1. 自我介绍

2. 你能找一个你做过最难的事情，重点讲一下你为什么觉得它难，然后你是怎么去突破困难的？

3. 你们这个评估指标是什么指标？怎么进行计算的？

4. 你在这个项目中的贡献是什么呢？

5. 你们分析问题，会分析到什么样的程度？

6. 为什么你们分析问题不是系统工程师或者DRE工程师来进行分析问题，而要你们QA工程师来分析这些问题呢？

7. 研发代码不是你这边写的，哪你们会去怎么分析问题？这里面会碰到什么困难呢？

8. 你是怎么看待测试开发工程师这样一个角色呢？

9. 你方便说一下你从前两家公司离开的原因吗？

10. 你有和前面两个面试官聊过这个事情吗？

反问：

11. 工作base地

12. 工作时间安排

13. 如果有幸加入，我可以提前去学习那些方面的相关知识和技术

# 面试
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局