Applied Intuition Backend SWE 面经 2026：店面、Onsite、自动驾驶场景题

💡 核心要点 (Key Takeaways)

• Applied Intuition Backend SWE 的主轴是店面单题限时（45 分钟、考速度）+ Onsite 4-5 轮（2 轮 Coding + 1 轮 System Design + 1 轮 Manager 面，5 轮形态首轮为 30 分钟小组介绍）；『做出来了但太慢』是店面最典型的死法。
• 题型强自动驾驶数据味：依赖/表达式求解（拓扑排序 + 不可解/环检测 follow-up）、TLV/protobuf 类协议解析与乱序 packet 重组、CircularBuffer 类数据结构设计、任务调度器、经纬度区域查询；System Design 高频是 simulator 回放与仿真日志实时可视化。
• Manager 面不是标准 BQ：从大学到跳槽动机的 resume 深挖 + decision making，挂经里反馈两极分化、挂因模糊，社招候选人最容易在这轮黑箱出局。
• 读公开面经按『年份 + 岗位 + 轮次结构』找 2-3 篇共识：店面考速度、onsite 两轮 coding + 一轮 SD + 一轮 manager 深挖的骨架在 2025-2026 多条独立面经中一致出现，4 轮 / 5 轮形态差在首轮小组介绍有无。
• 7 天保店面限时 + 协议解析下限，14 天补自动驾驶场景 System Design 与 manager 面故事链，30 天加 follow-up 专项（不可解/环/容量/并发）和完整 mock。

这篇适合谁

这篇写给准备 Applied Intuition Software Engineer（Backend / Platform 方向，含 embedded 相关岗位）面试的候选人。Applied Intuition 是自动驾驶仿真与开发工具方向的 startup，SWE 面试带明显的「车端数据」味：店面是 45 分钟单题限时、考速度；Onsite 常见 4-5 轮，含 2 轮 Coding、1 轮 simulator / 调度类 System Design、1 轮 Manager 深挖，首轮经常是 30 分钟小组介绍。内容基于 2025-09 至 2026-08 的公开面经信号整理，级别覆盖社招 mid / senior 跳槽，NG / Intern 的差异（如 OA）单独说明；各团队与地区的轮次会有出入，以实际收到的邀请为准。

一句话定位：Applied Intuition Backend SWE = 店面「单题限时考速度」+ Onsite「2 轮车端数据 Coding + 1 轮自动驾驶 System Design + 1 轮 Manager 深挖」，准备重点是解析 / 数据结构基本功 + 场景化 SD + resume 深挖故事，而不是刷题数量。

面试流程：店面 / Onsite 每轮是什么、考什么

主线流程：简历筛选 →（NG / Intern：OA）→ Phone Screen（店面）→ Onsite loop → 结果与 offer。社招多数情况跳过 OA 直接进店面。各轮大致长这样：

• OA（NG / Intern）：公开信号为 3 道题 45 分钟，难度 medium，题型偏 grid / 指令序列类逻辑题（例如 1xN block 的出格顺序、替换首条指令到达目标点）。社招一般不考。
• Phone Screen / 店面：约 45 分钟，1 道 coding 题，实际做题时间约 35-40 分钟。公开挂经里店面是整条流程最「一票否决」的一轮——题目本身 medium 偏上，但限时严格，多位候选人反馈『做出来了但被评太慢』。店面题型和 Onsite Coding 同源（协议解析、依赖求解、数据结构设计），店面挂掉通常说明基本功或速度有问题。
• Onsite loop（4-5 轮，一轮约 45 分钟）：公开面经里出现两种形态。5 轮形态：第 1 轮 30 分钟小组介绍（多位面试官同时在场，自我介绍 + 换公司动机，作用是让后续轮次跳过互相介绍），之后 2 轮 Coding + 1 轮 System Design + 1 轮 Manager 面。4 轮形态：直接 2 轮 Coding + 1 轮 System Design + 1 轮老板面，无小组开场。可以线上，也可以线下（in-person loop）。
• Manager / Boss 面：Onsite 的最后一轮，面试官通常是目标组 manager 或更高层。不是标准 BQ 题库，而是 resume 深挖——从为什么上这所大学、每段经历的选择与得失、为什么来 Applied Intuition 一路问下来，核心考 decision making 和动机真实性。体验取决于抽到的面试官，公开信号两极分化。

