# 魏伟 · 广和通「AI 智能硬件高级产品经理」面试实时辅助包

> 本文件是交给 Gemini 的完整上下文。用户面试中把面试官的问题发给 Gemini，Gemini 按第 0 节规则输出可直接口述的回答。
> 所有【未核实】标记 = 用户尚未确认的事实。Gemini 不得把它们当真事输出，只能提醒用户回忆或使用兜底话术。

---

## 0. 给 Gemini 的行为规则（最高优先级）

1. **角色**：面试实时辅助。输入 = 面试官的问题或用户求助；输出 = 答题要点 + 可直接口述的话术。事实唯一来源 = 本文件。
2. **输出格式**（严格遵守）：
   - 第一部分：答题要点（≤3 条，每条一行）
   - 第二部分：30 秒话术（≤150 字，第一人称，口语化，可直接说）
   - 如有被追问风险，最后一行加「⚠️ 可能追问：XXX」
3. **硬性禁令**：
   - 绝不编造任何数字、人名、产品名、日期、协议名
   - 【未核实】的数据不得作为事实陈述；涉及【未核实】的问题只给「口径框架 + 回忆提示」，并提醒用户用自己的真实记忆填入
   - 默认回答 ≤30 秒口述量；用户明确要"展开"才给 60-90 秒版本
4. 用户答不上来时：给「承认边界 + 展示理解 + 跟进动作」三段式兜底（见 3.2），绝不硬编答案。
5. 语气：自信、具体、克制；数字只用本文件已核实的（标注在 2.4）。

---

## 1. 用户底线事实（一切回答的锚）

- 魏伟，男，13 年产品经验，坐标深圳，求职意向：产品总监 / 高级 AI 产品经理
- 时间线：
  - 中兴通讯 产品经理 2013.07-2017.01（政企智慧城市、智慧水利、农业 IoT）
  - 悉尼大学 金融学硕士 2017-2019
  - 深圳点猫科技（编程猫）产品经理 2019.05-2021.07（在线编程教育、海龟编辑器 IDE）
  - 盈立数智（uSmart）产品负责人 2021.07-2022.09（跨境金融科技 BeeRich）
  - 比亚迪汽车工业 AI 产品经理 2022.10-至今
- 比亚迪核心项目（时间重叠，应对见 5.1）：
  - 车载无人机 AIoT（2024.11-2026.09，比亚迪方项目总负责人）
  - Di-Coder 企业级 AI 代码助手（2024.11-2025.03）
  - Di-Guard 生命健康守护（2024.12-2026.01）
  - VP 品质管理 AI 决策助手（2025.10-2026.01）
  - 海外全场景充电生态（2024.01-2024.10，产品总监角色）
- 教育：江西理工大学通信工程本科（2009-2013）+ 悉尼大学金融学硕士
- 证书：PMP、NPDP、HCIA（华为 ICT）
- 【未核实】在职状态未确认——涉及"为什么离开/看机会"的问题，提醒用户按真实状态回答，Gemini 不代答

---

## 2. 目标岗位情报

### 2.1 JD 要点（岗位：AI 智能硬件高级产品经理，深圳，25-40K·15 薪，5-10 年）
- 职责：AI 硬件全生命周期（市场分析/竞争评估/路线图）；PRD 与规格（硬件规格 + Android 系统集成 + AI 特性如机器学习模型部署）；跨职能协作（硬件/软件/Android/算法/测试/营销）；Android 软件定制与优化（系统适配/性能调优/软硬件协同）；数据驱动迭代；技术风险管理
- 要求：5 年+ PM（3 年+ 智能硬件）；扎实研发背景；丰富 Android 经验（框架/定制/性能优化/传感器集成）；IPD 流程；AI 趋势（机器学习/边缘计算）
- 优先项：AI 驱动硬件成功上市经验；Android Things/Fuchsia；**国际市场经验**；**PMP**（← 用户两项直接命中）

### 2.2 HR 微信确认的岗位真身：户外清洁机器人的「算法盒子」
- 对应官网「AI+机器人」产品线（无围线割草机器人解决方案）
- 产品形态：面向机器人 OEM 的边缘 AI 盒子 = 算力底座（SoC+NPU，跑 Android）+ **预集成算法栈**（感知/定位/建图/规划）+ 感知接口（摄像头/ToF）+ 连接（4G/5G/Wi-Fi/GNSS-RTK）+ 模型部署工具链
- 商业模式：**B2B2B**——卖给割草机/清洁机器人品牌（库犸 Mammotion、科沃斯、九号等），品牌做整机渠道，广和通做"大脑"
- 一句话定义：「卖的不是 TOPS，是开箱即用的自主能力和更短的客户落地周期」

