先分岗位
Anthropic 的不同岗位和团队可能考不同内容。先核对 JD 与面试邀请，再选对应题型。
Question Study
Anthropic 面试题专题
本地面经库有 118 条来源 URL 去重后的记录，其中 113 条有正文；目前整理出 35 道代表练习题，其中 35 道已完成独立深文。题目清单仍在逐帖核对和补充。
Reading Guide
如何使用这份题目清单
题目根据面经方向重新表述，其中可能包含站内攻略建议的训练题；它们不是公司的官方题库，也不保证下一场面试重复出现。
合并同题变体
相同核心考点只保留一条，后续的附加约束放在原题里练，避免把同一道题当成多道题刷。
练习顺序
先口述输入、输出和边界，再写核心方案；最后解释复杂度、失败路径和面试官可能追加的约束。
Featured Deep Dive
重点题：Tokenizer
先把这道题的核心思路讲完整，再根据自己的目标岗位挑下面的题继续练。
题目（练习版）
用词表最长匹配切分文本：app/apple/UNK 如何处理连续未知字符并优化重复扫描？
解题路线与追问
- 从当前位置找词表中最长匹配；若无匹配，消耗一个字符并输出 UNK，连续未知字符合并。
- 用 Trie 减少反复枚举子串；记录最近的终止节点，不能只接受走到最远的前缀。
- 测试 app/apple 的前缀重叠、连续未知字符、空文本与空词；局部最长匹配不等于全局最优分词。
Deduplicated Question Map
按考点去重的代表题
同一题的追加条件合并在一条里。题目清单用于确定训练范围；具体流程和准备优先级见公司攻略。
用词表最长匹配切分文本
用词表最长匹配切分文本：app/apple/UNK 如何处理连续未知字符并优化重复扫描？
阅读这道题的独立深文 →实现 key/field 两级数据库的 set/get/delete、词典序 scan、TTL、backup 与恢复后剩余寿命
实现 key/field 两级数据库的 set/get/delete、词典序 scan、TTL、backup 与恢复后剩余寿命；get_when 另一变体待核。
解题切入：多级数据库每级先固定 API 与时间语义；TTL 过期读取和 backup/restore 后剩余寿命需用测试锁定。
阅读这道题的独立深文 →用 HtmlParser 抓取同 hostname 页面，去 fragment 后去重
用 HtmlParser 抓取同 hostname 页面，去 fragment 后去重；追问线程安全与多服务器恢复。
解题切入：Crawler 先按 hostname 过滤并去 fragment 后入 visited；并发时检查和插入须原子完成，分布式恢复另需队列租约。
阅读这道题的独立深文 →解析 stack trace，只保留最后 m 个 frame 时如何恢复调用链，并处理循环调用和 malformed input
解析 stack trace，只保留最后 m 个 frame 时如何恢复调用链，并处理循环调用和 malformed input。
解题切入：保留最近 m 帧可用定长队列；循环调用不是解析器循环，需由进入/退出事件重建调用栈并校验畸形输入。
阅读这道题的独立深文 →设计 LLM inference service，拆 prefill / decode、KV cache、dynamic batching、TTFT、吞吐和降级策略
设计 LLM inference service，拆 prefill / decode、KV cache、dynamic batching、TTFT、吞吐和降级策略。
解题切入：prefill 与 decode 的瓶颈不同；调度时分别看 TTFT、token 吞吐、KV cache 占用和 batch 公平性。
阅读这道题的独立深文 →设计大模型 downloader，支持 chunk、checksum、断点续传、worker crash 恢复和不用中心 coordinator 的恢复方案
