两个月前走完了 Scale AI EM 的面试 loop。拿到了 offer，所以可以讲讲哪些真的有用，哪些是我以为他们在意但其实没那么关键的。
先说结论：这不是标准的 EM loop。它在执行力和数据推理上的比重，比我 15 年里做过的任何 EM 面试都更重。他们要的是能在技术讨论里站得住的 engineering manager，不只是 people manager。
Loop 结构。 我一共五轮：recruiter screen、一个 hiring manager intro、一轮 technical、两轮 behavioral、以及一个 cross-functional panel。
Technical round。 我挺意外的。这不是写代码，但很接近技术系统设计对话。他们给的场景是：你们团队负责 annotation quality pipeline，过去两周吞吐量下降了 18%。带我走一遍你会怎么诊断。我讲了 instrumentation：有哪些 dashboard，先拉哪些指标（P95 task completion time、按任务类型的 error rates、worker cohort data）。然后讲 root cause 的思路。再讲如果最后发现是 pipeline 问题 vs. tasker 问题，我会怎么和 data eng 协作。他们想看到你用数据思考，而且对底层系统懂得够多，能和你的 IC 进行真正的技术对话。如果你离一线太久，这轮会很难受。
Behavioral rounds。 两轮都是标准 STAR 格式。我拿到的问题是：讲一次你在压力下必须大幅砍 scope 但仍要交付的经历；讲一次你解决跨团队冲突的经历；讲一次你从零搭团队或在大量流失后重建团队的经历。他们要的深度是：会追问你做的每个具体决策，而不只是结果。“你会怎么做得不一样”永远是最后一个问题。要有真实答案。
Cross-functional panel。 和 PM 以及 DS lead 一起。他们想了解我怎么跨职能协作。PM 问我当产品要速度时，我怎么处理 technical debt 讨论。我的回答很实在：用优先级框架、约定专门的容量、让债务可见化。没有什么魔法。
Leveling。 我是按 mid-EM（带 6-8 个 IC）面进去的，最后也定在这个级别。SF 2026 这个 level 的 comp：base 是 $230k，equity 按 4 年 schedule，grant 细节要到 offer 阶段才给。
最关键的是：展现技术可信度，但别过度吹。他们能看出来一个 EM 什么时候不再在意技术细节，以及之后是否再也没回来过。