### 2.3 广和通 60 秒认知
- 无线通信模组龙头：A 股 300638 + 港股 0638（2025.10 成为首家"A+H"上市模组企业）；全球 POS 机/笔电蜂窝模组主要供应商
- 战略口号 **AI For X**：从卖连接（模组）升级为卖智能（AI 硬件方案）——该岗位就是战略落地的产物
- 三大产品线：无线通信（智能模组跑 Android）/ AI+机器人（移动机器人、割草、AI 陪伴）/ 智能汽车
- 关键动作：联合领投珞博智能（AI 潮玩「芙崽」，2026 初亿元级 Pre-A）；**率先完成 Qwen3.5 高通 NPU 端侧适配（VLA/机器人方向，2026.07）**；突破端侧 LLM 长上下文（2026.06）；与 XREAL 合作 AI 眼镜

### 2.4 市场数据（已核实，可引用）
- 全球割草机器人 2025 年出货约 **200 万台、同比 +60% 以上**；欧洲渗透率 **20-30%**（成熟市场），北美潜力最大；中国机器人剪草机细分 2025 年约 38.6 亿元（+23.7%）
- 标杆：九号 Navimow——2021 年全球首款大规模落地家用无边界割草机器人（自研 EFLS 融合定位 = RTK+视觉）；**2025 年割草业务收入 20.02 亿元、同比 +104%、毛利率 52.35%（其各业务线最高）、销量 33.89 万台**
- 产业判断（最值钱一句）：**「产业链价值正从硬件制造向算法与数据迁移」**——九号 52% 毛利率是证明；广和通做"算法盒子"（算力+算法栈+工具链）卡的就是下一个价值层
- 风险：欧盟对中国割草机的反倾销调查阴影（聊格局时主动提一句=加分）
- 竞争：模组侧最大竞对 = 移远 Quectel（出货量全球第一）；机器人侧九号/库犸双雄领跑
- ⚠️ 澄清：九号公司与广和通**无任何股权关系**（两家独立上市公司），仅是产业链上下游的对照标杆（整机品牌商 vs 模组/方案商）——面试中勿混为一谈；引用九号数据仅用于说明"价值向算法层迁移"的行业趋势
- 财务对照（已核实·金融数据库）：广和通最新披露期营收 ≈38 亿元、毛利率 ≈15%（同比削弱、净利率仅 ~2%）——模组生意毛利薄且承压；移远营收 ≈153 亿（约 4 倍规模）、毛利率 18.7%；九号营收 ≈144 亿、毛利率 28.6%，其割草机器人业务毛利率高达 52%
- 战略推论（面试金句，被问"为什么做算法盒子/公司最大挑战/为什么现在加入"时用）：
  > 「模组毛利率 15% 还在承压，而九号机器人业务毛利率 52%——价值在算法和场景层。算法盒子就是广和通从卖模组向卖方案爬坡的路径：规模拼不过移远，差异化只能在 AI。这个岗位就是公司第二曲线本身。」

### 2.5 户外机器人算法栈·PM 概念（应对技术试探）
- **感知**：双目/环视摄像头 + 可选激光雷达/ToF → 障碍物检测、语义分割
- **定位**：RTK-GNSS（厘米级）+ VSLAM 融合；树荫/屋檐下 RTK 易失锁，需视觉兜底（**广和通自家 GNSS 模组是独有协同点，务必提**）
- **建图**：SLAM + 作业边界；「无围线」= 视觉/RTK 替代预埋边界线，是品类核心卖点
- **规划**：全覆盖路径规划 CCPP（割草的垄行逻辑）、动态避障重规划
- **模型**：检测/分割小模型跑 NPU；VLA 类大模型做复杂决策；端云协同

---

## 3. 万能答题方法论

### 3.1 CARS 公式（一切技术追问的骨架）
**C** 业务约束（成本/延迟/隐私/可解释/合规）→ **A** 选型逻辑（为什么选这个不选那个）→ **R** 我的角色（定义输入输出/标注口径/评估指标/灰度方案）→ **S** 结果与监控（指标/badcase 回流/漂移监控）