设计大模型 downloader，支持 chunk、checksum、断点续传、worker crash 恢复和不用中心 coordinator 的恢复方案。
解题切入：分块下载先定义 chunk 身份与 checksum，完成状态持久化；worker 崩溃后通过已验证的块集合恢复。
阅读这道题的独立深文 →设计 1 对 1 Web 文字聊天
设计 1 对 1 Web 文字聊天：1 亿 DAU、离线补消息、每会话顺序、用户会话索引和跨 server 丢消息恢复。
解题切入：1 对 1 聊天先用 1 亿 DAU 估写入峰值，再按 chat id 分片；user→chat 索引和主库补读路径必须明确。
阅读这道题的独立深文 →实现账户创建、入金、待确认转账与余额冻结
实现账户创建、入金、待确认转账与余额冻结；合并账户后同名重建怎样保持历史身份？
解题切入：银行系统把账户 id 和生命周期 incarnation 分开；未接受转账是冻结负债，合并后同名重建不可重写旧历史。
阅读这道题的独立深文 →为 A[m,512]×B[512,1048576] 估 FLOPs、最少访存、40GB 显存，追问 72 层与双 GPU 并行
为 A[m,512]×B[512,1048576] 估 FLOPs、最少访存、40GB 显存，追问 72 层与双 GPU 并行。
解题切入：矩阵乘先算 2mkn FLOPs 与输入输出字节下界，再按峰值算力/带宽给 roofline 下界；40GB 显存要计 workspace 与其他权重。
阅读这道题的独立深文 →对 m 张图片运行 n 条 JSON 流水线，每条 k 个操作
对 m 张图片运行 n 条 JSON 流水线，每条 k 个操作；核对顺序、输入复用、输出命名和多进程扩容。
解题切入：图片处理先固定 JSON 操作顺序与输出命名；按图片读取一次再扇出多条 pipeline，并用进程/线程实测 CPU 与 I/O 瓶颈。
阅读这道题的独立深文 →10 节点求全局众数与中位数，给定读数据与 send/recv 成本时如何减少网络传输？
10 节点求全局众数与中位数，给定读数据与 send/recv 成本时如何减少网络传输？
解题切入：分布式众数先压缩每节点值频表再归并；只有证明值域或重尾约束才能用近似候选缩减通信，中位数需单独的分布式选择协议。
阅读这道题的独立深文 →给定股票价格工具和仅支持单次调用的 starter，扩展多轮工具调用 agent loop 并优化到更少回合
给定股票价格工具和仅支持单次调用的 starter，扩展多轮工具调用 agent loop 并优化到更少回合。
解题切入：Agent loop 把模型输出的工具调用当作待验证命令，逐步执行并回填结果；限制轮数、工具权限、预算和错误恢复，再优化批量调用。
阅读这道题的独立深文 →设计可分享对话的提示词游乐场
设计可分享对话的提示词游乐场：无隐式上下文、10MB 提示、索引关系和多窗口客户端体验。
解题切入：Prompt Playground 每次模型调用要显式组装上下文；对话/版本/分享权限分表，长 prompt 用分块上传与服务端拼装减轻多窗口客户端负担。
阅读这道题的独立深文 →推理集群半数 GPU 宕机后，如何依据队列时延动态收紧准入并区分付费/免费用户？
推理集群半数 GPU 宕机后，如何依据队列时延动态收紧准入并区分付费/免费用户？
解题切入：GPU 故障后按可用服务能力、排队时长和 deadline 联动准入；付费/免费分队列与配额，避免一类流量挤占所有容量。
阅读这道题的独立深文 →8 GPU 池中大模型每批占 8 卡、小模型每批占 1 卡且时延相同，怎样调度才兼顾吞吐与公平？
8 GPU 池中大模型每批占 8 卡、小模型每批占 1 卡且时延相同，怎样调度才兼顾吞吐与公平？
