北京发那科 产品开发一面面经：群面自我介绍与项目经历追问

《面试题目》

群面 · 一面

1. 自我介绍：把学校、专业、代表性项目和自己在其中承担的工作讲清楚
2. 简历上写到的项目会被追问：项目要解决什么实际问题？
3. 为什么选择这样的技术方案？
4. 自己具体负责哪一部分？
5. 遇到了什么困难，怎样定位和解决？
6. 最后如何验证效果，能否满足现场需求？
7. 有没有让你特别有成就感的事情？
8. 有没有让你觉得挫败的经历？
9. 朋友通常会怎样评价你？
10. AI 相关：为什么这个场景适合使用 AI？有没有更简单的传统方法？现场使用时有哪些限制？
11. 如果光照、产品款式或数据分布发生变化，该怎样验证检测效果？
12. 出现误检、漏检时，准备如何排查？

《参考解析》

1. 群面自我介绍要给面试官一条钩子：不要按时间顺序把简历念一遍，而是选一条主线——学校专业打底、一两个和岗位最相关的项目、你在里面的具体位置。机械背景转视觉检测、机器人方向的经历，可以这样串：机械基础让你看得懂现场需求和工艺约束，视觉算法和软件开发是你解决问题的手段。讲完留一个能被追问的点，比讲满三分钟更有效。

2. 项目追问基本是固定的五连问：要解决什么问题、为什么选这个方案、你负责哪块、难点怎么定位解决、效果怎么验证。前两问考的是你有没有想过替代方案（传统图像处理 vs 深度学习、YOLO vs 更轻的模型），后三问考的是真实性——说得出你亲手改的那部分代码或参数，答不上来的部分如实说是同事负责的，比硬编要好。

3. 写在简历上的指标必须能解释来源：准确率、检测误差这类数字，一定要能说清是在什么数据集、什么光照和节拍条件下测出来的，样本量多少、有没有算上漏检。面试官追问指标口径是常规动作，答不出测量条件，数字反而会成为扣分项。

4. 行为题用具体事情代替形容词：「我很认真、我抗压能力强」这类回答等于没说。聊成就感要讲清事情难在哪里、你做了什么、为什么值得；聊挫败要讲当时怎么应对、后来有什么改变。技术项目本身就是最好的素材——一个问题从发现到解决的完整过程，同时展示了专业能力和沟通方式。

5. AI 话题从自己做过的部分切入：不要一上来谈行业趋势。围绕一个具体场景讲清三件事：为什么这里适合用 AI（传统方法处理不了的形变、缺陷类型多、规则写不完）、有没有更简单的替代方案（阈值分割、模板匹配够用就不该上模型）、现场部署的限制（算力、节拍、维护成本）。

6. 误检漏检的排查要按层走：先看数据（新出现的缺陷类型有没有进训练集、标注质量如何），再看成像（光照、镜头、产品换款导致的分布漂移），然后是阈值与后处理（置信度阈值、NMS、最小缺陷面积），最后才是模型本身（要不要增量训练或换 backbone）。能说出这个顺序，比直接答「重新训一版模型」专业得多。