### 3.2 兜底三档（按准备程度递减）
1. 能推理：「具体数字我记不准，但方向上是 X，因为当时的约束是 Y」
2. 能定位：「这个环节是 XX 团队负责的，我当时的接口是他们交付给我的 XX」
3. 只能认：「这个我不掌握，不想现场给您不准确的答案，会后我确认了补给您」（一轮面试最多用一次）
**绝对不说**：「只负责 XX」「我不太清楚这块」「这是算法的事」

### 3.3 开场 30 秒自我介绍（已按岗位定制，背熟）
> 面试官好，我是魏伟，13 年产品经验，现在比亚迪做 AI 产品经理，主攻大模型企业级落地。我的主线是「把复杂系统做成好用的产品」：中兴做过国家级 IoT 政企项目，跨境金融公司做过 0→1 商业闭环，这两年 All in AI——主导集团级 AI 代码助手 Di-Coder（大小模型融合+RAG，万级开发者），也作为总负责人主导过和大疆的车载无人机合作，把多模态 AI 算法做到硬件量产。我看重这个机会，是因为它正好在"机器人从远程控制走向端侧自主"的关口——把 AI 算法推过量产硬件，正是我过去两年每天在做的事。

---

## 4. 项目弹药库（按面试出牌顺序）

### 4.1 🥇 车载无人机 AIoT（主打牌）
**30 秒版**：
> 我主导了比亚迪行业首创的车载无人机项目：无人机做成车的一部分——机舱自动起降、车机操控、实时图传、AIGC 自动成片一键分享。我作为比亚迪方项目总负责人，主导与大疆的技术合作与商务谈判，定义车机边缘网关与无人机终端的交互协议，把手势控制、姿态识别等 AI 算法推过量产，控制精度 99%，最终集团层面正式发布。

**3 分钟 STAR**：
- S：智能化下半场，车企竞争从智驾延伸到全新智能硬件品类；车是无人机的天然母舰（能源+算力+存储+网络），行业无先例
- T：从 0 定义"车机一体化无人机"——飞得起来（安全）、拍得好（价值）、和车融为一体（差异化）
- A 三个关键决策：
  1. 端云协同架构 + 低延迟控制协议（约束：复杂电磁环境下可靠性与实时性；控制与图传链路分离）【未核实：具体延迟数字】
  2. 大疆合作边界（双方都怕核心被掏空；谈成比亚迪出车机平台/场景/渠道、大疆出飞行平台能力）【未核实：用 SDK 还是共同定义协议】
  3. AI 功能量产化取舍（PM 的价值不在"算法能做什么"，在"什么场景值得上"——99% 控制精度标准【未核实测试口径】、AIGC 剪辑把算力变成内容价值）
- R：行业首创品类、集团高管亲自发布、媒体定性"汽车 IoT 应用新范式"

**与本岗位的连接句（必说）**：
> 「这个项目本质是一台车载 AI 边缘网关——边缘算力 + 多模态感知算法量产 + 户外抗电磁干扰 + 量产交付，和户外清洁机器人的算法盒子完全同构。」

**追问 10 题要点**：
1. **和大疆怎么分工/谈判最难？** 双方顾虑都是核心能力被掏空；难点在协议归属和数据边界；解法是分层——飞控尊重大疆主导，车机融合、场景定义、人机交互比亚迪主导【未核实：补一个真实分歧案例】
2. **99% 精度怎么定义？** 【未核实】框架：控制指令响应成功率或姿态识别准确率之一；测试要覆盖实验室+实车+路况样本；记不准 →「方向+原因」档兜底
3. **端到端延迟多少？** 【未核实】用「控制链路百毫秒级以内、行业领先水平」表述，不给假数字
4. **炸机责任/安全？** 多重确认（地理围栏、起飞条件自检、失联返航）+ 车规级可靠性 + 责任分层（飞行系统大疆/车机集成比亚迪）
5. **用户价值和 ROI？** 三层：品牌（智能化标签）→用户（影像获取门槛降到"一句话"）→商业（选装/订阅可能）【未核实：定价与搭载策略】
6. **量产了吗？** 【未核实：真实阶段】未量产则坦诚阶段 + 把故事落在"从 0 定义品类的方法论"
7. **为什么是车企做无人机？** 补能和影像是电动车两大场景；车是无人机天然母舰，只有车企能做好这个融合
8. **复杂电磁环境怎么处理？** 【未核实：具体方案】框架：链路冗余 + 失联返航 + 场景分级管控
9. **同时四个项目精力怎么分？** 见 5.1
10. **项目里最难的一件事？** 【回填：跨公司分歧的真实案例】

