人提到‘防抖节流’时，你的追问必须聚焦在‘闭包变量生命周期如何影响this指向’，而非重复解释定义”；
③ 删除所有“请简要说明”“请概述”类模糊指令——这类词会让模型默认输出教科书摘要，而真实面试中，校招生需要的是“哪行代码改了会导致失效”这种具象断点。
第四步：强制输出格式绑定接收场景
根据实际使用路径选择格式：
→ 若用于面试官备题：输出必须为“问题+预期回答关键词+常见错误答案（附真实简历截图链接）”三段式；
→ 若用于候选人模拟：输出必须带“【应届生视角】”“【P7视角】”双栏对比，且右侧栏每句结尾加✅或❌符号；
→ 若导出为PDF面试手册：在每道题后插入“⚠️本题2026年Q1在美团/小红书/得物实际命中率：73%/61%/89%”。
这一步不做格式锁定，MarsCode生成的内容就会被当成通用知识库文本，失去面试场景特有的对抗性、时效性和岗位指纹。