解题切入：8 GPU 同池时，大批需全 8 卡，小批需 1 卡；调度先写资源保留与饥饿上界，再按 QPS/等待时长比较吞吐与公平。
阅读这道题的独立深文 →讲一次你原本认定别人错、后来被证据说服并真正改变决策的经历
讲一次你原本认定别人错、后来被证据说服并真正改变决策的经历。
解题切入：观点反转故事要给出原判断、反证、你如何改方案以及事后验证；避免把‘愿意倾听’当成真正改变决策的证据。
阅读这道题的独立深文 →如何评价 AI Safety 方法的不足
如何评价 AI Safety 方法的不足；若发布压力与风险信号冲突，你会怎样验证、升级并决定是否暂停？
解题切入：Safety 问题先区分原则与实测信号，明确谁有停线权限、验证实验、阈值与复盘；对具体机构治理不要替原帖补充事实。
阅读这道题的独立深文 →一个项目耗费约 50 engineer-years，如何用反事实、风险和长期收益判断其 ROI？
一个项目耗费约 50 engineer-years，如何用反事实、风险和长期收益判断其 ROI？
解题切入：项目 ROI 用 50 engineer-years 的成本口径和增量收益/反事实比较，区分现金收益、风险下降与长期平台期权。
阅读这道题的独立深文 →给定 TypeScript 仓库的 4 个 PR，逐一说明问题和评审意见，再选择一个 PR 改进
给定 TypeScript 仓库的 4 个 PR，逐一说明问题和评审意见，再选择一个 PR 改进。
解题切入：四个 PR 先分别重现问题、检查测试与副作用，再选改动可验证的一项；AI 工具提供线索，最终评审由代码证据和测试支持。
阅读这道题的独立深文 →在给定 Android 代码库中加入类似社交产品的发帖 UI，只做本地界面，不接网络
在给定 Android 代码库中加入类似社交产品的发帖 UI，只做本地界面，不接网络。
解题切入：Android 发帖 UI 先读 starter 的状态与导航约定，定义草稿、提交和错误状态；没有网络时用本地假数据测重建与无障碍。
阅读这道题的独立深文 →解释 TTFT、流式 token 间隔与端到端时延如何分段测量，比较 GPU/TPU/Neuron 的选型指标
解释 TTFT、流式 token 间隔与端到端时延如何分段测量，比较 GPU/TPU/Neuron 的选型指标。
解题切入：性能指标把首 token、相邻 token、完整响应拆成排队/预填充/解码/网络段；跨芯片比较还要看模型支持、显存和实际成本。
阅读这道题的独立深文 →如何设置对照组，验证一项 LLM 训练方法本身带来提升，而不是数据或评估偏差？
如何设置对照组，验证一项 LLM 训练方法本身带来提升，而不是数据或评估偏差？
解题切入：训练方法对照实验固定数据切分、算力预算与评估集，随机种子重复、消融和污染检测共同支持因果判断。
阅读这道题的独立深文 →讲一个失败项目
讲一个失败项目：你承担了什么责任，又如何在失败后找到可验证的影响？
解题切入：失败项目故事先承认失败定义和个人责任，再给止损、复盘与后来能量化的影响，不能把学习心得充当业务结果。
阅读这道题的独立深文 →一次跨职能合作冲突是怎样产生、解决并验证结果的？
一次跨职能合作冲突是怎样产生、解决并验证结果的？
解题切入：跨部门冲突要分开目标、约束与误解，写出决策标准和谁拍板，最后验证对方需求与用户结果。
阅读这道题的独立深文 →你做过什么对他人有益、却牺牲自己短期利益的事？
你做过什么对他人有益、却牺牲自己短期利益的事？
解题切入：利他故事要说清自己放弃了什么短期利益、他人获得什么、边界如何设定，避免把正常岗位职责包装成牺牲。
阅读这道题的独立深文 →你最不喜欢做的工作是什么
你最不喜欢做的工作是什么；如果同事也不喜欢，你怎样说服他去做？
解题切入：不喜欢的工作题承认真实困难，解释为何它仍必要、怎样降低痛点，并让同事有选择与支持，而非施压。
