LinkedIn SWE 面经 2026：Graph、Coding、System Design

💡 核心要点 (Key Takeaways)

• LinkedIn SWE 社招流程：简历筛 + recruiter 电话筛 →（部分候选人有 OA）→ 1 轮 Phone Screen（45-60 分钟，1-2 道 medium coding，Graph 是招牌）→ VO onsite 4-5 轮 × 45-60 分钟（2 轮 coding（其中一轮可能是 AI-enabled）+ 1 轮 System Design + BQ/项目深挖 + HM）→ HM / Team Match → offer，以实际收到的邀请为准。
• Graph 是 LinkedIn 的招牌题型：业务本身就是社交图，graph distance、connected components、topological sort 在 LinkedIn 的出现频率显著高于大多数公司；分水岭不是算法本身，而是能不能把纯算法题接回 10 亿级社交图的上下文（图存哪、fan-out 怎么做、查询放大怎么控）。
• System Design 是 Senior 的分水岭：高频场景是 feed ranking、search、messaging、graph platform，绕不开 10 亿成员规模约束（fan-out、存储、实时性、降级）；不先做规模估算和需求澄清直接画架构图，是 SD 轮最常见的显性失分。
• 「Coding 全对仍挂」在公开反馈里常见：LinkedIn 的决策看全部轮次的信号组合，BQ / 项目证据的短板会压过 Coding 优势；项目深挖要准备到能接住三层追问的厚度。
• 公开面经信号可归纳为四个稳定方向：Graph 题频率显著高于别家、SD 轮配置因 team 而异、Coding 全对仍挂、AI Coding Round 是 loop variant；按「年份 + 级别 + 岗位」筛选，以 2-3 篇结构完整帖子的共识为准。
• 7/14/30 天路线的共同点：Graph 题簇和 System Design 永远优先，BQ 故事练到三层追问厚度，最后两天只做 mock 和复盘不学新东西。

这篇适合谁：LinkedIn SWE 面经 2026 的定位

一句话定位：这是 2026 年 LinkedIn Software Engineer（SWE）全流程面经，以 Graph 数据结构为主线——把面试有几轮、每轮考什么、要突破哪些 Graph 题簇和 System Design 场景、7/14/30 天怎么准备一次讲清。级别以 E4 / E5 中级（约 3-5 年社招经验）为主，E6 资深候选人重点看 System Design 部分和 production follow-up。

适合两类候选人：1）准备投递 LinkedIn SWE、想先看懂全流程再排准备优先级的人；2）已经面进 Phone Screen 或 VO、想判断自己最可能挂在哪个环节再决定下一步的人。本篇是 LinkedIn SWE 全流程面经的主入口，题型索引（BQ / Coding / Design 题目清单）看 LinkedIn SWE 题目合集，loop 里 AI-enabled coding 轮的专项指南看 LinkedIn AI Coding Round 面经。各团队、级别、地区的轮次结构会有出入，以实际收到的邀请为准。

面试流程：OA / Phone / VO / HM / Team Match 各轮是什么

LinkedIn SWE 的主线流程是：简历筛选 → Recruiter Screen → OA（部分候选人）→ Technical Phone Screen → VO onsite（loop）→ HM / Team Match → 结果与 offer。

Recruiter Screen（30 分钟）：背景、动机、级别、期望薪资和地点，不考技术，但要能把「为什么 LinkedIn」讲出 2-3 个与业务相关的具体理由。OA（Online Assessment）：NG / Intern 基本必考，社招多数可以跳过（简历过初筛后直接进 Phone Screen），常见 1-2 道 medium Python 题，Graph 和 Array 类出现频率高。Technical Phone Screen（45-60 分钟）：1-2 道 medium coding 题，LinkedIn 偏好 Graph、Array、String 和经典 pattern，外加背景与动机沟通，考察的是无提示下能不能把题做完、把复杂度和边界讲清楚，本质是 pass/fail 的技术底线过滤器。VO onsite（通常 4-5 轮 × 45-60 分钟，一天面完）：SWE 常见结构是 2 轮 coding（其中一轮可能是 AI-enabled，即带 AI 侧边助手的 AI Coding Round）+ 1 轮 System Design（feed、search、messaging、graph platform，Senior 必考）+ 1 轮 BQ / values 轮（项目深挖），部分团队把 BQ 拆到每轮穿插问。HM / Team Match：VO 通过后属于结果确认阶段，不再考技术，双向确认团队方向、level 和 location。各轮考什么可以浓缩成一句话：Phone 筛技术底线，Coding 轮看解题能力 + follow-up，SD 轮看规模估算、架构、failure recovery 和 trade-off，BQ 轮看项目厚度和价值观，HM 看 seniority 和 fit。

