答题参考

职位：AI & Machine Learning Engineering Consultant - Senior - Consulting - Location OPEN（EY 美国 Consulting 的 AI, Data & Engineering 团队，地点不限）。JD 原文见 JD 原文，是 Lincy 10-26 发来的 LinkedIn 链接，招聘页上已经停止接受申请。下一步是 11/2 12:00 和招聘方 María Sánchez 的 30 分钟初聊（Microsoft Teams）。

每晚「面试准备助手」2026-10-26 写，当晚按 LinkedIn 上的 JD 重写了「职位要点」「简历对照」，以及薪资和反问里用到 JD 的地方。事实只取自 简历（文字版） 和 简历项目的 STAR 素材。

职位要点

招聘方的信只说收到申请、请她约初聊，没写考察重点（招聘方说的）。下面按 JD 原文排，英文关键词保留：

1. 给客户做生产级的 AI 系统：原文 Researching and implementing scalable machine learning, generative AI, and agentic systems that meet business requirements，以及 Experience designing, building, and maintaining high-impact, high-value production AI/ML solutions on a major cloud platform。重点是上线并长期维护。
2. 生成式 AI 和 agent 框架：原文 Proficient in foundation models, generative AI, and agentic AI frameworks (e.g., OpenAI, Dall-e, Langchain, Retrieval Augmented Generation (RAG))，另外要会 scikit-learn、PyTorch，有 NLP 和深度学习经验。RAG 指先从文档库里检索相关内容，再交给模型生成回答。
3. 年限和语言：原文 3-6 years of full-time working experience in AI and/or Machine Learning，以及 Strong skills in Python。
4. DevOps 和 CI/CD：原文 Extensive experience in DevOps tools (GIT, Azure DevOps), Agile methodologies (Jira), and CI/CD pipelines for developing, deploying, and scaling analytical solutions。
5. MLOps 一类的上线运维：原文 Experience with MLOps, LLMOps, and AgentOps and ML workflows, including data ingestion, transformation, and evaluation，以及 model retraining、feedback loop。MLOps 指模型从训练、部署到监控、重新训练的整套工程流程，LLMOps 和 AgentOps 是同一套思路用在大模型和 agent 上。
6. 评测和可观测性：原文 Experience with model and solution evaluation, observability, monitoring and reporting。
7. 数据处理：原文 Enhancing data pipelines and storage for optimal data accuracy and cleanliness，以及 proficiency in data manipulation tools (SQL, Pandas, Spark)，还要求数学、统计、运筹学的基础。
8. 咨询的软技能：原文 heavy client interaction、project management and tracking deliverable completion、Ability to build and maintain relationships with clients，还有 willingness to travel for client engagements（要出差见客户）。

加分项（Ideally）里她已经具备的有：计算机硕士，Python 之外的 JavaScript、Java、C++、C，以及 image processing。

薪资（JD 原文）：湾区办公室 $133,600 到 $200,600，纽约、波士顿、华盛顿、西雅图所在的华盛顿州和南加州 $128,400 到 $192,500，其他地区 $106,900 到 $176,500。JD 没提签证和担保，她不需要任何 sponsorship，对她没有影响。

简历对照

对不上的，怎么诚实地补：

• 3 到 6 年全职 AI / ML 工作经验：这是最大的缺口。她近 8 年是后端工程，AI 相关的是微软后期的 Copilot 集成和 Agent Mode 解析服务，具体做了多久简历上没写，面试前要自己算清楚，不要往上凑。讲法：我的 AI 经验在「把模型接进生产系统」这一侧，模型训练这一侧只有学校项目。
• Python：JD 要 Strong skills in Python，她的生产代码主要是 C++、C#、Java，Python 只在 F5 写过 API 集成测试。初聊前可以用 Python 加 LangChain 或直接调 OpenAI 的 API 搭一个小的 RAG demo，被问到时有东西可讲。
• LangChain、RAG、scikit-learn、PyTorch：没有生产经验。学校用过 Torch 和 Caffe，别说成做过 PyTorch 生产项目。
• MLOps、模型重新训练、反馈闭环：没做过。可以讲她做过的发布和监控（ring、健康指标、自动回滚），说明上线运维这一半是熟的，模型那一半要学。
• Pandas、Spark：没有。
• 咨询和项目管理：她一直在产品公司。讲法：在 F5 和微软都是给别的团队或企业客户交付，理解需求、讲清取舍是同一类事，计费和出差是新的。

