「Tell me about yourself / 請簡單自我介紹一下」幾乎是每場面試的第一題。
很多人把它當寒暄隨便講,這是大錯。它不是考題,是破冰 + 定錨——面試官靠這 2 分鐘決定「等等要往哪裡挖你」。所以這題不是被動回答,而是你主動鋪好接下來的劇本。
三條鐵則
- 2 分鐘上限：英文約 220–270 字,中文約 350–400 字。超時直接扣分,因為你吃掉了寶貴的評估時間。
- 用數字講影響力,不要列職責。「讓推論延遲降低 40%」遠勝「負責優化模型」。
- 每段都要「可被追問」：把每個經歷講成一個可點擊的連結——給夠 context 勾起好奇,但不要一次講完,把深挖留給後面的問答。
萬用結構：現在 → 過去 → 未來
| 段落 | 講什麼 | 秒數 |
|---|---|---|
| 現在 Present | 我是誰、現在的角色、一個亮點數字 | ~30s |
| 過去 Past | 1–2 個最相關的專案,用結果說話 | ~60s |
| 未來 Future | 為什麼是這個職位 / 這家公司 | ~30s |
💡 關鍵：科技面試要「現在先行」。先讓面試官定位你現在的 level,再倒敘,而不是從大學開始講起。中文求職指南常教「過去→現在→未來」的時間順,但對技術職,現在先行更有力。
可直接套用的模板（佔位符版）
把 [方括號] 換成你自己的內容即可。
English
"I'm a
[職稱, e.g. machine learning engineer]with[X]years of experience, currently at[公司/團隊], where I[一句話講你在做什麼].Most recently, I
[最相關的專案]—[具體做法], which[量化結果, e.g. cut inference latency by 40%]. Before that, I[第二個經歷,一句帶過].What draws me to
[公司名]is[具體理由,連結到 JD]. I'm especially excited about[他們的某個產品/技術方向], and my background in[你的強項]should let me contribute quickly."
中文
「我是一名
[職稱],有[X]年經驗,目前在[公司/團隊],主要負責[一句話講你在做什麼]。最近我做的是
[最相關的專案],做法是[具體做法],最後[量化結果]。在那之前,我也[第二個經歷,一句帶過]。我之所以想加入
[公司名],是因為[具體理由,連結到職缺]。我特別期待[他們的產品/技術方向],我在[你的強項]的經驗應該能很快上手。」
範例示範（虛構資料,僅示範語氣與節奏）
以下人名、公司、數字皆為虛構,只用來示範一個 ML Engineer 的講法。你練習時換成自己的真實內容。
English (~230 字)
"I'm a machine learning engineer with about three years of experience, currently at a fintech startup where I build and deploy fraud-detection models that score around two million transactions a day.
The project I'm most proud of: our fraud model had good offline AUC but kept misfiring in production. I rebuilt the feature pipeline to kill training-serving skew, added real-time features, and ran an A/B test — that cut false positives by 35% while keeping recall flat, saving the ops team a huge amount of manual review. Before that, I was more on the data side, building the labeling pipeline the team still uses.
What draws me to your team is that you're solving fraud at a much larger scale and you publish real research on it. I'm especially excited about your work on graph-based detection — my background in feature engineering and production ML should let me contribute quickly."
中文 (~370 字)
「我是一名機器學習工程師,大約三年經驗,目前在一家金融科技新創,負責詐欺偵測模型的開發與上線,每天要為大約兩百萬筆交易評分。
我最想分享的一個專案是:我們的詐欺模型離線 AUC 很漂亮,但上線後一直誤判。我重建了特徵管線、消除 training-serving skew,加入即時特徵,並設計 A/B test 驗證——最後在 recall 不變的前提下,把誤報率降低了 35%,替營運團隊省下大量人工審核。在那之前,我比較偏資料端,建了一套標註管線,團隊到現在還在用。
我之所以想加入貴團隊,是因為你們在處理規模大得多的詐欺問題,而且還會發表相關研究。我特別期待你們在 graph-based detection 上的方向,我在特徵工程和生產級 ML 的經驗,應該能讓我很快貢獻。」
打磨清單（寫完一定要做）
- 念出來計時,超過 2 分鐘就砍掉第二個經歷
- 把每個「可被追問點」對應到一個你準備好深挖的 STAR 故事
- 開頭不要說「我想轉職…」「我經驗還不多…」——先講你現在會什麼
- 未來段一定要連結到這家公司的 JD / 產品,不要用通用罐頭句
- 中英兩版用同一套結構,這樣好背、邏輯也一致
結語
自我介紹不是自傳,是一段精心設計的開場白。記住三件事:現在先行、用數字、留鉤子。把這 2 分鐘練到能自然脫口而出,你就掌握了整場面試的節奏。