题型雷达：Coding、System Design、ML Design、SQL、BQ 各占多少

把 LinkedIn SWE 的题型按权重排一遍，优先级很清楚。

Coding（主战场，最高频）：Graph 是 LinkedIn 的招牌——社交图业务让 graph distance、connected components、topological sort、图建模类题在 LinkedIn 的出现频率显著高于大多数公司；其他高频是 Cache（LRU、frequency-based eviction）、Interval、String / DP（证明型）、Tree。真正的分水岭在 follow-up：并发、线程安全、容量、降级，Senior 候选人接不住这里会连锁失分。System Design（Senior 分水岭）：独立一轮，高频场景是 feed ranking pipeline、search、messaging、graph platform，绕不开 10 亿级成员规模约束（fan-out、存储、实时性、降级）；graph platform 是最「LinkedIn 味」的场景，feed / job 业务题次之。ML Design（SWE 线了解即可）：SWE 岗不是必考，只有目标 team 做 feed ranking / search relevance 时才需要能讲清基本的 retrieval / ranking / reranking 和业务约束；MLE 线的完整题型看 LinkedIn MLE 题目合集。SQL：SWE 岗低频，主要是 DE / DS 线的重点，若出现一般是 window function + 实验指标聚合。BQ + 项目深挖（1 轮专项或穿插）：STAR 结构行为题 + resume 项目深挖（你的角色、具体数字、取舍、重来一次怎么改），LinkedIn 的 BQ 不是走过场，每一轮都计入评分。一句话总结雷达：SWE = Coding（主战场，Graph 招牌）≈ BQ（证据战）> System Design（Senior 分水岭）> SQL（了解即可）。

高频题目：Graph 为主的 7 类代表题考点拆解

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

1. N 度连接 / 两人最短路径（Graph BFS，LinkedIn 招牌）：给定成员之间的连接关系，求两个人之间的最短连接路径或 N 度连接内的候选集合。考点：图建模（节点、边、方向性）、BFS 层次遍历、访问状态与去重；规模放大后怎么接住「10 亿节点的图存哪、fan-out 怎么做、查询放大怎么控」的追问。2. 好友推荐 / connected components（Graph + Union-Find）：给定连接集合，找出连通簇或推荐「你可能认识的人」。考点：双向遍历、避免环和重复访问、推荐排序依据（共同连接数、关系新旧）。3. 任务依赖 / topological sort（DAG）：给一批有依赖关系的任务排执行顺序。考点：Kahn 算法或 DFS 染色、环检测、follow-up 加并行度后怎么改约束。4. 实现 LRU Cache（Cache pattern）：哈希表 + 双向链表，O(1) get / put。考点：均摊复杂度、正确性；production follow-up（TTL、线程安全、分布式化）是面试官最爱的切入点。5. 字符串切分 / Tokenizer DP（证明型 coding）：把字符串按词典切分成最少 token 数或输出所有切分。考点：DP 状态定义与转移、正确性证明（面试官会问「为什么这个 DP 是对的」）、边界样例（空串、无切分）。6. Design a Feed ranking system（System Design）：为 10 亿用户设计 feed 排序。考点：规模估算、多段式 retrieval / ranking / reranking + 业务规则（相关性、时效性、多样性）、fan-out on read vs fan-out on write、冷启动、延迟预算和降级。7. Design a social graph platform（System Design，最 LinkedIn 原生）：为 10 亿成员存储和查询连接关系。考点：图存储模型（邻接表、按节点 ID 分片、热账号 fan-out）、查询放大控制、缓存与一致性、读写延迟 trade-off。8. BQ：主导的一次技术决策 + 一次协作分歧：STAR 结构 + 量化影响 + 重来一次怎么改，是 HM 轮和 BQ 轮的固定素材。完整题目清单和题型分布看 LinkedIn SWE 题目合集。

公开面经信号怎么读：只总结信号，不搬运原文

面经社区里关于 LinkedIn SWE 的公开反馈，可以归纳成四个稳定方向。方向一：Graph 题频率显著高于别家——多篇独立帖子提到 loop 里有 graph distance、connected components、好友推荐类题，这与社交图的业务形态自洽，是 LinkedIn 区别于多数公司的稳定信号。方向二：SD 轮配置因 team 差异很大——feed 方向的 team 偏 ranking pipeline，messaging 方向的 team 偏实时通信，platform 方向的 team 偏 graph 存储和查询，所以「你会面到哪道 SD 题」取决于你投的 team，准备时至少覆盖 feed 和 graph platform 两个场景。方向三：「Coding 全对仍挂」常见——LinkedIn 的决策看全部轮次的信号组合，BQ / 项目证据的短板会压过 Coding 优势，这个模式在多个独立帖子里反复出现。方向四：AI Coding Round 是 loop variant——2025-2026 年的帖子里集中出现，通常替代两门传统 coding 轮中的一门，评估重点是 production follow-up 而不是「会不会做」。

