题目重点：HR、AI 语音筛选和 Staff Onsite 的多篇来源都追问过去项目；本文把项目故事组织成可验证的约束、决策、结果与复盘。
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。
- 以下是候选人准备框架，不提供虚构个人经历；每个数字、职责和结果必须来自自己的真实项目。
- 选一个自己有直接决策责任的项目；如果团队成果大，明确个人贡献、协作边界与自己未负责的部分。
- 准备 2 分钟概要与 10 分钟深入版；AI 语音轮可能自动转录和总结，先用短句讲清因果与专有名词。
解题路线
- 先写一页项目事实表：业务目标、起始指标、约束、团队/时间、数据量、自己负责的组件、上线结果、反事实方案。
- 开场按问题→约束→自己的决策→验证→结果讲，不用架构名堆砌。最难点要具体到一次不可同时满足的取舍，如准确率与时延、强一致与故障可用、回填速度与线上负载。
- 展示至少两个可行方案及弃选理由，注明当时掌握的证据与假设；面试官追问“为什么不这样做”时能回到指标和约束。
- 准备白板级数据流和一个故障/边界案例，说明怎么测试、监控、回滚；把一次真实失败与后续修正放在同一叙事链。
- 结果分领先指标和最终指标，例如 p99、成本、错误率、客户使用；若未能量化，要说明观测方法及证据限制，不凭空填百分比。
- 针对 Staff，补跨团队推动、决策记录和长期维护；针对 AI 语音轮，练习口头表达和关键词核对，但保持真实内容。
手动走一遍
训练示例模板：‘我们要把查询延迟从 [真实基线] 降到 [真实目标]，同时资源预算限制为 [真实值]。我负责 [组件]，比较 A/B 后因 [测量证据] 选 B。灰度中出现 [真实故障]，通过 [回滚/修复] 解决。最终 [实际指标]，我会重做 [一项具体决策]。’括号必须由候选人自己的记录替换。
规模与取舍
准备量以一个主项目为核心：1 页事实表、1 张系统图、2 个替代方案、3 个可量化结果/监控点和 1 次失败复盘；面试时 2 分钟版本留下追问空间，10 分钟版本覆盖实现与演进。无算法复杂度可报。
易错点与追问
容易失分的边界
- 只说项目复杂、技术栈多，却没有一个具体决策和验证结果。
- 把全团队或上级的成果当成个人独立交付。
- AI 语音转录可能误识别术语，候选人却完全依赖自动总结来补因果。
- 结果数字没有基线、口径或观察窗口。
- 遇到 HR 追问最难点时只描述人际压力，没有技术约束和处理。
继续深挖
- 如果重做这个项目，哪一处设计会改变，为什么？
- 上线后哪个报警最先暴露问题，如何定位？
- 你的方案与另一个团队的目标冲突时如何达成决策？
- 若数据规模扩大 10 倍，首先失效的组件是什么？
