拿到 Anthropic 的面试邀请时我其实有点意外。投递后快两周没动静本来以为沉了结果突然收到 OA 邮件。Anthropic 在国内论坛上的面经少得可怜我备考期间几乎只能翻 Glassdoor 和 Blind 上的零散英文帖子所以走完整个流程后第一件事就是想把经历完整记下来给后来人一点参考。流程是OA → Recruiter Screen → 4 轮 Virtual Onsite我前后大约用了三周多。Anthropic OA平台是 CodeSignal70 分钟 4 道题难度逐步上升。CodeSignal 的打分方式和 HackerRank 不一样它会给每道题一个 300 分制的分数除了通过测试用例外代码结构、边界覆盖、运行效率都会影响分数。所以就算逻辑写对了代码很乱也会被扣分这一点我一开始没注意做到后面才反应过来。真题回忆题目已做脱敏改编Q1Easy日志字段解析给一段半结构化的服务日志要求解析出每个请求的 traceId、状态码和处理时长并按固定格式输出。本质是字符串分割 条件判断但要注意字段缺失、空行、状态码非数字等 edge case。Q2Easy-Medium滑动窗口变体给一个整数数组和一个阈值要求找出满足“窗口内最大值与最小值之差不超过阈值”的最长子数组长度。需要动态维护窗口内的有序结构或者用双端队列优化。Q3Medium树路径查询给一个员工层级树每个节点有一个安全评分。有多个查询每次问节点 A 到节点 B 的路径上评分大于某个值的节点有几个。需要预处理 LCA 和前缀计数思路是 LCA DFS 差分实现细节比较多。Q4Medium-Hard优先级任务调度模拟实现一个简化的任务调度器每个任务有优先级、前置依赖、可执行时间窗口按规则输出执行顺序。最后十分钟我还在赶有些依赖冲突的用例没完全通过。整体感受时间压力很大Q3/Q4 留的时间不够用。建议 Q1/Q2 控制在 15 分钟内完成给后面留足空间。Recruiter Screen30 分钟OA 通过后约 5 天收到 recruiter 电话。内容比较轻松主要聊了 Anthropic 的 mission、这个 team 的职责范围然后问我为什么想来、对 AI safety 的理解以及确认 timeline、薪资预期和签证情况。有一个问题让我停顿了一下“你如何看待 AI safety 与产品迭代速度之间的潜在冲突” Anthropic 非常看重候选人是否真的认同他们的使命不是把它当作一个 fancy 的 AI 公司跳板。建议这类问题提前想好自己的真实观点而不是背官网介绍。Virtual Onsite4 轮同一天四轮连排在同一天中间各有 10 分钟休息每轮 4560 分钟。Round 1Coding面试官来自 Platform 团队人很温和。题目是实现一个带过期时间的请求计数器支持record(event_id, timestamp)和count_past_seconds(seconds)要能返回过去 N 秒内记录的事件数量。先写一个基础版用队列或有序字典然后面试官追问怎么控制内存、如果事件量巨大怎么办、能不能改成概率性数据结构比如 HyperLogLog。这一轮主要看数据结构和工程权衡我边写边讲面试官会打断问“为什么这样选”。Round 2Coding题目偏业务逻辑实现一个简版的消息去重与优先级处理模块。给一个 token 预算维护待处理消息当新消息加入导致超出 token 上限时按优先级和时效性裁剪旧消息。Follow-up 包括保留最高优先级的消息不裁剪、加入 TTL 过期机制、以及单条消息本身超过预算怎么处理。这题明显和 Claude 的实际线上场景相关写的时候有点像在给产品做底层组件。代码量不大但边界情况要想透。Round 3BehavioralEngineering Manager 来面这轮我觉得准备最值。高频问题包括“讲一个你做了正确但团队不认同的技术决策最后怎么解决的”“你做过最复杂的 trade-off 是什么为什么那样权衡”“你有没有主动发现过一个没人跟进但很重要的问题然后推动解决”“你如何判断一个技术方案是否 good enough to ship”Anthropic 的行为面特别看重主动性和判断力不只是“完成了任务”而是“为什么这样判断、你看到了什么别人没看到的东西”。STAR 可以用但不要套模板要讲出自己的 reasoning 过程。Round 4Values Mission Fit这轮很多人不重视但其实很关键。面试官是 Senior Researcher聊得相当深。核心问题包括你怎么理解 AI safety你认为 Anthropic 的方向是否靠谱如果你在开发某个功能时发现它可能被滥用你会怎么做你怎么看待 helpful 和 harmless 之间的张力这轮没有标准答案面试官想看你是不是真的独立思考过这些问题。我提到自己读过 Constitutional AI 的论文还看了他们关于 RLHF 局限性的技术博客面试官立刻来了兴趣聊了很久。建议提前读一下 Anthropic 的 research blog 和 model card形成自己的观点。备考 checklist刷题LeetCode Medium 为主重点练滑动窗口、树、LCA、模拟设计类系统设计了解限流、缓存、消息队列、计数器的常见做法和 trade-off行为题准备 56 个有深度的 STAR 故事覆盖 conflict、trade-off、initiativeAI 认知读 Anthropic 的公开文章对 safety vs capability 有自己的看法一点补充关于备考效率上面是我自己硬啃下来的过程。但说实话Anthropic 的面经实在太少了OA 的题目风格和 LeetCode 也不太一样——更偏实际工程场景边界条件更隐蔽。到了 VO 阶段面试官会非常深地追问你的思路、复杂度分析、甚至代码结构的一致性。为了求稳我在最后一轮前预约了 VO 辅助 OA 代做 的实时支持服务相当于给自己上了一层保险。如果你也面临类似情况面经稀缺、不知道最近在考什么OA 有思路但总在 hidden cases 上翻车VO 担心现场卡壳、表达不清、跟不上面试官的追问——不妨给自己多准备一张底牌上场时心态真的会稳很多。 需要助攻的同学直接访问oavoservice.com让真正懂 Anthropic 面试的北美专家陪你走完上岸前的每一步。