Amazon Software Engineer 面试题目合集 | 144+ 道真实面经
Amazon Software Engineer 面试题目合集，整理自 144+ 道真实面经，覆盖 Loop 终面（6-8 轮）、Leadership Principles 行为面、Bar Raiser 机制、Coding 高频题详解。
阅读全文Amazon Interview Guide
Amazon 面试辅助：OA、LP、System Design 准备
Amazon SWE、DE、MLE 面试准备，覆盖 OA、coding、system design、Leadership Principles 和项目行为面试。
Related Articles
Amazon 相关文章
继续查看这个公司的岗位拆解、题型复盘和专项准备文章，按自己的轮次选择阅读。
Amazon Machine Learning Engineer 面试题目合集 | 13+ 道真实面经
Amazon Machine Learning Engineer 面试题目合集，整理自 13+ 道真实面经，覆盖 Behavioral Questions、Coding Questions、System Design，附高频考点分析。
阅读全文Amazon Data Engineer 面试题目合集 | 8+ 道真实面经
Amazon Data Engineer 面试题目合集，整理自 8+ 道真实面经，覆盖 Behavioral Questions、Coding Questions、System Design，附高频考点分析。
阅读全文Amazon Data Scientist 面试题目合集 | 50+ 道真实面经
Amazon Data Scientist 面试题目合集，整理自 50+ 道真实面经，覆盖 SQL 数据查询、A/B 测试、机器学习建模、Leadership Principles 行为面，附高频考点分析和答题框架。
阅读全文数据分析师转 DS 突破 Amazon L4 3 个月准备
电商公司 DA 背景如何通过 3 个月系统训练拿下 Amazon DS L4：从 Behavioral 面一轮就挂到全过的完整案例，含核心痛点诊断与冲刺策略。
阅读全文Amazon 2027 New Grad / Intern 面试：OA、Interest Form 与后续流程
整理 Amazon 2027 New Grad 与 Summer Intern 的 OA、Interest Form、面试邀请和 Loop 准备信号，区分已确认信息与候选人个案。
阅读全文Question Radar
Amazon 高频必考题型
先看题型方向，再用下面的代表题目判断自己是否真的会拆题、会解释、会处理 follow-up。
OA / Coding：数组、图、字符串、堆、interval、模拟和边界测试。
Leadership Principles：ownership、bias for action、conflict、failure、customer obsession。
System Design：L5+ 要准备服务拆分、扩展性、监控、成本和故障恢复。
项目行为面：每个故事准备冲突、行动、量化结果和复盘。
Bar Raiser：同一故事要能接住 why、alternative、trade-off、result validity 和 if redo。
DE / Data：event pipeline、warehouse、data quality、late data、backfill、SLA 和下游影响。
MLE / Applied：recommendation、forecasting、ranking、experiment、offline-online gap 和 rollback。
Company Signals
Amazon 近期面试信号
从本地面经汇总里抽取高频信号，帮助你先判断该补 coding、设计、项目还是表达。
LP 行为面试权重高，需要每个故事都有冲突、行动和量化结果。
SDE 方向重视 coding 正确性、边界和扩展讨论。
L5+ 需要系统设计和 owner 视角。
Loop 中技术轮和 LP 不是分离的，coding / design 也会追问 ownership、trade-off 和 customer impact。
DE / MLE 候选人要把数据质量、实验指标和生产稳定性讲成业务影响，而不是只讲工具或模型。
Sample Questions
Amazon 代表题目清单
这些不是让你背答案，而是把公司常见考法翻译成可练习的具体题目和 follow-up 场景。
