Pinterest SWE 面经 2026：Coding、System Design 和 Ads 业务题

💡 核心要点 (Key Takeaways)

• Pinterest SWE 面试主轴是业务化 Coding（数据聚合、Pin Graph、Sparse Matrix / DFS）+ 一轮 System Design（pins search、个性化推荐、Ads serving）+ Ads 业务题（Ads 团队高频）+ BQ；Pin、Board、Policy 内容场景贯穿 coding 和 design 全程，题目「不难但追问深」。
• 数据聚合是最高频且最区分人的 coding 题型：从基础 set 去重聚合起步，follow-up 一路追到 date range 查询、索引策略、增量 vs 全量、高 QPS 缓存；第一版实现决定后面追问的下限，写之前先口头讲清聚合口径。
• Ads 业务题是 Pinterest SWE 的差异化考点：Ads 是核心营收来源，Ads 团队候选人会遇到 impression serving、eCPM 排序、ad load 与用户体验 trade-off、frequency capping、attribution 这类问题，要能讲业务闭环而不只是算法。
• System Design 高频方向是内容平台场景：pins search engine、个性化推荐 feed、Ads serving pipeline；policy / safety filter（内容审核放在链路哪一层）是 Pinterest 特有必答项，不能只讲 happy path。
• 公开面经信号按「年份 + 级别 + 岗位」筛选、以 2-3 篇共识判断轮次结构（Pinterest 面经量比头部公司少，个例更要谨慎）；7 天保数据聚合 + BQ 下限，14 天补 System Design 和 Ads 题，30 天加深挖库和完整 mock。

这篇适合谁

这篇写给准备 Pinterest Software Engineer（SWE）面试的候选人，覆盖 Backend、Ads / Ads Engineering、Data / Platform 等技术方向，级别以社招中高级（Pinterest P50-P60，大致对标 Google L4-L5 / Meta E4-E5）为主，NG / Intern 的结构差异会在流程一节单独说明。文章基于 2026 年公开面经信号和 Pinterest 公开面试机制整理，各团队、地区、级别的轮次结构会有出入，以实际收到的邀请为准。

一句话定位：Pinterest SWE = 业务化 Coding（数据聚合、Pin Graph、Sparse Matrix / DFS）+ 一轮 System Design（pins search、推荐、Ads serving）+ Ads 业务题（Ads 团队高频）+ BQ。Pin、Board、Policy 内容场景贯穿全程，准备的重点不是刷题数量，而是「第一版简单实现能不能被追问到生产级答案、业务 trade-off 能不能讲清」。想看公司级完整题型清单（含 MLE、Data 方向），见 Pinterest 公司页；本篇只展开 SWE 岗位的全流程。

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

Pinterest SWE 的主线流程是：投递 / 内推 → Recruiter Screen → OA（CodeSignal，NG 必考 / 部分社招）→ Phone Screen → Onsite / VO（4-5 轮）→ HM / Team Match → offer。公开信号里有两个特点要提前知道：VO 每轮时长偏长（多为 60 分钟），且 Pin / Board / Policy 内容场景会出现在 coding 和 design 题里。各轮大致长这样：

