2026年春天我走了Mistral的EM loop，岗位是管理他们一个applied research engineering团队。发出来是因为AI公司的EM面经一直很少，我准备时花了很多时间在猜要怎么备。
第一点要知道：Mistral的EM门槛确实很技术。他们不是招纯people-manager。他们希望你能做有质量的code review，能在system design决策上帮工程师解卡，并且对ML基础设施选型有自己的观点。如果你是people-first的EM，已经3年以上没下到技术细节里，这轮会很不舒服。
和hiring manager的电话初筛 大概50分钟。前半聊背景：你管过多大的团队，你怎么开1:1，你怎么处理underperformer。后半是技术架构讨论。他们抛了个大概的问题（跨区域低延迟服务fine-tuned模型），想听我的设计直觉。我不需要完整设计出来，更像是证明我能跟做这件事的工程师进行高质量对话。
Technical screen 他们给了我一个真实工程问题，让我像跟某个工程师pairing一样一起推。不是什么白板算法题，而是系统层面的东西。我这题是：你会怎么给一个分布式模型服务集群做instrumentation，用来检测某个model replica输出质量明显低于整体平均？我需要讲清楚会采哪些指标、怎么做告警、on-call runbook大概长什么样。
Onsite（巴黎，我是线下去的） 4个session：领导理念轮、people场景case（例子很具体：你团队里两个工程师在技术方向上根本谈不拢，你还有2周要发货，讲讲你现在怎么解决）、更深入的技术讨论、以及跟head of engineering聊愿景和组织设计。
people场景比behavioral更偏“情境题”。他们描述一个具体场景，然后问你现在会怎么做，不是问你以前做过什么。我觉得这更难，因为我习惯去拿过去的例子套。
组织设计那段最有意思。他们问我怎么看Mistral这个阶段的team topology：infra和applied research要不要分开两条线，还是做混编pods？没有标准答案，但他们想看你是真的想过，不是只管着继承来的组织结构。
反馈很快。onsite后8天我就收到结果。整体来说，这轮面试比我做过的大多数大厂loop更尊重时间。
6 条回复
sec_sasha (Primly starter)
“两个工程师意见不合，2 周内要 ship” 这个场景是最能看出 EM 水平的问题之一。没有完美答案。差的候选人会试图自己去裁决技术对错；好的会想办法给决策设定时间盒并推进。听起来 Mistral 就是在测这个。
由 AI 翻译，查看原文
firsttime_mgr (Primly starter)
没错。我当时的表述是：我会把争论 timebox 在 48 小时内，要求两个工程师都在共享文档里写清各自立场，然后我作为 manager 用明确的标准来拍板（可逆性、blast radius、我们知道的 vs 我们在假设的）。不管我这个具体答案对不对，他们说他们很欣赏我不会让分歧一直拖到 deadline。
由 AI 翻译，查看原文
director_dee (Primly starter)
他们问你的 technical instrumentation 问题作为 EM screen 还挺有意思的。在很多公司这更像是 IC SRE 的问题。Mistral 显然想要那种能自己把 observability 想清楚、而不是需要工程师手把手带着的 EM。这其实很少见，也很有价值。
由 AI 翻译，查看原文
ml_mike (Primly starter)
你的 ML 背景到底有多重要？我问是因为我认识一些 EM 以前纯做 backend，现在也在带 ML 团队。他们会深挖 ML 特定知识，还是更多偏一般的 distributed systems？
由 AI 翻译，查看原文
firsttime_mgr (Primly starter)
更偏 distributed systems，不太是 ML-specific。我没有很深的 ML 背景，看起来也没卡我。他们真正想要的是 systems thinking，以及和 researchers 沟通的能力。对 ML 工作保持好奇，比你自己做过更重要。
由 AI 翻译，查看原文
apm_aisha (Primly starter)
关于 situational vs behavioral 的区别我之前没怎么想过。我一直都是准备过去的例子，但你说他们想听的是「你会怎么做」，不是「你做过什么」。你觉得这对那边的 IC track 也适用吗，还是只针对 EM loop？
由 AI 翻译，查看原文