OpenAI 软件工程师面试题汇总 | 30 道真实面经

💡 核心要点 (Key Takeaways)

• OpenAI 的 coding 分三档：60 分钟 simulation-style、75 分钟 algorithmic（Python，可用标准库文档与线程原语）、75 分钟 math/reasoning（概率统计推导）
• 官方明确「先把能跑的代码写出来」，速度 + debugging 远重于 engineering excellence，多问逐题放出、写完一题才放下一题
• 高频 coding：IP address iterator、GPU credit、KV store 序列化、Toy Language 类型推断、JS refactor（messy function 重构 + 过测试）
• Design 高频前六：payment system、multi-tenant CI/CD、webhook、slack、place of interest、chess.com，核心考点是 failure recovery 与 scale 收尾
• 流程末端是 hiring committee：至少两个 strong hire 才送委员会，「hyper selective」，末端被拒比例高
• BQ 轮是 Tech Deep Dive，考你的 impact 与对其它 team 的影响力，不是纯行为题
• 文化 mismatch 会单独被拒（拒信暗示可继续其它 role 往往是 culture 信号）

一、OpenAI SWE 面试流程 — 三档 Coding 与末端门槛

OpenAI 的 SWE 流程整体节奏快，但和 Meta、Google 这类传统大厂有两个明显区别。第一，coding 分三档，先问清自己面的是哪一档：官方 prompt 原话——「60 Minute Coding Interview」是 simulation-style，让你建模一个随时间演化的真实系统，写 clean、modular、易改的代码，「Clarity and correctness matter more than performance」；「75 Minute Coding Interview」是 Python 的 algorithmic 题，「familiarity with basic algorithms and data structures is useful」，允许查 Python 标准库文档，并让你提前复习 Lock / RLock / Condition / Semaphore / Event / Barrier 等线程原语；还有一档「75 Minute Math / Reasoning」，用 Python 考 coding + 概率论 + 统计 + 数学推导。第二，末端是 hiring committee：有候选人复盘「至少要两个 strong hire 才会送 committee」，拒信里出现「close call」「hyper selective」是高频模板。 一条完整路径大致是：Recruiter call（含 onsite prep，会给你 phone screen 的 1-4 分反馈和轮次结构）→ phone screen → onsite（常见 2 轮 coding + 2 轮 design + 1 轮 tech deep dive + 1 轮 behavior，部分岗位加面）→（可能的 extra round）→ hiring committee → Offer。注意 onsite 当天面完就会告知结果，cycle 很快。 岗位差异值得注意：前端岗的 design 会侧重 React 细节与数据结构；Performance / infra 岗更偏 infra；「reverse shadow」轮次是否计入结果不确定，收到流程前先问清轮次形状。

• Coding 分三档：60min simulation、75min algorithmic（Python+线程原语）、75min math/reasoning
• Onsite 常见 2 coding + 2 design + 1 tech deep dive + 1 behavior，可能加面
• Recruiter onsite prep 会给 phone screen 反馈与轮次结构
• 末端 hiring committee：至少两个 strong hire 才送审，hyper selective
• Onsite 当天面完当天告知结果，cycle 快
• 前端/Performance 岗位流程形状不同，先问清轮次

二、Coding 轮：高频题清单

汇总 2026 年候选人反馈的 SWE 岗位 coding 题目，按出现频率和信号强度排序。整体特征是「不是靠背标准算法能赢」，而是速度、debug 和把代码跑通——多位候选人明确说面试官「完全不 care engineering excellence，应该把时间精力放在快速写代码和 debugging 上」。 一个反复出现的执行细节：题目是一问一问放出来的，「前一问彻底写完、代码和测试都跑通，才放出下一问」。有候选人刚写完第三问的代码和测试就到时间了，还没来得及调试——所以不要试图提前猜后面几问，把当前一问的测试跑绿再推进。

• IP Address Iterator — forward / backward / CIDR 解析（位运算求 Start/End IP）/ 时空复杂度优化
• GPU Credit — 处理 unordered 时间戳的 charge / get balance，cache 请求副本并回溯计算
• KV Store 序列化/反序列化 — map ↔ byte[]，follow-up：单文件大小固定时怎么 split
• Toy Language Type System — 原始类型 + generics + 嵌套 tuple + 函数签名，实现 type inference（substitution table）
• JS Refactor — 一段 messy 的 chat message 处理函数（/meet /taco /away 关键词），重构到能过 test case
• File Duplication / Dedup — enumerate 所有文件去重，follow-up 文件分散在 100 台机器怎么办
• Plant Infection / Social Media — 多问递进，Part 1-4
• OA / 电面方向：sorting、hashing、binary search、string、collections 基础
• 注意：75min 题可能出 2 个题，且「5 问全写出来、跑通、good test coverage」才算通过

