题目重点：依据 Ads onsite 明确的 biggest mistake 提问，按失误决定、影响、发现、止损、根因和机制改进建立可追问的回答。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 故事必须来自候选人真实经历；训练情境中的系统名、影响与数字均为示例，不能照搬为个人事实。
- 选自己确实有责任且能解释补救的失误，不需要披露受保密约束的客户数据或同事身份。
解题路线
- 用一句话说清当时目标和自己做错的决策，区别选择错误、执行错误与信息不足；不要把团队集体问题全揽或全部推给别人。
- 按时间线讲发现信号、即时止损、与受影响方沟通和恢复验证。影响规模最好给经过核实的范围；不知道准确数字时用可核估计并说明限制。
- 深入到根因与制度变化：为何原有测试/评审/监控没发现，之后改变什么 guardrail、责任边界或发布流程，以及后续事件是否验证有效。最后说如果重来会在哪个关键节点不同决策。
手动走一遍
训练模板：某次配置变更扩大实验流量，导致错误率上升。回答应明确是自己的审核遗漏，监控几分钟后发现，回滚并通知相关团队，复盘后补自动校验和灰度阈值；影响分钟数/用户数必须填真实记录。
规模与取舍
行为题没有 Big-O；把准备工作集中在事件时间线、影响证据和后续验证。回答主线可压缩为约 2 分钟，追问可展开责任、根因与权衡。
易错点与追问
容易失分的边界
- 讲一个最终完全成功的项目并说‘错误是太在意质量’，没有真正失误。
- 过多描述别人的错，自己只负责救火。
- 省略对受影响用户/团队的沟通。
- 声称新增流程后再无事故，却无观察周期或证据。
继续深挖
- 当时为什么没注意到风险信号？
- 你如何告诉利益相关者？
- 如何避免新 guardrail 让发布速度过慢？