题型雷达：Coding、System Design、BQ 各占多少

按 Backend SWE 岗位把题型按出现频率排个雷达图：

• Coding（Onsite 占 2 轮 + 店面 1 轮，最高频）：强「车端数据 / 协议 / 数据结构」味，常见四个方向：依赖与表达式求解（拓扑排序 + 边界检测 follow-up）、协议与 schema 解析（TLV / protobuf-like）、数据结构设计与实现（O(1) FIFO、固定容量覆盖）、任务调度器。embedded 相关岗位还会要求 C 实现。
• System Design（Onsite 占 1 轮，社招必考）：高频方向是自动驾驶仿真相关——simulator 回放系统（视频回放、data schema、API、存储方案）、仿真日志实时播放与交互式可视化（3D 视图 + 时间序列图表）、job scheduler。考的不是通用高可用八股，而是「仿真数据怎么存、怎么回放、怎么可视化」的场景合理性。
• Manager / BQ（Onsite 占 1 轮）：resume 深挖 + decision making + 动机，见流程部分。准备方式不是背 BQ 题库，而是把每段经历整理成「选择 → 权衡 → 结果 → 现在怎么看」的链条。
• SQL / ML Design（低频）：Backend SWE 主线一般不单设 SQL 或 ML Design 轮；若目标 team 偏数据平台或 simulation data infra，可能加一道数据 pipeline 轻题，提前问清楚 team 方向再决定是否准备。

高频题目方向：只讲题型和考点

以下是 2025-2026 公开面经信号里反复出现的题「类型」，只归纳题型和考点，不复刻任何候选人的具体原题：

• 依赖 / 表达式求解（店面 + Onsite 都出现过，最高频）：给一组变量等式（只含加减或引用关系），求出每个变量的值。考点是拓扑排序 + 依赖图遍历；follow-up 常要求检测「不可解」（引用了未定义变量）和「循环依赖」并输出对应提示——follow-up 时间通常被压到 10 分钟以内，是典型失分点。
• 协议 / 数据格式解析（车端数据味最重）：TLV（Type-Length-Value）parser、protobuf-like message descriptor 校验、out-of-order packet 重组后按文件名落盘。考点是流式处理、字段边界、乱序与重排、固定容量下的查找结构；embedded 岗位会用 C，公开提示是「id 长度有限时用定长数组代替动态 map / queue」。
• 数据结构设计与实现：泛型 CircularBuffer（O(1) push/pop、FIFO、超容量覆盖最老数据、内存分配在对象实例化时完成）、顶点 / 数组去重 + 索引映射。考点是「先设计后实现」：先说清容量、内存策略、复杂度，再写 push/pop/print，不要直接开写。
• 任务调度器：single CPU single thread 下实现 schedulePeriodic() / scheduleOnce() / scheduleWithDelay()；System Design 轮也有 job scheduler 版本。考点是时间轮 vs 优先队列的取舍、延迟任务的存储与触发、重复任务的精度。
• 地理区域查询（自动驾驶味）：给定经纬度与边长，判断 / 找出落在某正方形区域内的车辆，接口是 mock 的 scan 函数，要求设计调用策略。考点是口述题的澄清纪律（坐标系、边界、性能目标先确认再写）+ 空间索引思路。
• System Design：simulator 回放与仿真日志可视化：设计系统回放汽车转弯视频并交互可视化仿真日志：data schema（传感器、轨迹、事件流）、API 设计、存储方案（时序数据 vs 对象存储）、实时播放的延迟与分段加载。每一步主动跟面试官确认「make sense」再推进，是公开面经里明确有效的做法。
• 轻量杂题：HTTP 拉 JSON 后做聚合（最大值 / 最小值及下标）、grid 指令序列题（首条指令被遗忘、替换首指令到达终点）。不难，但考「边做边说」和语法熟练度——公开面经提到现场可以查 HTTP / JSON 语法，提前熟悉更稳。
• Manager 面高频方向：为什么上这所大学、每段经历的选择与得失、为什么离开上一家、为什么来 Applied Intuition。准备 5-6 条「选择链」故事，每条能接两层追问（当时怎么判断的、现在回头看怎么评价）。