三、三道真题详解 — 考察点拆解

1. GPU Credit（charge / balance，unordered 时间戳） 这题的关键陷阱在时间戳：所有 get balance 和 charge credit 的 timestamp 都不是单调增长的。正确思路是把所有 request 都 cache 起来，get balance 时拿它们的副本并回溯计算——因为题目没给 time complexity 要求，brute force 回溯就够。一位候选人的复盘：「我最终没来得及跑通所有 test case，应该是挂在这一轮了」。应对方式：先确认「时间是否 ordered」这个假设，再决定要不要排序；没有复杂度要求就不要在优化上耗时，把 test case 跑绿才是硬指标。 2. IP Address Iterator（4 问） 第一问 forward：从 "192.168.0.1" 逐个 yield 到 255.255.255.255；第二问 backward：从终点 IP 反向 decrement 到 0.0.0.0；第三问 CIDR：解析 "192.168.1.0/24"，用位运算算出网段的 Start/End IP 再遍历；第四问优化时空复杂度。一位候选人卡在「第三问的 ending case 比测资少一个」——边界处理（inclusive/exclusive endpoint）是这类 iterator 题最常见的挂点。建议提前把「IP 转 32 位整数 / 位运算求 CIDR 范围」这两个工具函数练熟。 3. JS Refactor（messy function） 这轮不是让你从零写算法，而是给一个写好的、一团乱麻的 JavaScript 函数——处理 incoming chat message（支持 /meet /taco /away 等关键词）并存入内存——让你自己决定怎么 improve 和 refactor，并且要 pass 一个很难看懂的 test case。一位候选人复盘：「大方向上 refactor 的重点 proposed 还不错，但临场全写出来并 pass test case 废了我很多时间，平时用 plain javascript 做 string manipulation 不是很多」。应对方式：先读懂 test case 的 input/output 期望再动手；提出 2-3 个明确的重构点（命名、拆分、去重、错误处理）再逐条实现；如果语言不熟，提前熟悉自己语言的 string / 模板写法，别把时间花在搭环境上。

• GPU credit 核心是 unordered 时间戳 + 回溯，无复杂度要求别过度优化
• IP iterator 挂点常在 endpoint 边界（少一个 IP）
• JS refactor 考的是读懂 test + 提出重构点 + 临场实现，不是算法
• 所有 coding 都以「跑通 + 测试绿」为硬指标，工程美感是次要

四、Design 轮：Payment / CI-CD / Webhook 高频主线

OpenAI 的 design 高频题有清晰的排序，候选人总结「前六个是高频，后面的都只是很小概率」：payment system、multi-tenant CI/CD、webhook、slack、place of interest、chess.com。其余（youtube、calendar、ChatGPT、Sora、online IDE、short url、web crawler）是低频。 payment system：前半是标准设计，能提到 idempotency key 和 state transition 就能拿前半部分的分；后半常加一个「每天晚上 10 点把最终结果 commit（比如加上小费）」的 batch 环节——多位候选人栽在这，建议提前准备 failure point 及其解法（用 LSI / 状态字段让 query 变简单，而不是死磕 partition/sort key 设计）。 multi-tenant CI/CD：prompt 是「design a multi tenant CI/CD system which schedules and executes user defined workflows in response to git pushes」，workflow 是单个 YAML 里定义的一串 job。核心考点是exactly-once execution——面试官会反复强调「把 job 看成单一 task 就好，甚至不需要 linear」，并追问 multi-tenant 隔离怎么做、stuck 的 running state 怎么处理（加 create time，用 reconciler pull 超时的直接 set fail）。提前 clarify scope（不需要关心 container image / k8s，假设每个 job 是 shell script）。 webhook：「users register their callback address and an eventId，eventId 触发时 call 注册的 callback，1B events/day」——考点是去重、重试、背压、多租户回调隔离。 slack：高频追问点是 large channel 用 pull model、DM/小 channel 用 push model，以及 multi-device（session table 会不会让 inbox bloat）。一个共性教训：别在一个点（比如 large channel）耗太久，scale 收尾（cache + sharding）要在开头就 cover，剩 5 分钟再补 cache 往往来不及。

• 高频前六：payment、multi-tenant CI/CD、webhook、slack、POI、chess.com
• Payment 后半的 batch commit（加小费）是高频挂点，准备 failure point
• CI/CD 考点是 exactly-once + multi-tenant + stuck 状态恢复
• Design 开头就 cover scale（cache + sharding），别留到最后
• 先 clarify scope，再谈 deep dive，避免被面试官节奏带偏

五、Behavioral 与 Tech Deep Dive — Impact 是考点

OpenAI 的 BQ 轮不是纯行为面，而是 Tech Deep Dive：一位候选人的复盘是「投影片已经跟各大 AI chatbot 都讨论过，反正就是要吹自己如何主导、以及如何影响到其他 team，技术部分很看面试官对这个领域熟不熟，不熟反而好，可以把焦点放在 impact 和你在这个 project 的影响力上」。 这意味着你要准备一个 scope 大且有跨 team 影响的 project，能讲清楚「我主导了什么、影响了哪个 team、结果如何」。注意 OpenAI 的面试官「厉害的人见多了比较 picky 很难 impressed」，只讲技术深度不够，要突出 ownership 和 impact。 另外两个被反复提到的信号：第一，recruiter 会收集 comp——有候选人被问到「你在 XXX 的 base 和 equity 是多少」，recruiter 也会 share standard TC（L5 四年约 2M、base 320k；L6 四年约 3.2M、base 400k）；第二，culture mismatch 会单独被拒——一位候选人复盘「拒信里说如果你还有投其他 role 的话可以继续进行，如果是 culture fit 被拒的话不太可能特别跟我说其他 role 还可以继续」，所以 culture 信号不足往往有独立于技术的原因。

