📚 课程目录第3章自我介绍模板与表达技巧

简历与自我介绍：框架、亮点提炼、时间控制

面试的本质是岗位匹配度的展示。对于算法平台工程师而言，面试官在简历和自我介绍环节，重点评估三件事：技术栈匹配度（K8s / PyTorch / TensorRT）、项目复杂度与量化成果、沟通表达的逻辑性与自信度。你需要将简历中的关键词翻译成面试官一听就懂的价值陈述。

  核心公式： 自我介绍 = 背景锚定（我是谁） + 技术匹配（我能做） + 亮点量化（我做过） + 价值意愿（我适合）。总时长控制在 1.5~2 分钟 为黄金区间。

以下 3 个卡片覆盖了“自我介绍”、“项目表述”和“技能追问”三个核心场景，是面试前必须打磨好的基础素材。

面试问题	请做个自我介绍吧
面试官考察点	沟通逻辑：能否在短时间内结构化表达，而非流水账。时间控制：是否在 2 分钟内完成，能否灵活应变。匹配度：技术栈和项目经验是否与岗位 JD 高度重合。
回答框架	黄金 30 秒公式：背景锚定 -> 技术栈匹配 -> 项目量化 -> 意愿表达。
示例回答	“面试官好，我是王五，硕士毕业于华中科大。在 XX 公司负责 ML Platform 开发，主导过千卡集群训练优化，将算力利用率从 45% 提升至 70%。精通 K8s 调度与 PyTorch 分布式。非常看好贵公司在 AI Infra 的前景，希望能加入。”（78字）
可能追问	“你提到 45% 到 70%，具体做了哪些优化？” -> 引导进入项目深挖。
避坑提醒	❌ 不要背简历流水账；❌ 不要只说期望不谈贡献；❌ 时间控制在 2 分钟内。

面试问题	讲一个你负责的最有挑战的项目
面试官考察点	所有权：是你亲手做的还是背靠大树乘凉。难点：是真难点还是伪难点，是否涉及底层原理。闭环能力：是否有量化结果复盘。
回答框架	STAR 法则：S（业务背景规模） -> T（个人负责模块） -> A（具体行动与难点攻克） -> R（量化收益指标）。
示例回答	“XX 大模型推理加速项目。背景是线上 P99 延迟高（S）。我负责算子优化（T）。发现 Attention 计算是瓶颈，主导集成 FlashAttention，结合 TensorRT 定制开发（A），最终将推理 P99 延迟降低 50%，吞吐提升 1.5 倍（R）。”（88字）
可能追问	“FlashAttention 的原理是什么？相比传统 Attention 节省了哪些计算和显存？”
避坑提醒	❌ 避免只说“我们”，突出“我”的决策与执行；❌ 结果必须量化（百分比/值）；❌ 准备好被深挖到底层 CUDA 或通信原理。

面试问题	你简历上写了熟悉分布式训练，讲讲你的理解
面试官考察点	技能分层：是只会调包（使用），还是懂原理（源码），还是能优化（工程落地）。简历真实性：是否夸大了技能水平。
回答框架	分层递进：1. 会使用（DDP/FSDP 拉起） -> 2. 懂原理（Ring AllReduce 拓扑） -> 3. 能优化（计算通信 overlap） -> 4. 能排障（慢节点检测）。
示例回答	“熟悉从 DDP 到 FSDP 的演进。不仅会用 torchrun 拉起任务，还深入过 Ring AllReduce 源码。针对跨机通信带宽瓶颈，我们设计了拓扑感知的节点分配策略，结合 NCCL 自定义插件，将通信时间隐藏在计算中，实现近乎线性的加速比。”（82字）
可能追问	“FSDP 的 sharding 策略有哪些？ZERO-1、2、3 分别对应什么？各自优缺点是什么？”
避坑提醒	❌ 不要只背概念，必须有落地案例支撑；❌ 遇到不熟悉的领域，坦诚并展示学习路径（如“这块我了解过原理，但生产还没用过，我理解是……”）。

💡 面试辅导专家建议： 准备自我介绍时，可以对着镜子练习 3 遍，并用手机录音。重点检查是否有“嗯、啊、然后”等口头禅，以及时间是否超标。你的目标是：让面试官在 2 分钟内记住你最大的两个技术标签。

⚠️ 岗位能力拆解提醒： 算法平台工程师面试中，“系统设计”和“性能优化”是贯穿始终的核心。简历上的每一个项目，都要能提炼出 1-2 个技术难题（如：显存不够、通信瓶颈、任务调度死锁），并准备好对应的解决方案和复现手段。