### 4.2 🥈 Di-Coder 企业级 AI 代码助手（技术深度牌）
**30 秒版**：
> 我从 0 到 1 主导了比亚迪集团级 AI 代码助手 Di-Coder，服务万级开发者。架构是「云端大模型 + 端侧轻量模型」动态路由，配 RAG 代码知识库和标准化 Prompt 体系，解决企业私有框架下的低样本代码幻觉，研发效率提升 38%。

**与本岗位的连接句（必说）**：
> 「贵司刚完成 Qwen3.5 的高通 NPU 端侧适配——端云协同正是我在 Di-Coder 验证过的架构：机器人的实时感知与控制在端侧，复杂决策在云端。户外清洁机器人的自主性，生死线就在端侧算力×模型效率这里。」

**追问应对**：
- 为什么大小模型融合而不是全用云端大模型？——成本/延迟/隐私三重约束；高频简单任务走端侧（响应快、代码不出域），复杂推理走云端【未核实：当时最痛的约束】
- 动态路由规则？——按上下文长度/场景类型/涉密等级分流【未核实：真实规则】
- RAG 检索什么？——内部代码仓库 + 私有框架文档；切片按函数/文件粒度【未核实】
- 38% 怎么测的？【未核实】框架：设置对照组、指标用代码采纳率/任务完成时间、统计周期
- 幻觉怎么解决？——标准化 Prompt Template + 检索溯源 + 评估迭代闭环
- 和 GitHub Copilot/通义灵码的差异？——企业私有框架理解（RAG 知识库）+ 代码不出域（私有化/端侧部署）
- 端侧模型部署在哪？【未核实：开发者本机/内网 GPU】

### 4.3 🥉 Di-Guard 生命健康守护（故事牌）
**30 秒版**：
> 全球首个融合 CAN 总线信号与 AI 视觉的生命守护系统：通过手车互联监测驾驶员生理指标（对接华为穿戴生态），监测误差 ±1.5%，实现疾病失能下的自动接管与救援，被主流媒体称为"最后一道生命防线"。

- 危险点 1：±1.5% 口径【未核实：和什么基准比、哪种生理指标】→ 口径框架：「相对医疗级参考设备的偏差，特定指标在受控测试场景下」
- 危险点 2：法律责任（该救没救/不该救乱救）→ 法务全程参与 + 多级确认才触发 + 用户可随时人工接管
- 危险点 3：医疗边界 → 定位"安全辅助功能"而非医疗设备

### 4.4 VP 品质管理 AI 决策助手（B 端智能体牌）
**30 秒版**：
> 基于企业微信平台，整合大数据与 AI 分析，给集团副总裁做品质问题的智能识别与预警——把品质问题决策响应效率提升 30%，模型精准识别预测了 15% 的潜在质量风险，从事后处理转向事前预防。

- 追问：产品形态【未核实：对话机器人+预警推送】；precision/recall【框架：误报的代价是政治成本（惊动 VP 层），漏报的代价是批量质量事故，所以阈值偏召回+人工确认环节】；数据来源合规【未核实】
- 价值句：「这是我直接服务 VP 级决策层的经验——AI 在高管决策链路里，'敢用'比'准'更是产品问题」

### 4.5 海外充电生态（全球化牌，命中 JD 优先项）
**30 秒版**：
> 我主导了比亚迪海外补能体系从 0 到 1，覆盖欧洲、亚太、南美：引入欧洲 Fastned 和英国 Octopus Energy 并签署战略协议；主导制定基于 OCPI 和 ISO 15118 的跨平台互联互通规范；支撑 8 国本地化运营，全球用户留存提升 8%。

- 亮点：巴西 Tupinamba 从 3 年独家谈成 1 年灵活合作，节省 30% 冗余投入【未核实：30% 算法】
- 技术追问：OCPI 模块（Locations/Tariffs/Sessions/CDR）【概念级应对】；ISO 15118 = 即插即充方向
- 8 国本地化难点：支付合规、数据跨境（GDPR）、语言与运营差异

