最近我系统整理了一下 联想 嵌入式岗位二面的整体情况。相比一面偏重基础知识（如C++语法、数据结构等），二面更偏向工程能力、项目经验以及对嵌入式系统的理解深度。从面试风格来看，面试官不会单纯考察“你知不知道”，而更关注“你有没有做过、怎么做的、为什么这么做”。很多问题都会从基础出发，然后逐步深入，延伸到项目实践和系统设计层面。整体来说，二面有几个明显特点：更强调项目深挖（基本每个问题都可能引回项目）更关注资源受限场景下的设计能力（内存、性能、功耗）更看重工程思维（而不是单纯背八股）更容易出现连续追问（一问多延伸）因此准备二面时，不能只停留在背概念，而是需要做到：每一个知识点，都能结合实际场景说...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

这可能是目前 AI 面试中最拉开差距的一环。大部分求职者的简历上写着“通过优化 Prompt，提升了生成质量。”面试官往往会微微一笑，紧接着抛出一记灵魂暴击：“那你怎么定义‘质量提升’？你怎么用数据证明，你的 模型 跑得比昨天更好？”这个时候，如果你挠挠头回答：“我自己抽查了几条结果，感觉变好了……” 那基本就凉透了。正所谓乱花渐欲迷人眼，靠人工“抽盲盒”式的肉眼查验，很容易陷入“只看好案例（Cherry-picking）”的自欺欺人中。在真正的工程落地面前，这种“凭感觉”根本站不住脚。回答应该直接把 Eval（评估）体系拍在桌面上：“在修改任何一行核心逻辑或 Prompt 之前，我会构建一套...