怎么读：按「年份 + 级别 + 岗位」筛选，只精读 2-3 篇结构完整、级别对得上的帖子，提取「轮次结构 + 题型方向 + 挂点」三样东西，单篇个例不当结论，不要把单篇帖子的细节当事实。本篇只聚合这些公开信号的方向性结论，不搬运任何候选人的私密面经原文，也不与任何面经社区（含一亩三分地）存在合作或转载关系。

常见挂点：LinkedIn SWE 独有的失分点

第一个：Graph 题做完纯算法就停、不接业务上下文。BFS 写对就收手，不提 10 亿级社交图里这道题长什么样（图怎么存、fan-out 怎么做、查询放大怎么控），LinkedIn 面试官对「你知不知道这道题在真实系统里长什么样」非常敏感，这是 LinkedIn SWE 最独有的隐性失分。第二个：System Design 不做规模估算、不接 LinkedIn 业务。上来就画架构图，不提 10 亿成员、feed / job 场景，SD 轮直接显性失分。第三个：项目深挖太薄。「我们团队做了」无法归因到个人、没有量化数字、被问「效果怎么衡量、为什么选这个方案」答不上来，5 分钟就见底——公开反馈里「Coding 全对仍挂」的挂因大多落在这里。第四个：Coding 接不住 production follow-up。从一道 cache 或 graph 题切到「高并发下怎么保证正确」「线程安全怎么做」是常见剧本，没准备过的人直接断片，这是 Senior 的分水岭。第五个：BQ 回答没有 STAR、没有量化。叙事散、values 信号落不了地，单轮看不明显，多轮累计就是隐性扣分。第六个：把 AI 轮准备当成传统 coding 轮准备。loop 里通常还有一轮无 AI 的 coding，只练 AI 辅助工作流的候选人在传统轮会明显卡手，两种模式都要练，无 AI 模式是下限保障。

准备路线：7 天 / 14 天 / 30 天三个版本

按你距 VO 的天数选路线。三个版本的共同原则：Graph 题簇和 System Design 永远优先，BQ 故事厚度次之，最后两天只做 mock 和状态调整，不学新东西。

7 天（保下限版）：D1-D2 Graph 题簇：N 度连接、connected components / 好友推荐、topological sort 各 1 道，每道 45 分钟计时，做完强制自己讲 2 分钟「这道题在 10 亿节点社交图里长什么样」；D3 LRU + 1 道 Interval，按四步法（复述需求 → 基础版 → 主动列 edge case → 逐条讨论 follow-up）做；D4 2 道 System Design（Feed ranking / graph platform），每题走完整流程「估算 → 澄清 → 第一版 → 模拟被否 → 第二版 + failure + trade-off」，failure recovery 部分练到 90 秒内讲完；D5 字符串 DP 1 道，重点练正确性证明（「为什么这个 DP 是对的」）；D6 BQ：按「主导的技术决策、一次失败、一次分歧、跨团队协作、为什么 LinkedIn」5 个方向各写 1 个 STAR 故事，每个写出三层追问的答案；D7 完整 mock 1 场（1 轮 Graph coding + 10 分钟 BQ）+ 检查设备日程。

14 天（标准版）：在 7 天版基础上——D8 follow-up 专项：并发 / 线程安全、容量与降级，每个写一段 2 分钟内能讲完的答案，配 1 道 cache 或 graph 题实战验证；D9 把做过的 2 道 SD 题重做，这次强制自己主动交代冷启动、线上线下一致性和失败路径；D10 mock 完整 loop（SD + coding + BQ 各一段）；D11 Graph 题重做，从第一分钟就带业务上下文（规模、存储、降级）；D12 AI 轮 mechanics：在 CoderPad 类环境做 1 道 cache 题，prompt 按「输入 → 约束 → 边界 → 期望输出」结构写，练到一次成型（AI 轮完整指南见 LinkedIn AI Coding Round 面经）；D13-D14 缓冲日，设备日程检查，早睡。