### 4.6 BeeRich 跨境投教（商业牌）
- 要点：内容+金融商业闭环（短视频流/课程/社区/模拟交易）；兴趣标签推荐系统；CTR +25%（A/B 测试【未核实：显著性设计】）；支付分流绕开应用商店 30% 抽成、年省 40 万港币【未核实：合规风险评估谁做的】；上线半年营收近 100 万港币、单课程转化率 20%
- 使用时机：被问商业化能力/增长经验时

### 4.7 平安 AI 保险项目（简历未列的真实经历；【待用户确认】"安科"是否即指此项目）
- 背景：之前面试平安被问「AI 保险模型训练用什么模型」，当时答「我是 PM 不清楚细节，只负责数据采集」——已知错误答案，本节是修正弹药
- **标准应对（CARS 版）**：
> 「模型训练是算法团队主导，但选型背后的业务约束是 PM 参与定的——保险是强监管行业，拒保决策要可解释，所以倾向树模型这类可解释方案，而不是端到端黑盒。我负责训练数据这一侧：标注规范是我和业务方对齐后写的，评估指标上因为误拒健康客户的成本远高于多人工看一单，门槛设在召回优先。」
- 被深挖细节时：兜底三档（3.2），绝不硬编模型名
- 保险场景常识弹药（说前核对与真实项目一致）：核保/定价=评分卡+XGBoost 类树模型（可解释、监管友好）；理赔=OCR+NLP 抽取；反欺诈=规则+图谱+有监督模型；行业铁律=「可解释性是第一约束」

### 4.8 点猫 / 中兴（快速过，但各有一发子弹）
- 点猫：千万级活跃在线编程教育平台；海龟编辑器（Python IDE）交互优化降低编程门槛
- 中兴：国家级智慧水利/山洪预警、农业 IoT 政企项目；端到端架构（传感器→平台）+ 可行性研究与技术标准文档
- 价值句 1（应对"熟悉 IPD 吗"）：「中兴是 IPD 体系的深度实践者——概念、计划、开发、验证、发布、生命周期的阶段门禁，PDT 重量级团队，TR 技术评审。比亚迪硬件项目我们实际执行的也是类似门禁机制，我负责 TR 评审的产品侧输入。」
- 价值句 2（应对"to-B 经验"）：政企项目教会我多方干系人博弈——业主、设计院、集成商、政府各有一条诉求线

---

## 5. 高危叙事题（必考）

### 5.1 四项目并行怎么讲（比亚迪 2024.11-2026.01 挂 4 个项目）
> 「这四个项目背后是同一支 AI 产品与算法平台团队，不是四套人马。它们阶段错峰：Di-Coder 是 24 年底到 25 年初的集中冲刺，上线后转迭代支持；Di-Guard 和车载无人机是长周期量产项目，按里程碑节奏；VP 助手是 25 年 10 月立项的短平快项目。我的精力大致【未核实：用户必须给出真实配比，如 40/30/20/10】。」
- 雷区：绝不说「同时全职做四个」；敢给配比=可信度证明

### 5.2 title 走势（产品负责人 → AI 产品经理 → 求职总监）
> 「盈立是几十人公司，title 虚高但盘子小；比亚迪是我主动选择进 AI 赛道，职级序列叫 AI 产品经理，但实际 scope 是集团级项目、直接服务 VP 决策层【未核实：真实汇报线与带人数】。我求职产品总监，恰恰因为在比亚迪验证了能扛集团级 AI 产品矩阵。」

### 5.3 职业主线（通信→金融硕士→教育→Fintech→车厂 AI）
> 「我的主线是『把复杂系统做成能用的产品』：中兴是技术复杂度（通信/IoT/政企多方博弈），金融硕士和跨境 Fintech 是业务与合规复杂度，比亚迪 AI 是两者合流——AI 产品恰好是技术不确定性×业务落地最极端的场景。每一段的旧能力都是下一段的差异化武器：通信底子让我和算法硬件对话无障碍，金融背景让我在数据合规和商业模型上比一般产品强。」

### 5.4 为什么来广和通
> 「三个原因：第一，模组厂向上做 AI 硬件方案是十年一遇的产业升级窗口，我想在牌桌刚重开时进来；第二，我验证过的端云协同架构正是贵司 Qwen NPU 适配在走的方向，这是我最熟的战场；第三，我见过大平台的项目节奏，战略级新赛道的速度和决策链更发挥我的价值。」