Why EY

EY 在把 AI 用到自己的审计和税务业务上（2025 年和 NVIDIA 发布 agent 平台，2026 年在审计平台里铺开），同时给客户做同样的事，这说明 AI 团队做的是真正上线的系统。JD 也强调 production AI/ML solutions on a major cloud platform 和 Azure DevOps，这正是她在微软做的那一半。EY 的客户多是受监管行业，她做过政府云部署，知道这类环境里上线一个服务要多小心。

What draws me to EY is that you're putting agentic AI into production for your own audit and tax work, and doing the same for clients, many of them in regulated industries. I spent six years at Microsoft shipping services all the way into US government clouds, so I know how much engineering it takes to get an AI feature from a demo into an environment like that, and that's the part I want to do for clients.

自我介绍怎么调

在 自我介绍 的通用版上，这个职位要突出三点：

1. 把 Agent Mode 解析服务放在微软经历的第一句，因为它最接近 JD 里的 agentic systems。
2. 加一句 Azure 全环境部署（到美国政府云）和 Azure DevOps 流水线，对上 JD 的 major cloud platform 和 DevOps 两条。
3. 结尾那句改成落到咨询工作上：

So most of my work has been taking AI features from prototype to production for teams that depend on them, and that's exactly what I'd like to do for EY's clients.

可能被问到的

初聊是招聘方，问题偏经历、动机和基本条件【推断】。

1. 为什么想做咨询？ 要点：想接触多个行业的真实 AI 落地问题，而产品公司里一般一个产品做很多年。

   I've spent my career on one product at a time. I'd like to apply the same production engineering to a wider range of real client problems, and consulting is the fastest way to do that.

2. 你做过哪些 AI 相关的工作？ 要点：Agent Mode 解析服务、Copilot 模板选择，都是让模型能用上产品数据的工程。素材见 简历项目的 STAR 素材 第 1、2 条。

   At Microsoft I built the service that turns PowerPoint slides into structured JSON for Agent Mode, and the C++ logic that maps Copilot's output to real template and layout choices.

3. JD 要 3 到 6 年 AI / ML 经验，你有多少？ 要点：照实说 AI 相关的那几年，再讲后端和云这一半是 JD 里同样看重的。

   My AI work is on the production side: integrating models into a product used at Microsoft scale. I haven't trained models in production, but the deployment, CI/CD and monitoring parts of this role are what I've done for years.

4. 为什么离开微软？ 照 被问到为什么离开微软怎么答 的三层口径，默认只说第一层。

   I left Microsoft in September.

5. 能接受出差吗？ JD 写了 willingness to travel for client engagements。按自己的真实情况答，先问团队一般的出差比例。

   I'm open to travel. Could you tell me how much is typical for this team?

6. 薪资期望？ JD 写了湾区办公室 $133,600 到 $200,600。公开面经里几位都说 EY 最后给得偏低（见 公司情况），所以报区间时落在这个范围的上半段，并说清楚是按 Senior 和湾区。

   Based on the posted range for the Bay Area, I'm looking at the upper part of it, given my experience shipping production systems.

7. 需要签证担保吗？ 不需要任何 sponsorship，直接答 No（求职策略 第五节）。

   No, I don't need any sponsorship now or in the future.

8. 讲一个你和客户或别的团队对齐需求的例子。 用正面的跨组故事：缩略图服务的多个调用方，或 Agent Mode 解析服务的上游交付（简历项目的 STAR 素材 第 2、3 条）。不要用离职那件事。

   The thumbnail service had several product teams calling it, so every interface change meant agreeing on a migration plan with each of them before we shipped.

反问

1. 这个团队现在的项目，偏生成式 AI 应用（RAG、agent），还是偏模型训练和 MLOps？

   Is the team's current work more on building generative AI and agent applications, or more on model training and MLOps?

2. 项目一般部署在客户自己的云上，还是 EY 的平台上？Azure 占多少？
3. Senior 这一级一般同时跟几个项目，出差比例多少？
4. 接下来的面试有几轮，技术面考写代码还是讲方案？

   What do the next rounds look like, and does the technical round involve live coding or more of a solution discussion?