候選人講故事最大的毛病，是淺薄的背景 ＋「我做了功能就上線了」的草率總結 ＋ 模糊的結果——弧線齊全，卻幾乎沒傳達任何關於能力的訊號。Step 2 就是回到書寫，把 Context / Actions / Results / Learnings 逐段萃取出來。
🧠 Intuition
TIP
面試官在意的不是「發生了什麼」，而是「你做了什麼讓它發生」。萃取細節的目的，是讓聽者能從你的具體貢獻、決策過程與解題方式，推導出你的能力訊號。細節先「備好」，講的時候依問題需要再取用——不是每次都全講。
對照一個典型的空洞版本：「我們公司要加一個搜尋篩選器，時間很趕。我做好了篩選器，測了幾週，準時上線，客戶很喜歡。」——這幾乎沒告訴面試官任何事。問題不在弧線，而在每一段都缺乏能承載訊號的細節。萃取細節，就是把這四段從「發生過」變成「可被評估」。
⛏️ 四段萃取法 (Extraction)
Context — 關鍵是建立賭注（Stakes）
多數人只停在公司、團隊、角色。背景最關鍵的部分是建立賭注：說清楚這份工作對組織與客戶為何重要。防止客戶流失的功能，和一個「有也不錯」的增強，份量截然不同。可問：你在解決什麼業務問題？成功會讓世界更好、或避免什麼災難？它如何嵌入更大的公司策略？
對帶情緒弧線的故事（衝突、失敗、高風險），背景尤其關鍵：關鍵對話發生在何時何地（公開交鋒 vs. 謹慎一對一）？主要關係人的動機與組織政治？你所處的限制往往和行動一樣能揭示能力——人事凍結下硬撐、複雜合規、大客戶或競爭壓力，都讓面試官感受到成就的難度。
Actions — 依主題觸發，列出可重複的行為
面試官希望你盡量列出相關行動，藉此評估你能否在他們的組織重現成果。依主題分類觸發回憶：
- 設計：產品與架構決策、系統設計、UX、API 規格；「在競爭方案間做取捨」本身就是重要行動。
- 對齊：建立共識、管理關係人、協商優先序與取捨、跨職能協調。
- 溝通：技術文件、對領導層簡報、艱難對話、把複雜概念翻譯給不同受眾。
- 實作：技術執行、資源分配、風險緩解。可自問：「同角色的其他人可能不會做、但我做了什麼？」
- 迭代：蒐集回饋、衡量結果、修正方向。
- 測試與除錯：品質保證、根因分析、效能優化。
- 發布：部署策略、監控、rollback 規劃、上線後支援。
- 思考與決策：分析選項、權衡取捨的認知工作，本身就是有價值的訊號。
最後再過一遍所有訊號領域，把漏掉但其實展現過的行為標記出來。
Results — 沒有數字時怎麼辦
量化結果最理想（營收、成本、效能、採用率、留任率），但非量化結果對資深職同樣有份量（範疇擴大、他人成長、被採用的流程改善、技術債削減）。沒有數字時：
- 先設法找數字：翻查職涯留存物、詢問前同事。
- 用數量級比較傳達影響感：「數十 → 數百 → 數千個客戶」給參照框架；相對或估算的改善如「大約快 50%」「從數週縮到數天」也有效。
- 借他人之口：主管、客戶或同事的引述提供外部驗證，如「VP 說這是兩年來最有影響力的產品改進」。
- 別忘下游與長期效應：解除其他團隊阻礙、催生未來專案、創造新能力，價值常遠超當下交付物。
Learnings — 選能展現成長、而非性格缺陷的錯誤
學習分四類：技術學習（新技術、除錯技巧）、流程學習（更好的專案／關係人管理）、人的學習（團隊動態、衝突化解、影響技巧）、策略學習（市場動態、組織行為、系統思維）。
CAUTION
談錯誤要有策略：選展現「技能成長」而非「性格缺陷」的錯誤，框定為帶來更好做法的學習機會，而非反覆出現的模式。最有說服力的學習會清楚展現對未來情境的應用——抽象洞見不如「已被證實的改變」有價值。
🗣️ Discussion Log
（尚無紀錄。用 /note-enrich story-mining/extracting-detail 或 note 討論深化。）
🔑 Takeaways
- 最大毛病是淺背景＋草率總結＋模糊結果；萃取細節讓故事從「發生過」變成「可被評估」。
- Context 要建立賭注、Actions 依主題觸發（問「別人不會做但我做了什麼」）、Results 用量化／數量級／引述／下游效應、Learnings 選展現成長的錯誤。
- 細節先備好、依問題取用，不必每次全講。