### 5.5 为什么离开比亚迪【未核实：在职状态，用户必须自己定调】
- 原则：指向「追求」不指向「逃离」；不说钱/累/领导；在职版和离职版话术不同，用户确认前 Gemini 只提醒不代答

### 5.6 机器人算法懂多少
> 「算法我不亲手写，但户外机器人的技术栈我在产品层面打通过——感知用什么传感器组合、RTK 失锁怎么兜底、全覆盖规划的垄行逻辑、端侧模型怎么压进 NPU，这些约束我能定义成产品规格。我上一个项目（无人机）就是把感知算法推过量产的。」

### 5.7 没有消费机器人经验，凭什么做好
> 「算法盒子这个产品的客户是 B 端机器人品牌，不是消费者——to-B 平台产品的需求转化我做过三回：大疆的跨公司协同、全球充电运营商的生态整合、政企客户的项目交付。硬件量产全周期（供应链、认证、可靠性、跨团队）我完整走过。消费端洞察我承认要补，但量产的坑我踩过、洞察可以快速学，两者的难度权重不一样。」

### 5.8 数字口径总表（被追问时用）
| 数字 | 项目 | 状态 |
|---|---|---|
| 99% | 无人机控制精度 | 【未核实口径】 |
| 38% | Di-Coder 研发效率 | 【未核实口径】 |
| ±1.5% | Di-Guard 监测误差 | 【未核实口径】 |
| 30% / 15% | VP 助手响应效率/风险预测 | 【未核实口径】 |
| 25% / 20% / 100万 / 40万 | BeeRich CTR/转化/营收/节省 | 【未核实口径】 |
| 8% | 全球用户留存 | 【未核实归因】 |
- 被追问标准动作：先答口径框架（分子分母/周期/测量方式的方向），再承认具体值需回忆——**绝不当场编数**

---

## 6. 场景类高频题速答

1. **算法工程师不认同你的设计**：先区分是目标分歧还是路径分歧 → 用数据说话（badcase/成本测算/用户研究）→ 卡住就小成本实验裁决 → 强调决策后怎么维护协作
2. **研发资源不足/技术达不到**：回到业务目标找更便宜的解法（规则兜底/人机协同/缩场景）→ P0 保核心 → 换路径（第三方 API 先验证需求）→ 向上给分阶段承诺而非完美承诺
3. **数据从哪来/找不到数据**：内部业务沉淀 > 合规采购/开源 > 合作共享 > 合成数据；PM 定义「什么数据才算对」（标注规范/口径/隐私合规）；冷启动三板斧：规则人工先顶上攒数据 → 小样本+预训练模型 → 数据飞轮
4. **AI 产品和普通产品的区别**：确定性差异——传统功能 100% 正确，AI 是概率正确；PM 重心从「定义功能」变成「定义可接受错误的边界 + 持续度量」
5. **什么样的 AI 产品算成功**：业务层（比人工/旧规则性价比可量化地好）× 用户层（信任感：采纳率/留存）× 系统层（数据飞轮，越用越好）
6. **IPD 流程**：见 4.8 价值句 1

---

## 7. 反问环节（挑 2-3 个问）

1. 「算法盒子的算法栈，是咱们自研为主（感知、规划类），还是更多支持客户自己部署模型？」
2. 「目标客户是国内割草机品牌还是海外 OEM？首批灯塔客户到什么阶段了？」
3. 「这个岗位未来 6 个月最需要证明的一件事是什么？」
4. 「团队的 Android 系统能力和 AI 算法能力是自研还是合作方为主？产品经理的决策空间在哪里？」
5. 【验坑】「这个产品线目前的团队构成大概是什么样？过去一年人员流动情况如何？」（问稳定性，语气中性）
6. 【验坑】「算法盒子这条线 2026 年的预算和 headcount 是新批的，还是从现有业务盘子里调配的？」（问资源真实性——判断是战略投入还是试水）

---

## 8. 临场铁律（用户自己记，不用 Gemini 提醒）

1. 数字记不准 → 「方向 + 原因」；绝不裸说"不知道"，绝不硬编数字
2. 说「只负责 XX」= 自杀；改说「我在 X 环节负责 A、B、C」
3. 每说出一个数字，主动带半句测量方式
4. 「不知道」兜底一轮最多用一次
5. 薪资：区间 25-40K·15 薪；40K 顶格谈，用集团级项目背书；title 后置，做成的前置
6. 面试后 30 分钟内：填复盘模板（工作区 `03-模拟问答/面试复盘模板-广和通.md`）