• Recruiter Screen（30-45 分钟）：不考技术，聊动机、背景、级别期望和地点。SWE 岗位常被问「你最有代表性的一个系统是什么」，要能一句话说清规模（QPS、数据量、可用性）和个人贡献，「做过一个后端服务」这种颗粒度不够。
• OA / CodeSignal（约 90-120 分钟，2 题）：NG / Intern 基本必考，社招部分岗位在简历通过初筛后跳过。公开信号：题目偏数据处理和 coding（去重聚合、范围查询、图遍历），medium 难度，限时作答。以实际收到的邀请为准。
• Phone Screen（45-60 分钟）：1 道 medium coding，常带业务 flavor——数据聚合（去重、分组统计、范围查询）和图（多查询 BFS）是公开信号里的高频方向。考察的是无提示下能否完成第一版实现、把复杂度讲清楚，follow-up 常见「数据量 10 倍怎么优化」「再加一个 range query」。
• Onsite / VO（4-5 轮，每轮 45-60 分钟，通常一天面完）：常见结构是 2-3 轮 Coding（数据聚合 / 图 / 矩阵-DFS，follow-up 层层加码）+ 1 轮 System Design（P60 及以上必考，搜索 / 推荐 / Ads serving 是高频方向）+ 1 轮 Behavioral。部分 Ads / 推荐方向 team 会加一轮轻量 ML（retrieval、ranking、feedback loop），Data / Platform 方向偶尔带一道轻 SQL / pipeline 题。
• HM / Team Match：VO 通过后进入结果确认阶段：hiring manager 沟通方向、level（P50 / P60）和 comp，跨组调剂（team match）也发生在这里，不再考技术，重点是双向确认团队方向和 scope。

题型雷达：Coding、System Design、Ads、BQ 各占多少

按 SWE 岗位把题型按出现频率排个雷达图：

• 业务化 Coding（最高频，2-3 轮）：Pinterest 最有特色的题型——题面几乎都包在 Pin / Board / Policy 业务背景里，三大主线是数据聚合（unique pins、按 policy 统计、date range）、图（pin related、board distance、多查询 BFS）、矩阵 / DFS（sparse matrix、robot 迷宫）。共同特点是第一版不难（medium），但面试官会持续加 follow-up——range query、索引、增量 vs 全量、可见性过滤、高 QPS——考的是你能不能把简单实现扩展成生产答案。
• System Design（1 轮，中高级必考）：高频方向是内容平台场景——pins search engine、个性化推荐 feed、Ads impression serving。考点是需求澄清 → 数据模型（Pin / Board / User）→ API → 存储与索引 → 缓存与延迟 → 降级与监控的完整闭环。Pinterest 特有部分是 policy / safety filter：内容审核要主动放进链路（检索层还是排序层过滤、怎么降级），不能只讲 happy path。通用结构框架可以看 SWE System Design 准备，这里重点说 Pinterest 场景怎么落。
• Ads 业务题（Ads 团队高频）：Ads 是 Pinterest 的核心营收来源，Ads 方向候选人的 coding 和 SD 轮会带广告业务 flavor——impression serving（top-k 选择）、eCPM 排序、ad load 与用户体验的 trade-off、frequency capping、attribution、fraud detection。考的不是算法深度，是业务闭环：营收指标（eCPM、fill rate）和体验 guardrail（ad load、负反馈率）怎么平衡、怎么用 A/B test 验证。高频题一节展开。
• ML / 推荐（1 轮或穿插，部分 team）：不是完整 MLE 轮，而是轻量推荐链路题：retrieval → ranking → re-ranking → feedback loop、冷启动、online-offline skew、A/B test。如果投的是 MLE 岗位，主轴完全不同（retrieval、ranking、feature、safety、feedback loop 是主线），见 Pinterest 公司页 的 MLE 部分，两岗位不要混着准备。
• SQL / 数据 pipeline（低频）：SWE 岗位一般没有独立 SQL 轮；Data / Platform 方向 team 偶尔带一道轻 SQL 或 pipeline 题，知道 join 口径和 dedup 逻辑即可。
• BQ / Behavioral（1 轮或每轮穿插）：高频方向：一次技术分歧（disagree but commit）、一次失败、一次主动扛下来的事、跨团队（产品 / policy / data）协作、为什么 Pinterest。准备 5-6 个 STAR 故事，每个能接两层追问；Pinterest 的 BQ 对跨团队协作（尤其涉及 policy / 内容安全）的口味偏重。

