star法则如何拆解项目经历 ⬆️接上篇 A（行动） 1. 针对本校180+名学生开展问卷与深度访谈，梳理出信息不对称、交易安全、售后纠纷三大核心痛点； 2. 分析竞品（闲鱼、校内同类小程序）短板，明确产品定位：轻量化、强信任、高便捷的校园封闭场景二手平台； 3. 搭建产品核心模块：身份认证、商品发布、智能分类、线下自提、信用评价、交易担保六大功能体系； 4. 输出产品需求文档（PRD）、功能流程图、高保真原型，明确交互逻辑与业务规则 5. 制定冷启动策略：以毕业季书籍、电子产品为核心品类，依托校园社群低成本获客 R（结果） 完成全流程产品方案，覆盖20+核心页面、50+功能点，逻辑可直接落地...

拼多多测试一面，

这可能是目前 AI 面试中最拉开差距的一环。大部分求职者的简历上写着“通过优化 Prompt，提升了生成质量。”面试官往往会微微一笑，紧接着抛出一记灵魂暴击：“那你怎么定义‘质量提升’？你怎么用数据证明，你的 模型 跑得比昨天更好？”这个时候，如果你挠挠头回答：“我自己抽查了几条结果，感觉变好了……” 那基本就凉透了。正所谓乱花渐欲迷人眼，靠人工“抽盲盒”式的肉眼查验，很容易陷入“只看好案例（Cherry-picking）”的自欺欺人中。在真正的工程落地面前，这种“凭感觉”根本站不住脚。回答应该直接把 Eval（评估）体系拍在桌面上：“在修改任何一行核心逻辑或 Prompt 之前，我会构建一套...