作者背景#

Austen McDonald 於喬治亞理工學院（Georgia Tech）取得資訊科學學位，並在史丹佛大學（Stanford）完成博士訓練。他在矽谷任職近二十年，曾任 Facebook／Meta 資深軟體工程經理，管理超過 200 名工程師，並擔任 iOS 與 Android 招募管線的招募委員會（hiring committee）主席，負責定義職級標準、審查數千份面試資料、訓練數百位面試官。他親自主持過超過 1,000 場大型科技公司的行為面試（behavioral interview），並輔導逾 200 位候選人走過面試流程。本書即由這些第一線的招募、評審與教練經驗淬鍊而成；作者現透過 thebehavioral.tech 持續提供相關資源。

完整摘要#

本書要處理的問題是：候選人（尤其個人貢獻者）普遍低估行為面試，誤以為「做自己就好」或「有 STAR 方法就夠」，卻在真正決定職位與職級的關卡失分——而在 AI 承接大量實作工作的當下，判斷力、領導力與溝通等軟實力反成為區分資深與資淺人才的主要依據。

全書的核心框架是把每一道行為問題拆成三步心智模型：解碼（Decode）面試官透過問題想評估的能力、從職涯中選擇（Select）最合適的故事、再用清晰動人的方式傳達（Deliver）。作者主張面試本質是「預測」：面試官依「過去行為預測未來表現」的前提，沿八個跨公司通用的訊號領域（signal areas）——範疇、當責、模糊性、毅力、衝突化解、成長、溝通、領導——蒐集證據，而各家的公司價值觀多半只是這些領域的重新包裝。呼應此點，作者提出以 CARL（Context, Actions, Results, Learnings） 取代 STAR，因為它以可伸縮的情境、複數的行動與反思式的收尾，更能展現資深候選人的規模。

論證循四部推進：第 1 部建立上述基礎；第 2 部提供 Step 0 至 Step 7 的準備藍圖，核心產出是一份涵蓋各訊號領域的故事庫（Story Catalog），並專章打磨「三大問題」（自我介紹、最有影響力的專案、衝突化解）；第 3 部處理細節拿捏、敏感題（弱點、失敗、裁員、空窗）與人際因素等精修技巧；第 4 部談情境調整，深入解讀 FAANG+ 的規模落差與「矽谷神話」，教非大廠背景者把經驗重新編碼為「建造者（Builder）」的語言。全書結論一以貫之：行為重於結果、準備成就真實、說故事是可習得的專業技能——而「你的故事比你以為的更好」。

本書的貢獻與定位#

本書填補了行為面試指南中「淺層建議」與「單一結構」之間的空缺：坊間資料多半停在 STAR 或籠統的心態喊話，本書則提供一套針對科技業、可操作到故事庫層級的完整系統，並罕見地把 FAANG+「不成文的文化期待」明確化為可分析的神話原型。相較於偏重演算法的《Cracking the Coding Interview》系列，它專攻長期被忽視的非技術關卡。主要受眾是所有「建造者」——軟體工程師、產品經理、設計師等科技從業者，涵蓋新鮮人到 Staff+ 與領導職；對來自小公司、傳統企業或非矽谷地區、需要把經驗翻譯成大廠語言的候選人尤其適用。