高频题目：8 个代表题型和考点

以下是 2026 年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：

• Policy violation records 聚合（数据 coding 最高频）：给定 policy violation 记录表，统计每个 policy 下的 unique pins。考点：去重逻辑（重复记录怎么定义）、分组聚合；follow-up 追到 date range 查询（索引策略）、增量计算 vs 全量重算的取舍、高 QPS 下的缓存和分区。这是公开信号里追问链最长的一类题，必练「简单聚合 → 生产场景」的扩展。
• Pin related / board distance（图最高频）：给定用户关注、pin-board 归属关系图，找相关 pin 或算两个 board 的距离，常要求处理多个查询。考点：多查询 BFS、memoization（中间结果复用）、可见性过滤（private pin 不可见）。多查询 BFS 做不出来是直接挂点。
• Sparse matrix add / multiply：两个稀疏矩阵完成加法或乘法，再追「矩阵上十亿规模、稀疏度千分之一」。考点：数据结构选型（hash table vs 有序数组）、复杂度分析、内存布局，follow-up 常落到怎么并行化和内存上限。
• Robot / 迷宫系列（DFS）：robot 8 方向移动、escape room、two robots 协作这类题。考点：状态定义、环的处理（visited 标记）、路径重构，follow-up 是「加一个新约束」（障碍动态变化、机器人不能相遇）后方案怎么改。
• Ads impression serving（Ads 题最高频）：给定用户请求和一批候选广告，选出 top-k 展示。考点：eCPM（predicted CTR × bid）排序、ad load 控制、frequency capping、延迟预算（impression 请求是毫秒级）；follow-up 追「predicted CTR 实时怎么更新」「attribution 窗口怎么定」。
• Ads ranking 与 bidding：设计广告排序和竞价机制（GFP vs GSP、reserve price），平衡营收和用户体验。考点是业务闭环：营收指标（eCPM、fill rate）vs 体验 guardrail（ad load、投诉率、内容体验），改动怎么用 A/B test 验证、guardrail 掉了怎么决策。
• Pins search engine（SD 高频）：query understanding（关键词、图像搜索、语义）、索引（倒排索引 + embedding ANN 检索）、排序（相关性 vs 多样性）、延迟与降级、policy filter（被屏蔽内容怎么过滤）。考点是审核层和缓存策略放在链路的什么位置，而不是罗列组件。
• 个性化推荐 feed（SD 高频）：retrieval（i2i、u2i、embedding）、ranking 模型 serving（feature freshness、online-offline skew）、re-ranking（多样性、新鲜度）、冷启动、feedback loop、policy safety。考点是数据闭环——线上反馈怎么回流训练、bad case 怎么 review，只背模型结构讲不下来。

公开面经信号怎么读

一亩三分地等面经社区是 Pinterest 面试信息最集中的公开来源，但 Pinterest 的公开面经量比头部公司少，读法更重要。几个原则：

按「年份 + 级别 + 岗位」筛选。2026 年 P60 SWE 的信号和 2024 年 NG 的信号可能完全不一样（轮次结构、OA 题型、SD 深度都在变），只看最近 2-3 篇。岗位必须对得上——MLE 的信号（retrieval、ranking、feature、safety）对 SWE 参考价值有限，反过来也一样，混着看会准备错方向。

找共识，不信个例。Pinterest 面经量少，单篇面经说「全程就 5 轮」或「只有一轮 coding」不能当结论；两到三篇独立帖子都提到「数据聚合题会追到 range query / 索引」「SD 是搜索或推荐场景」「Ads 团队有广告业务题」，这个结构才可信。面经作者有幸存者偏差（过的人爱写，挂的人少写），整体难度感知会偏乐观。

提取「轮次结构 + 题型方向 + 挂点」，忽略剧情。每篇面经真正有用的信息密度就这三样：每轮考什么类型、面试官追问到什么深度、作者觉得自己过 / 挂在哪。故事细节、情绪、对面试官的评价都不需要带进你的准备里。

不搬运、不暗示合作。本站所有 Pinterest 面经内容都只归纳公开信号，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：Pinterest SWE 独有的失分方式