给定订单时间区间，合并 overlap 并计算峰值并发；follow-up 加取消订单和动态更新。
设计一个 package tracking / notification service，支持状态流转、重试、幂等和用户通知。
讲一个你发现线上问题并主动 owner 到底的故事，要求包含冲突、行动、指标和复盘。
设计用户行为日志 pipeline 或推荐实验，解释数据质量、延迟、guardrail 和 rollback。
讲一次你和团队意见不一致但最终推动结果的经历，说明客户影响、替代方案、你怎么验证结果。
设计订单事件从服务端到 BI dashboard 的数据链路，处理 late event、重复上报、回填和数据可信度标记。
为商品推荐或需求预测设计实验，说明 primary metric、guardrail、offline-online gap 和失败后的 rollback。
Depth Notes
Amazon 专项深挖
把题型清单继续拆成面试官会追问的能力证据，避免只停在关键词层面。
STAR 故事要一题多用
Amazon LP 准备不是背 16 条原则。更有效的是准备 8-10 个真实项目故事，每个故事映射 2-3 个 LP，并提前写好冲突、替代方案、量化结果和复盘。避免每个 LP 都编一个薄故事。
技术轮也会看 owner 视角
Coding 写完后可能追问如何上线、如何监控、如何处理客户影响；system design 也会追问成本、oncall、故障和团队协作。回答要从代码正确性延伸到生产责任。
不同 level 的证据不同
L4 更看重执行和学习速度，L5 要证明独立 owner 一个模块，L6 需要讲跨团队影响、长期架构演进和模糊需求下的决策。项目故事要按目标 level 调整证据密度。
Prep Plan
建议准备路线
先定位轮次，再决定优先补题型、项目、设计还是表达。
准备 8-10 个 STAR 故事，并映射到常见 LP。
用 OA 限时训练提升读题、实现和测试速度。
针对目标 level 准备系统设计和项目 ownership 深挖。
为每个核心项目补一版 Amazon 叙事：customer problem、constraints、action、metric、lesson。
按 L4 / L5 / L6 区分表达重点：执行稳定、模块 ownership、跨团队取舍和长期演进。
Amazon 常见目标岗位
SWEDEMLE
建议重点模拟这些轮次
OAPhone ScreenLoopSystem DesignLeadership Principles
代面服务
Amazon 代面（代面试）服务
针对 Amazon 的轮次结构定制：技术轮老师现场作答、你露脸对口型，项目深挖与 BQ 提前准备到位。
Amazon（亚马逊 / 亚麻）全流程通常 OA → Phone Screen → Loop（多轮 tech + LP）→ System Design → Bar Raiser。LP 行为面权重高，技术轮也会追问 ownership 和 customer impact。
- Coding 轮：数组、图、字符串、堆、边界测试——老师现场作答，你对口型
- LP 行为面：每个故事都要有冲突、行动、量化结果——提前陪你打磨 STAR 故事，一题多用
- Bar Raiser：同一故事要接住 why / alternative / trade-off / if redo——提前准备深挖问答
$499/轮 起 · 多轮连面有打包价 · 建议面试前 3-5 天准备
实时辅助
Amazon SWE 辅助（实时）
面试官提问后 0.5-1 秒出答案，你露脸照着念。按 Amazon 的题型和节奏给话术。
Amazon Loop 里技术轮和 LP 不分离——coding 时也会问 ownership 和 trade-off，实时辅助两条线同时接。
- Coding：主解 + 边界用例 + 扩展讨论话术实时给出
- LP 问题：STAR 故事要点（冲突 → 行动 → 量化结果）实时给出
- System Design：服务拆分、扩展、监控、成本、恢复框架实时给出
$299/轮 起 · 建议面试前 2-3 天准备并做一次模拟
OA 代写
Amazon OA 代写
收到 OA 但没时间刷题？发过来，按你收到的具体 OA 题型报价。
Amazon（亚马逊）OA 是流程第一关，题型集中在数组、图、字符串和模拟。收到 OA 但没时间刷题？发过来，从题目分析到完整方案全程代做，限时窗口内交付。
$199 起 · 提前 1 天准备 · 限时窗口内交付
Company Comparisons
常被一起比较的公司攻略