30 天（系统版）：在 14 天版基础上——D15-D18 System Design 扩场景：search、messaging 各 1 道，每道补三类 follow-up（规模放大、实时性、失败降级）并给出方案 + 取舍；D19-D21 建个人 SD 卡片库，每道题一张卡，固定四个格子：估算、架构图、failure / trade-off 清单、follow-up 应对；D22-D24 项目深挖库：3 个主项目各练三层追问（approach → 细节 → reflection），把「效果怎么衡量」的答案写成卡片；D25-D27 连续 3 场完整 mock（其中至少 1 场 AI 轮 + 1 场无 AI 轮），录音复盘，重点看 follow-up 接没接住、表达节奏；D28-D30 复盘 3 场 mock，只复盘不碰新题，卡片库过两遍。三版路线的共同点：LinkedIn SWE 准备的重点不是多刷几道题，而是把 Graph 题练成「算法 + 业务上下文 + follow-up」的默认表达，把项目深挖练到能接住三层追问的厚度。

FAQ：LinkedIn SWE 面经去哪找、怎么读？

按「年份 + 级别 + 岗位」筛选，只看最近 1-2 年、E4 / E5 级别对得上的 2-3 篇结构完整帖子，提取每轮考什么题型、面试官追问到什么深度、作者觉得自己挂 / 过在哪三样东西；单篇个例不当结论，也不要指望从面经里拿到逐字原题。读完不要只收藏题名，把每道题拆成「输入约束、核心能力、可验证输出、follow-up 风险」四层，转化成训练动作。针对 LinkedIn SWE，重点精读带 Graph 题和 System Design 轮反馈的帖子，看追问深度（业务上下文、failure、trade-off）而不是题目本身。题型索引配合看 LinkedIn SWE 题目合集。

FAQ：LinkedIn SWE 面试几轮？

社招一般是：简历筛 + Recruiter Screen（30 分钟，非技术）→ 部分候选人有 OA（NG / Intern 基本必考，社招多数跳过）→ Technical Phone Screen 1 轮（45-60 分钟，1-2 道 medium coding，Graph 频率高）→ VO onsite 4-5 轮 × 45-60 分钟（2 轮 coding，其中一轮可能是 AI-enabled + 1 轮 System Design + BQ / 项目深挖 + HM，一天面完）→ HM / Team Match（结果确认，非技术）→ offer，结束后一般一到两周出结果，因 team 和地区而异。具体以实际收到的邀请 / interview packet 为准。

FAQ：LinkedIn SWE 考什么？

LinkedIn SWE 考五类信号：Coding（最高频，Graph 是招牌——graph distance、connected components、topological sort，外加 Cache、Interval、String / DP，分水岭在 production follow-up）、System Design（Senior 必考，feed、search、messaging、graph platform，看规模估算、架构、failure recovery、trade-off，绕不开 10 亿成员规模约束）、BQ（STAR + 项目深挖，每轮计入评分，要接住三层追问）、ML Design（SWE 线了解即可，feed / search 方向 team 会问基本的 ranking 和业务约束）、SQL（低频）。和别家的最大差别：Graph 题频率显著高于其他公司，且面试官会持续追问「这道题在 LinkedIn 真实系统里长什么样」——纯算法正确只是及格线。

FAQ：LinkedIn SWE 的 Graph 题怎么准备？

按「算法 + 业务上下文 + follow-up」三层准备。第一层算法：N 度连接 / 最短路径（BFS 层次遍历）、connected components / 好友推荐（遍历 + 去重 + Union-Find）、topological sort（Kahn / DFS 染色 + 环检测）三个题簇各练 1 道，45 分钟计时。第二层业务上下文：每道题做完强制讲 2 分钟「这道题在 10 亿节点社交图里长什么样」——图存哪（邻接表、分片）、fan-out 怎么做、查询放大怎么控、热账号怎么办。第三层 follow-up：并发下访问状态怎么保证、边是单向还是双向、图动态更新时缓存怎么失效。三层都讲到，才是在 LinkedIn 语境下做完一道 Graph 题。

FAQ：LinkedIn SWE 有 OA 吗？AI Coding Round 是必考的吗？

OA：NG / Intern 基本必考（1-2 道 medium Python，Graph 和 Array 频率高），社招多数可以跳过，简历过初筛后直接进 Phone Screen。AI Coding Round：它是 VO loop 里的一轮 live coding（环境里带 AI 侧边助手，通常替代两门传统 coding 轮中的一门），属于 loop variant 而不是全员强制规则，以你的 recruiter 沟通或 interview packet 为准。评估重点是执行质量、prompt 质量、以及切到 production follow-up（并发、同步、productionization）时的深度，不是「会不会做」。完整准备方法见 LinkedIn AI Coding Round 面经。