把公开面经里的挂因和模拟面试复盘对照，Pinterest SWE 特有的失分点集中在这几个：

• 数据聚合停在第一版：最 Pinterest 特色的挂点。用 set 做完第一版去重就停住，面试官追「date range 查询怎么办」「数据量 10 倍」时断片。公开信号很明确：数据处理题经常从基础 set 聚合追到索引、range query、高 QPS。写之前先口头讲清聚合口径（什么算 unique、重复记录怎么定义），做完主动给「范围查询 + 规模」两个扩展方向，别等面试官问。
• 图题没处理多查询和可见性过滤：pin related / board distance 题追到「连续一千个查询怎么做」（memoization）和「private pin 不可见怎么过滤」时，只记得单次 BFS 的候选人会挂。多查询 BFS + memoization + 可见性过滤是这类题的固定三连。
• SD 漏掉 policy / safety filter：搜索 / 推荐 SD 只讲 happy path（retrieval → ranking → 返回），不主动放内容审核层（在链路哪层过滤、误杀怎么兜底、审核服务挂了怎么降级）。Policy 场景贯穿 Pinterest 业务，这是区别于其他内容平台的必答题。
• Ads 题只讲算法不讲业务：impression serving / 排序题只答「按 CTR × bid 排序」，讲不出 ad load 和用户体验的 trade-off、frequency capping、attribution 窗口、fraud detection。Ads 是核心营收，面试官要看到业务闭环，不是单点算法。
• Pin / Board 数据模型没建立：不知道 Pin 是原子内容单位、Board 是集合、User 有关注关系，题目说「pin related」时先花三分钟澄清图结构（边是什么、方向性、可见性）再动手，是这类业务题的基本动作。
• Coding 轮闷头写：60 分钟的轮次，前 10 分钟读题澄清占 8 分钟，之后闷头写。Pinterest 面试官更在意「边写边说」的过程（为什么选这个数据结构、为什么这么取舍），不说话是减分的，处理方法和节奏见 SWE VO Coding 沟通闭环。
• BQ 故事缺跨团队 flavor：高频 BQ 方向是跨团队协作（产品 / policy / data），纯个人技术故事匹配度低；涉及内容安全、数据口径冲突的跨团队故事是加分项。

准备路线：7 天 / 14 天 / 30 天

按你距 VO 的天数选路线。三个版本的共同原则：数据聚合和图的追问链永远优先，System Design 和 Ads 业务题次之，BQ 保下限，最后两天只留 mock 和状态调整，不学新东西。

• 7 天（保下限版）：D1 数据聚合：限时做 1 道 violation records 类题，强制先讲口径再写，做完主动讲「range query、规模、缓存」三个扩展方向；D2 图：pin related / 多查询 BFS，练到 memoization 和可见性过滤 follow-up 张口就来；D3 矩阵 / DFS：1 道 sparse matrix 题（做到十亿规模 follow-up）+ 1 道 robot 迷宫题；D4 Ads 题：白纸上完整讲一遍 impression serving（top-k、eCPM、ad load、frequency capping、attribution），录音回听；D5 BQ：按「技术分歧、失败、跨团队（产品 / policy）、为什么 Pinterest」各写 1 个 STAR 故事，口述录音回听；D6 完整 mock 1 场数据聚合（含两级 follow-up）+ 10 分钟 BQ，录音复盘；D7 缓冲日，检查设备日程，早睡。
• 14 天（标准版）：在 7 天基础上——D8-D9 System Design：按「需求澄清 → 数据模型 → API → 存储 / 索引 → 缓存与延迟 → 降级与监控 → policy filter」走，各做 1 道 pins search engine 和个性化推荐题，每道练到 60 分钟讲完；D10 Ads SD：讲一遍 Ads impression serving pipeline（实时特征、模型 serving、排序、ad load 控制、日志与 attribution）；D11-D12 把 D1-D2 做过的数据聚合和图题重做一遍，这次强制第一版就给出生产扩展方案；D13 项目深挖：resume 上 2 个主项目各写三层答案（概述 2 分钟 → 规模与取舍 5 分钟 → 反思与结果 3 分钟），数字做速查表；D14 缓冲日。
• 30 天（系统版）：在 14 天基础上——D15-D18 专项 follow-up：给每道 coding 题补三类追问（规模 10 倍、实时更新、并发一致性 / 失败路径），每类给出方案 + 复杂度 + 取舍；D19-D22 补 2 道 SD（leaderboard 类、personalized chatbot 类）+ 1 道轻 SQL / pipeline 题（防 team 是数据方向）；D23-D25 BQ 故事库扩到 6-8 个，练三层追问（approach → 细节 → reflection）；D26-D28 连续 2-3 场完整 mock（找真人或录音），重点看 follow-up 接没接住、边写边说的节奏；D29 复盘 mock，把断片点写下来各补一段；D30 缓冲日。

