JackAI检测的实例
面经pr检测
检测结果如下
从整体结构、语言风格和信息密度来看，这段文本极有可能是AI生成的，理由如下：
1. 结构化程度异常高
整篇内容采用了非常标准的文档结构：
- 一级、二级标题使用一致且逻辑清晰（“基本要求 → 面试详情 → 解决方法 → 面试流程 → 沟通细节 → 结果反馈”）。
- 每个部分的项目符号、加粗格式、面试题与考察点一一对应。
✅ 这类条理性极强的排版是典型的AI输出特征，人类自然书写时往往不如此系统。
2. 用词呈现“总结性”与“教学化”
文本多次出现诸如：
“考察点：…”、“逻辑不够清晰”、“方案显得比较常规”、“表现不够自信和具体”。 这些是典型的分析性总结句，类似于教程或复盘文风，而不是个人自然叙述。
3. 信息密度与专业描述异常高
例如：
“通过设置固定的敌人巡逻点和可互动的环境物体（如扔瓶子）来创造动态的游戏体验。” “使用LOD（细节层次）和occlusion culling（视锥剔除）……”
AI 生成内容往往在技术细节层面堆砌信息以显示“专业性”，但细节缺乏真实感（比如未提到使用版本、项目具体文件、个人情绪体验等人类常见细节）。
4. 缺乏个人语气与主观情绪
整篇文本语气平稳、分析性强，缺少典型面试复盘中会出现的情绪化表达：
如“当时很紧张”、“他们的问题让我措手不及”、“我觉得自己的答案不够有说服力” 这类人类自然反应在文本中完全缺失，显示其生成意图更偏向“说明性”或“模板化”。
5. 格式与风格符合AI生成模板
这篇内容几乎符合AI常见的“结构模板”：
公司介绍 → 面试轮次 → 每轮题目与考察点 → 总结与改进 → 反馈。 这一模式在AI生成“面试经验”、“项目总结”、“职位分析”等场景中非常常见。
结论
这段文本极大概率是由AI（如ChatGPT、Claude、Gemini等）生成的，或基于AI生成后由人类略作修改。 若要验证，可用AI内容检测工具（如 GPTZero、Sapling 或 Copyleaks）进行检测，一般会显示 >80% 的“AI likelihood”。
2025年10月版面经检测经验
通过AI辅助生成面试经验类文章的内容要求，其中面试详情部分AI生成的信息和真人总结的面经有显著区别。
### 1. 基本信息
- **面试国家**：美国
- **公司信息**：公司名称和Job Compass上的公司链接（如有）
- **面试日期**：面试大概时间（如：2024年5月、2025年第二季度）
- **面试职位**：申请的具体职位名称和Job Compass上的职位链接（如有）
### 2. 面试详情
- **面试过程的详细描述**：遇到的技术问题、行为面试问题等
- **解决方法**：不要求提供完整解决方法，可以分享解决问题的思路和步骤
- **面试流程**：各轮面试的环节安排（如：电话筛选、技术面试、HR面试等）
- **和面试官沟通细节**：面试官的职位或所属部门（如：技术主管、HR经理等）
- **面试结果反馈**：最终面试结果及反馈意见(如有)对比之下，真人总结的面经重点在题目，尤其是followup问题，且会有和面试官的互动细节描述，内容更生动具体。
题目的解决方法通常没办法写，因为面试中的需求往往由面试官主观决定，且面试官会根据回答继续追问，解决方法往往不是唯一的，会先用brute force解法，然后再根据面试官的现场要求进行优化。 面试流程的描述也有问题，不懂电面，onsite这些常用的术语，“虚拟现场面试”无力吐槽。
部分营销号会带上面试官的细节，会写白人男性之类的，愚蠢的暴露了对美国求职的无知，不知道什么信息是可以公开，什么信息是不可以公开的，
面试结果反馈就更不可能有了，涉及美国法律的设计。个人总结和建议是一个明显的AI生成特征，真人总结往往不会有这么系统的建议。
小某书广告号发布的内容
job compass上的pr Add TikTok us SDE interview experience 是小某书广告号发布的内容，内容质量不高，且有AI生成特征。像下面这些
面试官：白人男性工程师，开场有友好的相互介绍和寒暄。
- 最终结果：顺利通过本轮面试，进入下一轮选拔。