LLM сильны там, где нужна симуляция, объяснения и неограниченное терпение, — то есть в большинстве форматов подготовки к собеседованию. Слабы там, где нужны контекст индустрии, актуальная информация о конкретных компаниях и обратная связь по эмоциям. Покажу, как извлечь максимум из первого и не разочароваться во втором.

Что AI делает хорошо в подготовке

  • Mock-интервью любого формата: алгоритмы, system design, поведенческие, технические разговоры. Можно гонять ежедневно по 30–60 минут.
  • Объяснение концепций на нужной глубине: попросите рассказать про consensus в распределённых системах «как пятилетнему», потом «как разработчику со средним опытом», потом «как для собеседования на принципал».
  • Разбор ваших ответов. Дайте LLM ваш ответ и попросите критиковать его глазами интервьюера из конкретной компании.
  • Генерация задач по конкретной теме и уровню — заточено под ваш стек.
  • Перевод и адаптация резюме под зарубежные позиции, корректировка тона и формулировок.

Где AI плохо или опасно

  • Информация о конкретных компаниях. «Что спрашивают в Yandex на L4 backend?» — ответ будет на 50% правдой и 50% галлюцинацией. Реальные процессы знают только люди, которые в них участвуют.
  • Чувство меры и тона. AI хвалит ваши ответы охотнее, чем стоит. Просите критику, а не оценку.
  • Поведенческие вопросы в незнакомых культурах. Для российских компаний LLM знает усреднённый STAR-формат, но не нюансы конкретных команд.
  • Эмоциональное напряжение. Главное упражнение — отвечать на сложный вопрос, когда страшно. AI это симулирует только частично.
  • Свежие технические тренды. Модель обучается со срезом данных. На бурно развивающихся темах (Rust async, новые LLM-инструменты) ответы могут быть устаревшими.

Mock-интервью по алгоритмам: рабочий промпт

Базовый шаблон, который работает в Claude и GPT:

Промпт: «Ты — интервьюер из крупной продуктовой компании, который проводит секцию по алгоритмам уровня middle/senior. Я кандидат. Задавай мне одну задачу средне-сложного уровня (LeetCode medium). Не давай решение. Жди мой код. После моего ответа задавай уточняющие вопросы как живой интервьюер: сложность, edge cases, оптимизация. В конце дай оценку 1–5 и развёрнутый разбор: что хорошо, что слабо, чего не хватило. Начни с первой задачи.»

Что важно держать в голове во время такой сессии:

  1. Решайте задачу вслух — пишите свои размышления в чат. AI оценит и сам процесс, не только итог.
  2. Не бойтесь застрять — попросите подсказку первого, потом второго уровня, как сделал бы живой интервьюер.
  3. В конце просите критику жёстко: «Я претендую на senior. Где я провалился бы у строгого интервьюера?»
  4. Один сеанс — одна задача. Не «прорешайте мне 10 задач»: реальное собеседование — это одна задача за час.

System design: где AI выигрывает у книг

System design — самая благодарная тема для LLM-подготовки. Промпт-шаблон:

Промпт: «Ты ведёшь со мной 45-минутную секцию system design для senior backend. Задача — спроектировать [TikTok / систему уведомлений / службу геопоиска]. Сначала уточни требования (functional + non-functional) — задавай по одному вопросу за раз, я отвечу. Потом веди диалог: я рисую компоненты словами, ты задаёшь уточняющие вопросы, замечаешь дыры, толкаешь меня в нужную глубину. В конце — оценка 1–5 и разбор: что упустил, где сжульничал, что бы спросил живой интервьюер из FAANG.»

Полезные приёмы:

  • Просите AI имитировать конкретный стиль — «как интервьюер из строгой high-bar компании, который копает в storage layer» vs «как продакт-ориентированный лид, который проверит, что вы понимаете бизнес-логику».
  • Тренируйтесь начинать с requirements clarification, а не сразу с архитектуры — 40% провалов на system design именно тут.
  • Делайте сессии по 30–45 минут — длинные изматывают и теряется фокус.
  • Параллельно с AI читайте System Design Interview (Alex Xu) и Designing Data-Intensive Applications — без базы AI вытащит не дальше своей же подсказки.