公开面经信号怎么读

面经社区是 Applied Intuition 面试信息最集中的公开来源（样本量在自动驾驶公司里算大的，2025-2026 公开面经 / 挂经有十几条）。几个原则：

按「年份 + 岗位 + 轮次」筛选。Backend SWE 的信号和 embedded / MLE 的信号混着看会准备偏。重点看最近 12 个月、岗位写 SWE / Backend 的帖子；embedded 岗位的题（C 实现、TLV）对 Backend 参考价值有限，反过来也一样。

找共识，不信个例。Applied Intuition 的 Onsite 在公开信号里有 4 轮和 5 轮两种形态（差在首轮 30 分钟小组介绍有没有），单篇不能定结构；但「2 轮 Coding + 1 轮 SD + 1 轮 Manager 深挖」这个核心骨架在 2025-09 至 2026-02 的多条独立挂经里一致出现，这个骨架才可信。店面 45 分钟单题限时也是多条独立信号的共同点。

提取「轮次结构 + 题型方向 + 挂点」，忽略剧情。Applied Intuition 的挂经里情绪浓度普遍偏高（面试官不给提示、口述题描述不清、挂因模糊），这些是体验信号不是准备信号——真正能用的信息是：店面考速度、follow-up 时间被压缩、Manager 面是 resume 深挖、SD 是仿真场景。

不搬运、不暗示合作。本站所有 Applied Intuition 面经内容只归纳公开信号，不复制任何候选人的逐字面经，也不代表与任何面经社区有合作或转载关系。你读到的公开帖子请以原作者发布的内容为准。

常见挂点：Applied Intuition Backend SWE 独有的失分方式

把公开挂经的挂因对照复盘，这家公司的失分点很集中，而且有几条是别家不太一样的：

• 店面「做出来了但太慢」：2026 年的两条店面挂经都是这个死法——题在限时内解出了，但被评速度不够。店面 45 分钟、实际做题 35-40 分钟，medium 偏上的题 + 严格限时意味着没有试错预算。别家的店面挂点常是「题没做出来」，这里是「做出来了但不够快」，准备时要把「限时 AC」当硬指标练。
• follow-up 时间被压缩：Coding 题主问做完后，follow-up（检测不可解、检测环、容量覆盖策略）往往只剩不到 10 分钟。主问写得太慢，follow-up 基本来不及；主问直接堆 if-else 不搭结构，follow-up 无处下手。第一版代码的结构质量决定 follow-up 的下限。
• 口述题理解偏差：有挂经明确把失败归因于「最开始理解题目有偏差」——面试官纯口述（如地理区域查询题），没确认就开写。口述题的澄清成本更高：先用自己的话复述题目 + 确认边界（坐标系、性能、输入范围）再动手，这一步省时间不省。
• Manager 面措手不及：不是标准 BQ，而是从大学开始的 resume 深挖 + 人生选择得失类问题，有候选人明确说「措手不及」，且 HR 挂因回复模糊。这轮的失败很难从技术复盘里看出来——resume 上每段经历如果没有「选择 → 权衡 → 结果」的链条，这轮就是黑箱。
• 每轮 near-perfect 的 bar：senior 跳槽挂经的信号是「基本必须每一轮都 perfectly pass 才有机会」——单轮小瑕疵（如某一轮 coding 理解偏差）在低 bar 环境可被其他轮弥补，在这里可能直接出局。准备标准要按「每轮都要过线」来设，而不是「整体平均」。
• 缺 systems / C 背景：embedded 相关岗位和 Backend 岗位的题里都有 C 实现、TLV 解析、TCP reorder 这类 systems 味。纯 web 背景候选人在协议解析题上容易在字段边界、字节序、定长数组 vs 动态结构的细节上丢分，至少要把这类题的模型练熟。

准备路线：7 天 / 14 天 / 30 天

按你距店面 / Onsite 的天数选路线。共同原则：店面速度永远优先，车端数据 Coding（解析 + 数据结构）次之，自动驾驶 SD 和 Manager 面故事再次之，最后两天只 mock 不学新东西。