FAQ：Pinterest SWE 面试 5 个高频问题

Q1：Pinterest SWE 面经和其他公司差别大吗？
差别集中在「业务化 coding + Ads 业务题」。coding 轮的题面几乎都包在 Pin / Board / Policy 背景里（数据聚合、Pin Graph、Sparse Matrix 是三大主线），追问会一路追到 range query、索引、高 QPS；System Design 高频方向是 pins search、个性化推荐、Ads serving，且 policy / safety filter 是必答题；Ads 团队候选人还会遇到 impression serving、eCPM、ad load 这类业务题。和其他公司比（比如 DoorDash 的 Code Craft 多轮迭代、Uber 的 dispatch / ETA SD），Pinterest 的题目特点是「第一版不难，但追问链长、业务 flavor 重」。公司级完整题型清单看 Pinterest 公司页。

Q2：Pinterest SWE 面试几轮？
社招通常是：Recruiter Screen（不考技术）→ OA / CodeSignal（约 90-120 分钟 2 题，NG 必考、部分社招岗位有）→ Phone Screen（45-60 分钟，1 道业务化 coding，数据聚合 / 图高频）→ Onsite / VO 4-5 轮（2-3 轮 Coding + 1 轮 System Design + 1 轮 Behavioral，部分 Ads / 推荐 team 加一轮轻量 ML）→ HM / Team Match。轮次数量和结构因团队、级别、地区而异，具体以实际收到的邀请为准。

Q3：Pinterest SWE 考什么？难度如何？
Coding 难度 medium 但追问深：第一版不难，难在「聚合 → range query → 索引 → 高 QPS」的追问链；System Design 对标同级内容平台公司，搜索 / 推荐 / Ads serving 场景高频，P60 及以上必考，policy filter 是必答项；BQ 1 轮或穿插，跨团队协作（尤其涉及 policy / 内容安全）高频；Ads 方向岗位额外考广告业务闭环（eCPM、ad load、attribution）。主轴是「简单实现能不能扩展成生产级答案、业务 trade-off 能不能讲清」，不是算法竞赛深度。

Q4：Pinterest 有 OA 吗？CodeSignal 是什么样？
NG / Intern 基本必有 OA，部分社招岗位也有。公开信号：CodeSignal 形式，约 2 题、限时，题目偏数据处理和 coding（去重聚合、range query、图遍历），medium 难度。收到 OA 但时间紧的话，至少把「数据聚合」和「图遍历」两类题各限时刷 2 题，这两类是公开信号里 OA 和电面共用的高频方向。

Q5：SWE 和 MLE 怎么区分准备？
SWE 主轴是业务化 coding（数据聚合 / Pin Graph / Sparse Matrix）+ System Design（搜索 / 推荐 / Ads serving）+ BQ；MLE 主轴是推荐系统闭环（retrieval、ranking、feature、safety、feedback loop）+ 项目深挖，SD 占比低。两个岗位共用「Pin / Board / Policy 场景 + follow-up 追问」的流程底色，但题型重心完全不同——投 SWE 按本篇准备，投 MLE 看 Pinterest 公司页 的 MLE 部分，不要混着刷题。