• BQ 轮 = Tech Deep Dive，考 impact 与跨 team 影响力，不是纯行为题
• 准备一个大 scope、有跨 team 影响的 project 完整叙事
• Recruiter 会收集 comp（base/equity），也会 share standard TC
• Culture mismatch 是独立挂因，拒信暗示「可继续其它 role」往往是 culture 信号

六、常见挂因复盘

从 2026 年 OpenAI SWE 候选人的失败案例里，可以归纳出五类高频挂因。 1. 末端被拒（最常见、最遗憾）。走到 hiring committee 才收到拒信。常见原因：某几轮只是 weak hire 而不是 strong hire，累计不满两个 strong hire 就过不了 committee。启示：每一轮都要有明确的强 signal（一个讲透的 design、一个跑通且测试绿的 coding），不要指望 committee 翻盘。 2. Coding 只做到「能跑」但没跑通测试。GPU credit 这类题，端出正确思路只是及格线，「跑通所有 test case」才是硬指标。多位候选人的失败复盘都指向「没来得及跑通 test case」或「ending case 少一个」这类边界。 3. 在某一问上耗太久。多问逐题放出的结构下，卡在第一问导致后面几问没写完，是高频挂法。先保当前一问的测试绿，再推进。 4. Design 没有 scale 收尾。slack、chess 这类题，large channel / stateful service 讨论太久，剩 5 分钟才提 cache 和 sharding，scale 分拿不到。 5. Tech Deep Dive 讲不出 impact。只讲技术细节、讲不出「我主导 + 影响了别的 team」，会显得 ownership 不足——OpenAI 对 impact 的门槛明显高于「技术很熟」。

• 末端被拒：累计不满两个 strong hire，每轮都要有强 signal
• Coding 以「跑通 + 测试绿」为硬指标，边界 case 是高频挂点
• 多问结构下别在第一问卡太久
• Design 开头 cover scale，Deep Dive 突出 impact

七、4 周训练计划

按 OpenAI 实际流程的权重排优先级：coding 速度 > design 高频题 > deep dive 故事库。 Week 1 — 三档 coding 打底 + 速度训练。把 60min simulation 和 75min algorithmic 两种节奏各练 2 次，强制自己在 10 分钟内给出能跑的第一版。重点刷：IP iterator、GPU credit、KV 序列化、file dedup。把「IP 转整数 / CIDR 位运算」和 Python 线程原语（Lock/Condition/Semaphore/Event/Barrier）各整理成一页纸。 Week 2 — Design 高频前六。payment system、multi-tenant CI/CD、webhook、slack、POI、chess.com 各做 30 分钟，用「clarify → 数据模型 → 核心流 → failure recovery → scale 收尾」框架。payment 专门加练 batch commit + failure point；CI/CD 专门练 exactly-once 和 multi-tenant。 Week 3 — 低频 design + JS refactor。补 youtube/calendar/online IDE 等低频题的框架；找 1-2 段 messy 代码练 refactor（读 test → 提重构点 → 实现 → 跑绿）。前端背景再加 React 细节。 Week 4 — Deep Dive 故事 + 全流程模拟。把一个大 scope project 写成「主导 → 跨 team 影响 → 量化结果」的叙事，准备 2 个 impact 故事。最后两天做 2 次完整模拟（75min coding + 45min design），请人按 OpenAI 的速度和追问强度压。

• Week 1：三档 coding + 速度 + IP/线程一页纸
• Week 2：Design 高频前六，payment/CI-CD 重点
• Week 3：低频 design + JS refactor
• Week 4：2 个 impact 故事 + 2 次全流程模拟

八、如果时间紧迫

如果距面试不足两周，优先级排序是：先保 coding 速度（多问结构下把每问跑通测试绿），再保 design 高频前三（payment、CI/CD、webhook），deep dive 故事压缩到 1 个最强的 impact 叙事。OpenAI 的 cycle 很快（onsite 当天告知结果），末端 committee 又 hyper selective，时间紧的时候不要同时开太多公司流程，把 signal 集中在 OpenAI 一家上。 如果希望有人帮你按 OpenAI 的真实题型做一轮模拟（75min 多问 coding + payment/CI-CD design 追问 + deep dive 压），可以预约 30 分钟免费咨询，我们会评估你当前距离各轮 bar 的差距，再决定投入哪个环节。也可以看看我们针对 OpenAI 的完整备考指南： 相关文章：
OpenAI 面试备考指南 · OpenAI 机器学习工程师面试题汇总 · SWE 面试全解析 · 面试辅助服务

• 时间不足两周：coding 速度 > design 高频前三 > impact 故事
• Cycle 快 + 末端 hyper selective，别同时开太多流程
• 30 分钟免费咨询可评估你距离各轮 bar 的差距