FDE 面试方法：评分表、场景化面试与危险信号

先说结论

FDE 面试不要问"你会什么工具"，要给一个真实业务场景，看他怎么从头到尾走完一遍。会不会定义成功指标、有没有人工兜底意识，比技术栈重要得多。

FDE 人才评分表（权重）

说明：以下权重是本指南提供的起始模板，不是行业统一标准。企业应根据岗位是否偏工程、产品、行业或部署重新校准，并验证评分是否真正预测工作表现。

建议按 1-5 分打分后加权汇总，并设置单项底线：安全与治理低于 3 分的一票否决。

场景化面试方法

给候选人一个真实业务场景，例如：

"我们公司客服每天收到大量重复问题，领导想上 AI。如果是你，你会怎么做？"

让他完整说明以下七点：

1. 访谈对象：他会去找谁了解问题？问什么？
2. 数据：需要哪些数据？怎么拿到？质量怎么确认？
3. AI 边界：哪些环节 AI 做、哪些必须人做？
4. MVP：第一个版本做什么、不做什么？多久做出来？
5. 测试：怎么验证效果？用什么样本？指标是什么？
6. 采用：怎么让客服真的用起来？
7. 价值计算：怎么向管理层证明这个项目值？

好的候选人会追问业务细节、主动谈指标和兜底；差的候选人会直接跳进技术方案。

危险信号

出现以下任何一条，都要谨慎：

• 只会讲模型和工具：满口大模型、Agent、微调，讲不出一个业务结果
• 所有问题都用大模型：没有"这个问题不该用 AI"的判断
• 只有 Demo，没有真实用户：作品全是玩具项目，没人真的用过
• 不谈数据、权限和安全：问到数据安全就绕开
• 不会定义成功指标：说不清"做到什么算成功"
• 把上线等同于部署代码：认为部署完就结束了，不谈采用和维护

加分信号

• 能讲一个失败项目，并说清楚教训
• 主动问"这个数据敏感吗、谁能看"
• 能说清 AI、程序、人工的分工理由
• 有真实的采用率或节省时间数据（哪怕是小项目）

2026 年行业常见的面试结构（来源参考）

说明：以下结构来自 2026 年公开的面试指南与招聘信息，属于行业实践归纳，不是统一标准；不同公司轮次和权重差异很大。典型流程 5-8 轮、持续 3-6 周。

1. 招聘官筛选（约 30 分钟）：看四点——职业故事连贯性、出差意愿、薪资预期合理性、沟通质量。多数候选人把这一轮当走过场，但它是第一个被低估的淘汰点。
2. 编程轮（约 60 分钟）：考现实工程题而不是 LeetCode 硬题——解析脏 CSV/JSON、实现限流器、带背压的流式处理、搭小型 RAG 流水线。考察编码前是否问清边界、代码是否可读且有测试、是否出声思考、是否主动发现自己的 bug。
3. 系统设计轮（约 60 分钟）：考受监管场景的部署设计，例如"为医疗客户设计私有 VPC 的 5,000 万文档 RAG 系统"，而不是"设计 Twitter"。评分看数据流、信任边界、认证与身份、可观测性、失败模式、回滚策略，以及诚实的取舍讨论。常见错误是直接跳到完美架构——面试官希望先看到 walking skeleton（最小可行骨架）再迭代。
4. 分解/开放式案例轮（45-60 分钟）：多份面试指南认为这是 FDE 面试权重最高、失败率也最高的筛选轮（具体权重各公司不同）。给一个模糊的真实企业问题，没有唯一答案，要求结构化拆解成计划，几乎不写代码。评分看：是否先澄清再解决（最常见的即拒信号）、是否识别缺失信息并明确提出、是否出声做假设、是否按风险和价值排序、是否先提薄的 MVP 再迭代、是否主动暴露失败模式。
5. 客户模拟/角色扮演轮（约 45 分钟）：面试官扮演客户（有时故意沮丧或不专业），考察在压力下演示方案、捍卫取舍、传达坏消息、缓和矛盾的能力。常见场景："部署延期三周，客户 CTO 在线上"。
6. 行为/价值观轮：用 STAR 框架，但每个回答都要体现客户所有权与生产责任。
7. 带回家项目（部分公司）：4-8 小时。关键规律是"文档良好的 70% 方案胜过未文档化的 100% 方案"——考察时间压力下的取舍和沟通。

与本页场景化面试的关系：行业里的"分解轮"与本指南前面的七点场景化面试本质相同——都要求候选人在模糊场景中先澄清目标、再谈方案。你可以直接用本页的评分表给"分解轮"的表现打分。

来源：techinterview、Buffalo 职业发展中心 2026 面试指南、fde.academy 失败原因分析。

候选人常犯的六个错误（招聘方视角）

1. 把招聘官筛选当热身——故事、出差意愿、薪资预期、沟通质量都在这一轮被评估
2. 过度准备 LeetCode——技术面考的是集成思维（如"SAML 把模型连到客户数据仓库"），算法只是底线
3. 分解轮未澄清就跳方案——最一致的即拒信号；应先用几个问题界定范围
4. 把模糊当问题抱怨，而不是分解——区分"为什么定义不清楚"与"我需要知道什么才能让它有用"
5. 用行话向非工程师解释技术决策——不能用客户听得懂的语言解释架构取舍会被标记
6. 提交无文档的带回家项目——未文档化的 100% 方案不如文档化的 70% 方案

招聘方可以在以上六点设置明确的观察点与淘汰信号。

各公司侧重差异（公开信息归纳）

说明：本节基于公开招聘信息、岗位描述与候选人反馈的归纳，不是各公司官方口径；具体以最新招聘公告为准。

• Palantir：最看重分解轮，测试数据和本体论（ontology）思维；行为问题嵌入每轮
• OpenAI：流程更快（约 3-5 周），案例研究、客户同理心、商业感占评估比重较大；看重 Python/TypeScript、SQL/Spark、Agent 系统与评测编写
• Anthropic：强调安全、评测评估、受监管环境中的可靠部署
• Scale AI：有公开的招聘标准、培养框架与平台能力要求

你现在可以做什么

1. 把评分表改成你公司的版本（维度保留，权重可调）
2. 准备一个你们公司的真实场景作为面试题
3. 结合 老板如何识别和招聘 FDE 人才 里的面试问题清单一起使用