第2章 自我介绍与职业叙事模板：高频开场、STAR叙事、技术亮点、公司匹配度

面试问题：请做一个简单的自我介绍。

面试官考察点：① 表达能力与逻辑性；② 是否了解岗位要求；③ 能否快速突出个人核心优势；④ 是否做过功课（公司匹配度）。

回答框架：30秒开场（我是谁+技术方向）+ 1分钟技术亮点（JD关键词匹配）+ 1分钟STAR项目（一个代表性案例，量化结果）+ 30秒公司匹配（选择原因+对未来的期待）。

简短示例回答：“您好，我是张明，3年自动驾驶感知算法经验，主攻3D目标检测与多传感器融合。在上一家公司主导了L4级无人车感知方案从V1.0到V2.0的升级，将mAP从72%提升至85%，推理耗时降低40%。了解贵公司最近在bevformer上的突破，非常期待能结合我的优化经验参与下一代模型落地。谢谢。”

可能追问：① 你说mAP从72%提到85%，具体是哪个数据集？数据集是否自建？② 推理耗时降低40%是靠哪些方法？③ 你个人在项目中的角色占比多少？

避坑提醒：不要简单复述简历上的项目列表，面试官需要听到“我”的贡献而非“团队”的功劳。数据要真实可溯源，如果被戳破会直接淘汰。

面试问题：请讲一个你最成功的技术落地项目（STAR叙事）。

面试官考察点：① 能否清晰结构化表达；② 项目中你的具体角色与技术决策能力；③ 结果量化的真实性与合理性；④ 面对困难如何解决。

回答框架：S（情境：什么业务背景、车型、传感器配置）→ T（任务：你的核心目标是什么）→ A（行动：你设计了什么方案，解决了哪些关键难点）→ R（结果：量化指标，如精度、速度、鲁棒性）。

简短示例回答：“S：为园区物流车设计感知系统，只有3个摄像头+1个16线激光雷达。T：要求在雨天、夜晚场景下召回率不低于90%。A：我主导引入基于BEV的时序融合架构，并设计数据增强策略对抗雨雾噪声。R：最终夜间召回率92%，雨天88%，全场景mAP提升11%。项目提前2个月交付。”

可能追问：① 为什么选择BEV架构而不是直接改进单帧检测？② 16线激光雷达稀疏，如何处理遮挡？③ 数据增强的具体方法？是否用了生成对抗网络？

避坑提醒：STAR中的“行动”部分要详细到你做的技术决策，而不是描述流程。不要只说“我用了xxx模型”，要加上“为什么选它而非其他”。如果结果数据不理想，可以强调“从xx%提升到xx%”的相对提升率。

面试问题：你为什么选择我们公司？你对这个岗位有什么理解？

面试官考察点：① 是否做过公司&岗位背景研究；② 职业规划与公司方向是否契合；③ 对感知技术的行业认知深度；④ 沟通诚意。

回答框架：① 公司业务认同（如：在bev+transformer方向的前沿性、落地车型）；② 岗位理解（如：感知高级工程师需要同时具备算法创新与工程化能力）；③ 个人匹配点（如：我的xxx经验正好解决你们当前xxx问题）；④ 未来期望（希望在这里推动xxx技术从研发到量产）。

简短示例回答：“我关注贵公司<品牌>最近在bevformer上的开源工作，和我的研究方向非常一致。我理解这个岗位的核心是‘用高效算法解决极端场景下的感知稳定性’，这正是我在上一份工作中专注于低算力设备上优化的实践方向。希望能把我的离线优化经验带到贵公司的量产中，一起把城市导航辅助驾驶做好。”

可能追问：① 你怎么评价bevformer和transformer-based方法的优缺点？② 如果让你负责这个开源项目的后续改进，你会从哪个方向入手？③ 你对量产感知时间和成本有什么要求？

避坑提醒：不要只说“贵公司很厉害，我很崇拜”，要指出具体的技术或产品点。避免提到“我对薪资/加班不看重”这种虚假表态。如果对岗位理解有偏差，宁可提前说“我的理解不一定完全准确，希望跟您请教”，也比硬套要好。