Поведенческие интервью и STAR-ответы

Большинство кандидатов мажут не на технике, а на behavioral round. Тут LLM очень полезны, но с оговоркой: они любят красивые истории больше, чем правдивые.

Алгоритм работы:

  1. Соберите 8–10 реальных историй из карьеры (конфликт в команде, провал, успех, инициатива, сложное решение, дедлайн). Запишите их кратко по STAR (Situation — Task — Action — Result).
  2. Скормите LLM и попросите «вытащить» из каждой 3–5 ракурсов под разные типичные вопросы.
  3. Тренируйтесь отвечать вслух (или печатать) на вопросы вроде «расскажи про конфликт», «расскажи про провал». Просите AI оценить ответ глазами интервьюера: где вода, где не хватает конкретики, где я выгляжу слабо.
  4. Главное правило: не учите ответы наизусть. Тренируйте структуру и фактуру, а импровизация на собеседовании пусть остаётся живой.

Полезный промпт-приём — попросите LLM сыграть несколько типов интервьюеров: «расслабленный продакт», «жёсткий EM», «холодный recruiter screen». Один и тот же ваш ответ воспринимается ими по-разному, и это тренирует адаптацию.

Какие модели брать в 2026

Весной 2026 года:

  • Claude Opus 4.x — лучший для system design и длинных дискуссий: держит контекст, не сбивается на середине, даёт развёрнутые разборы.
  • Claude Sonnet 4.x — оптимально по цене/качеству для повседневных mock-сессий, особенно поведенческих.
  • GPT-5 — отлично для алгоритмов и быстрых разборов; иногда чуть точнее в LeetCode-стиле.
  • Open-source модели (Llama 4 / Qwen 3 / DeepSeek): подходят для офлайн-подготовки, но в system design и поведенческих заметно уступают.

Типичные ошибки в подготовке с AI

  1. Слишком позитивный feedback. Модели хвалят. Прямо просите критику: «Назови три места, где меня бы зарезали».
  2. Учить ответы наизусть. Через 3 недели вы будете говорить как робот, и интервьюер это услышит. Учите структуру, не текст.
  3. Игнорировать практику с людьми. Без 2–3 mock-сессий с живыми инженерами вы не почувствуете давление и паузы.
  4. Полагаться на AI в фактах о компаниях. Вопросы вроде «что спросят в Тинькофф» — на форумы и в сообщества, а не в LLM.
  5. Делать слишком много сразу. Лучше 30 минут в день стабильно, чем 6 часов раз в неделю.

План на 4 недели

Реалистичный график для кандидата уровня middle/senior, который параллельно работает:

  • Неделя 1. Алгоритмы — 5 mock-сессий по 1 задаче. Параллельно — повторение базы (структуры данных, сложности).
  • Неделя 2. System design — 4 сессии по разным доменам. Параллельно — глава из DDIA каждый день.
  • Неделя 3. Поведенческие — 8–10 STAR-историй, 3 mock-сессии behavioral. Прокачка резюме.
  • Неделя 4. Микс. 2 mock с живыми инженерами (peer-сессии в сообществе). Разбор провалов прошлых недель.

Где найти живых mock-интервьюеров

AI закрывает большую часть пути, но финальные 20% — живые тренировочные собеседования с инженерами уровня выше — критичны. Где брать:

  • Платные сервисы: interviewing.io, mockinterview.co, российские аналоги — 30–80 USD за сессию.
  • Закрытые IT-сообщества с регулярными peer-разборами. В IT-ХОЗЯЕВА проходят разборы резюме и мок-собеседования с senior-инженерами, где менторы дают развёрнутую обратную связь.
  • Знакомые в индустрии: 1 friendly mock за пиво — самый дешёвый способ.

Связка LLM-подготовка + живые менторы покрывает почти все слабые места. Для разбора резюме и индивидуальной подготовки в IT-ХОЗЯЕВА есть база менторов на тарифе ХОЗЯИН. Как выбрать ментора под свою задачу и не слить бюджет — в отдельном чек-листе.