• 7 天（保店面下限版）：D1-D2 限时训练依赖 / 表达式求解 2 题（拓扑排序 + 不可解 / 环检测 follow-up），目标 35 分钟内含 follow-up 完成；D3-D4 协议解析 2 题（TLV parser、schema 校验），练流式处理与字段边界；D5 数据结构设计 1 题（CircularBuffer：先口述设计再实现）；D6 Manager 面：按 5 个高频方向写「选择链」故事并录音回听；D7 完整 mock 一场 45 分钟店面（限时、含 follow-up），复盘时间分配。
• 14 天（标准版）：在 7 天基础上——D8-D10 自动驾驶 System Design 2 题（simulator 回放、仿真日志可视化），按「需求澄清 → 数据规模 → data schema → API 设计 → 存储选型 → 实时性与降级」六步走，方法可参考站内 SWE System Design Onsite 准备，每道练到 45 分钟讲完且每步主动确认；D11 任务调度器 coding 1 题（schedulePeriodic / Once / WithDelay，说清时间轮 vs 优先队列的取舍）；D12 地理区域查询 + 1 道轻量杂题（HTTP JSON 聚合），练口述题澄清纪律；D13 mock 完整 Onsite 半天（2 Coding + 1 SD）；D14 缓冲日，检查设备日程，早睡。
• 30 天（系统版）：在 14 天基础上——D15-D19 follow-up 专项：给每道 Coding 题补三类追问（不可解 / 环 / 边界、容量与内存策略、并发与顺序一致性），每类给出方案 + 复杂度 + 取舍；D20-D22 再补 2 道 SD（job scheduler、仿真数据平台）+ 1 道 SQL / 数据 pipeline 轻题（防 team 偏数据方向）；D23-D25 Manager 面故事库扩到 8 条，练三层追问（approach → 细节 → 现在怎么看），覆盖大学选择与每段跳槽动机；D26-D28 连续两场完整 mock（店面 + Onsite 各一场），重点看限时 follow-up 接没接住、Manager 深挖接没接住；D29 复盘断片点各补一段；D30 缓冲日。

FAQ：Applied Intuition Backend SWE 面试 5 个高频问题

Q1：Applied Intuition Backend SWE 面试几轮？
店面 1 轮（45 分钟单题），Onsite 4-5 轮（一轮约 45 分钟）：核心骨架是 2 轮 Coding + 1 轮 System Design + 1 轮 Manager 面；5 轮形态首轮是 30 分钟小组介绍，4 轮形态无小组开场。NG / Intern 前面还有一场 OA（3 题 45 分钟）。具体以实际邀请为准。

Q2：店面和别的公司有什么不一样？为什么「太慢」也会挂？
店面 45 分钟、实际做题约 35-40 分钟，公开挂经里多条「做出来了但太慢」的反馈说明限时是硬指标。店面题和 Onsite Coding 同源（协议解析、依赖求解），店面本质是速度和基本功的一票否决轮，准备时按限时 AC 练，而不是按「能做出来」练。

Q3：System Design 要准备到什么程度？
高频方向是自动驾驶仿真场景：simulator 回放、仿真日志实时可视化、job scheduler。不考通用高可用八股，考「仿真数据怎么存、怎么回放、怎么可视化」的合理性——data schema、API、存储选型、实时播放的延迟与分段加载要能讲清，并且每步主动跟面试官确认再推进。

Q4：Manager 面到底考什么？怎么准备？
不是标准 BQ 题库，而是 resume 深挖：为什么上这所大学、每段经历的选择与得失、为什么来 Applied Intuition，核心是 decision making 和动机真实性。把每段经历整理成「选择 → 权衡 → 结果 → 现在怎么看」的链条，准备 5-8 条能接两层追问的故事；这轮体验取决于面试官，但内容准备不依赖运气。

Q5：社招和 NG / Intern 的流程差在哪？和 Tesla / Waymo 这类公司比有什么特点？
社招一般无 OA，直接店面进 Onsite，级别覆盖 mid / senior，Manager 面深挖跳槽动机；NG / Intern 多一场 OA（3 题 45 分钟，grid / 指令序列类 medium 题），Onsite 结构类似但难度略低，Manager 面更偏成长经历。Applied Intuition 的题更偏「车端数据工程」（协议、解析、仿真回放），邻近方向可参考站内 NVIDIA AI Infra 面试准备。