如果你同时投递多家公司，可以用这些相邻攻略比较轮次、题型和评分重点，避免用一套准备方法硬套所有公司。
Adobe 面试辅助：SWE Coding、System Design、DS/DE 准备
面向 Adobe SWE、DS、DE、MLE 候选人的面试准备攻略，覆盖 coding、OOD、system design（Creative Cloud、内容协作）、SQL、实验设计和 Adobe values behavioral。
查看 Adobe 攻略Airbnb 面试辅助：SWE Coding / OOD、Values 面、DS/DE 准备
面向 Airbnb SWE、DS、DE、MLE 候选人的面试准备攻略，覆盖 coding、OOD、system design（搜索、预订、定价）、SQL、实验设计和 Belong & Belonging values behavioral。
查看 Airbnb 攻略Meta 面试辅助：SWE / MLE / DE 常见轮次准备
面向 Meta SWE、MLE、DE 候选人的面试准备攻略，覆盖 coding、behavioral、system design、ML design 和项目深挖。
查看 Meta 攻略MongoDB 面试辅助：Coding、数据库类系统设计、DS/DE 准备
面向 MongoDB SWE、MLE、DE、DS 候选人的面试准备攻略，覆盖 coding、数据库相关系统设计（复制、分片、索引、一致性）、SQL 与聚合、B2B SaaS 产品分析和 behavioral。
查看 MongoDB 攻略Netflix 面试辅助：Take-Home、Coding、Keeper Test 准备
面向 Netflix SWE、MLE、DE、DS 候选人的面试准备攻略，覆盖 take-home、coding、system design、SQL、实验设计和 Keeper Test behavioral。
查看 Netflix 攻略FAQ
Amazon 面试常见问题
Amazon 的 16 条 Leadership Principles 怎么准备？
Amazon 面试中每轮都有 LP 深挖环节，面试官会逐条追问你的 STAR 故事。建议准备 20+ 个故事模板覆盖高频 LP（Customer Obsession、Ownership、Dive Deep 等），每个故事都要能回答 3-5 个 follow-up 问题。
Amazon 面试和 Meta/Google 有什么不同？
Amazon 面试最独特的是 16 条 LP 深挖和 Bar Raiser 角色。Coding 和 System Design 难度中等，但 Behavioral 面占比很高。每轮面试都有一位 Bar Raiser（跨部门面试官），他对 LP 的评分权重更高。建议 LP 准备和技术准备同等重视。
Amazon 的 Bar Raiser 是什么？
Bar Raiser 是 Amazon 面试中的特殊角色，由跨部门资深员工担任，负责确保 Hiring Bar。Bar Raiser 对 LP 的评分权重更高，甚至有一票否决权。建议面试时注意识别 Bar Raiser（通常会自我介绍），在 LP 故事上花更多时间。
Amazon 面试需要准备多久？
建议至少提前 8-10 周开始系统准备。前 2 周逐条拆解 16 条 LP 准备 STAR 故事，中间 4 周练 SQL + A/B testing + 实验设计，最后 2 周做全真 VO 模拟刻意练 LP 追问环节。
Amazon 面试辅助适合哪些岗位和轮次？
Amazon 面试辅助会按岗位、level 和实际轮次制定准备计划，覆盖 SWE、DE、MLE 等常见岗位，以及 OA、Phone Screen、Loop、System Design、Leadership Principles 等环节。通常先用题型诊断与模拟面试定位短板，再集中训练表达、边界测试、项目深挖和关键 trade-off。
Amazon 一亩三分地面经应该怎么看？
一亩三分地等公开面经适合用来判断 Amazon 高频题型、轮次和常见挂点，但不要只背原题。更稳的做法是把面经拆成 OA / Coding / Design / Behavioral / HM 五类信号，再按目标岗位和 level 做限时训练。
Amazon 代面、面试辅助、OA 代写多少钱？
Amazon 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起；OA 代写 $199 起，提前 1 天交付。最终价格按岗位、轮次和具体面试情况浮动，添加微信 interview_coach_pro 先聊 30 分钟免费咨询再报具体价格。
