GPT-5.6 于7月10日正式发布，免费用户即可体验 Terra 模型。作为一名正在备战秋招的研二学生，我决定让它担任“模拟面试官”，检验自己的面试准备情况。

在过去两天里，我连续完成了三场模拟面试：包括算法题、项目深挖和系统设计。每场面试持续约30至40分钟，全程借助 GPT-5.6 的 Terra 模型进行。

本文并非一份正式的测评报告，而是一位求职者将AI作为面试陪练的真实记录。平时做技术调研时，我习惯在同一个聚合平台上快速切换不同模型进行横向对比，省去反复登录的麻烦。这两天主要使用 Terra 模型，仅在一次复杂追问时切换到 Sol 模型尝试了一下。

01 为何选择AI进行模拟面试

秋招季我投递了十几家公司，算法题也刷了200多道，然而每次面试依然紧张。核心痛点在于：缺乏演练“现场感”的机会。

找同学模拟面试，大家都很忙，不好意思频繁打扰。独自练习又缺少真实感。GPT-5.6发布后我灵机一动——能否让它扮演面试官，模仿真实面试的节奏？我设定了一个规则：让 Terra 扮演“资深后端工程师面试官”，按照真实流程推进——先出一道题，口头阐述思路，然后深入追问，最后给出反馈。

02 第一场：算法题模拟

开场给Terra的指令是：

你是一位资深后端工程师，正在面试初级后端开发岗位。请按真实面试流程：先出一道中等难度的算法题，我口头解析思路并写出代码，你给出反馈，不要直接提供答案。

Terra 出了一道经典题目：“实现一个 LRU 缓存，支持 get 和 put 操作，要求 O(1) 时间复杂度。”

我花了大约8分钟口头阐述思路，采用双向链表+哈希表实现，边讲边在纸上写伪代码。讲解完毕后，Terra 给出了如下评价：

• 思路正确，双向链表+哈希表的组合是公认的最优解
• 但遗漏了一个关键细节：执行 get 操作时，需要将访问的节点移到链表头部，否则最近使用的元素无法被正确标记
• 边界情况（如缓存为空、key不存在）处理得比较到位

这个反馈非常及时。平时刷题时，只要代码能跑通就算通过，没有人会专门指出“LRU 的 get 操作也会改变顺序”这类细节。8 分钟的口头讲解也帮助我适应了“边想边说”的面试节奏。

03 第二场：项目深挖模拟

这是最让我发怵的环节。项目虽然是亲手做的，但被追问到技术细节时经常答不上来。

给Terra的指令是：

我简历上有一个“博客系统”的项目，用Flask+SQLite做的。现在你作为面试官，请根据这个项目深挖技术细节。不要问“用了什么技术”这种表面问题，要追问“为什么这么设计”“遇到什么困难”。

Terra 问了三个问题，个个都切入核心：

问题一：“你说用了SQLite，为什么选它而不是MySQL？生产环境你会换吗？”

我的回答是：“因为练手项目数据量小，SQLite轻量不用单独部署。生产环境会换MySQL。”

而Terra紧追不舍：“那换了MySQL之后，现在的代码需要改哪些部分？如果现在不改，未来迁移的成本在哪里？”

这个问题完全出乎我的意料。支支吾吾说“可能要改数据库连接配置”，Terra继续追问：“除了配置，ORM的查询语法、事务处理、索引定义需要改吗？”

当场卡住。说实话，我从未考虑过迁移这件事。Terra没有嘲讽，而是补充了一段说明：SQLAlchemy的ORM层可以屏蔽大部分差异，但原生SQL查询和数据库特有的功能（比如SQLite不支持某些ALTER操作）是迁移时需要重点评估的地方。

问题二：“你的博客系统怎么处理并发？两个人同时编辑同一篇文章会怎样？”

我只做过单用户测试，根本没想过并发。硬着头皮说“目前没有做并发控制”，Terra先肯定了“这是诚实的回答”，然后追问“那如果现在让你加，你会怎么设计？”——引导我往乐观锁/悲观锁的方向思考，最后还建议去看看“乐观锁版本号”的常用实现。

问题三：“登录用的JWT，你存哪了？怎么处理token过期？”

这个问题我答上来了（存localStorage，过期就跳转登录页）。Terra追问：“refresh token呢？”我答说没做。它说“很多初级项目都不会做，但你如果能说出refresh token的作用，面试官会对你有好感”——然后简单解释了refresh token的用途。

第二场结束之后，感觉整个人被“掏空”了，但也清楚自己哪些地方需要补强。

04 第三场：系统设计模拟

第三场难度最大，让Terra出题：“设计一个短链接服务，支持高并发。”

一步步推演：

• 先讲了大致架构：接入层→服务层→存储层
• Terra追问：“短链接的生成算法怎么设计？怎么保证不重复？”
• 回答用哈希+冲突重试，Terra说可行，又追问：“如果每天生成1000万个短链接，哈希冲突的概率怎么算？”
• 再次卡住，Terra没有直接给答案，而是引导：“想想布隆过滤器或者预生成ID方案。”

整场下来大概有一半时间在“被问倒”和“被引导”之间交替。但正是这些“被问倒”的地方，让我的短板暴露得最彻底。

05 Sol用了一次：追问“分布式ID生成”

在系统设计那场，Terra提到“预生成ID”方案时，我追问了一句“具体怎么实现分布式ID生成”，Terra给出了一个基础版的雪花算法介绍。我担心不够深入，换成Sol（开Max模式）重新问了一遍同样的问题。

Sol给出的回答更全面：除了雪花算法，还对比了UUID、数据库自增ID、Redis自增、以及美团Leaf方案的优缺点。对于面试准备来说，Sol给出的信息量明显更丰富，但如果只做“了解”，Terra的基础版也够用了。

06 48小时下来的感受

三场模拟面试下来，整体感受是：

• 压力比真实面试小（毕竟对面是AI），但“被追问到卡住”的感觉跟真实面试很像
• Terra的追问逻辑比想象中深，不是简单的一问一答，会顺着回答继续往下挖
• 最怕的“项目深挖”环节，模拟之后反而心里有点底了，知道面试官会往哪个方向问
• 被问倒的地方都记下来了，接下来一周重点补这些短板

GPT-5.6免费用户就能用Terra，不用额外付费。如果你也在准备技术面试，不妨试试这个路子——让AI当面试官，把最怕的环节提前练一遍。真实面试的时候，至少不会因为“从来没被问过”而完全懵掉。