阅读这道题的独立深文 →你是否做过道德上不妥的事
你是否做过道德上不妥的事；如何承担责任并改变后续决策？
解题切入：伦理问题要选可诚实讨论的真实事件，承认责任、补救受影响者和制度性改进；不能编造严重违规经历博同情。
阅读这道题的独立深文 →既然 AI 存在风险，为什么仍选择参与开发
既然 AI 存在风险，为什么仍选择参与开发；你希望通过什么机制降低风险？
解题切入：AI 有风险仍参与的回答要说明可降低哪些风险、自己的作用和退出阈值；不把行业竞争当作免除责任的理由。
阅读这道题的独立深文 →为什么申请 Anthropic，以及为什么此时换工作？用岗位与真实项目经历而非口号回答
为什么申请 Anthropic，以及为什么此时换工作？用岗位与真实项目经历而非口号回答。
解题切入：Why Anthropic 先核对当前岗位和自己项目证据，再说明此时转职的具体动机，避免声称未验证的公司政策。
阅读这道题的独立深文 →若公司项目与你的价值判断严重冲突，你会立即辞职吗
若公司项目与你的价值判断严重冲突，你会立即辞职吗；如何验证、升级并设个人边界？
解题切入：价值冲突先查事实和影响，按责任链升级、保留证据并提出缓解；若不可接受且无法改变，再清楚说明个人离开的边界。
阅读这道题的独立深文 →若在公司工作多年，你最骄傲和最遗憾的工作可能分别是什么？
若在公司工作多年，你最骄傲和最遗憾的工作可能分别是什么？
解题切入：未来骄傲与遗憾要对称：希望创造可量化的安全/产品价值，也警惕可能忽视的人群、风险或团队成本。
阅读这道题的独立深文 →限时为 5 个资产评估风险并选择控制措施，如何优先覆盖高风险项并记录残余风险？
限时为 5 个资产评估风险并选择控制措施，如何优先覆盖高风险项并记录残余风险？
解题切入：五资产 GRC 练习先列资产/威胁/弱点/影响与现有控制，再给风险优先级、补救负责人和残余风险；未知资产细节不能补造认证要求。
阅读这道题的独立深文 →重复文件检测
重复文件检测：大小、分块Hash与逐字节确认：递归枚举文件，并讨论分散在百台机器上的相同内容。
解题切入：先size分组，单文件size组不用读内容。同size组流式SHA256，避免完整文件进内存；随后对同digest候选与代表逐字节比较，保证即使hash碰撞仍精确。
阅读这道题的独立深文 →与周围同事相比的突出优势
与周围同事相比的突出优势：证据、边界和团队价值：说明自己的强项怎样产生结果，避免用贬低别人建立优势。
解题切入：选与岗位相关的一项强项，如把模糊问题变清晰实验，给具体场景、你的行为和结果。不要罗列十项形容词。
阅读这道题的独立深文 →最复杂技术项目
最复杂技术项目：机制、规模和关键取舍：选细节仍能解释的项目，技术复杂不等于组件最多。
解题切入：先定义核心难点：并发一致性、算力/延迟、协议恢复或数据质量。用具体输入输出、不变量和失败场景说明为何简单方案不够。
阅读这道题的独立深文 →Evidence Review
已发现但暂未写成深文的题目信号
这些帖子只给题名、部分约束或外链；先标注证据缺口，再决定是否补成独立文章。
Anthropic 只有题号、提示词或讨论猜测的记录
多帖只询问 Q1/Q2/Q3/Q6、RL/ML Fundamentals、parameter sweeps、ML Configuration 或 experiment design 是什么题；招募邮件只给轮次目标。不能从题号推导具体原题或把他人猜测当作实际面试经历。
Anthropic 附件、积分墙和外链不可复原的题面
OA 文件系统截图、图像/系统设计附件、另一论坛 chatbot 题链接和隐藏正文无法从本地快照读取；只能保留题型信号，不能补造接口、样例或隐藏 follow-up。
已成文训练版仍待核的原始边界
In-memory DB 的 get_when 历史接口、Stack Trace 连续 n 次的判定与尾部 m 帧对齐、fixed-batch 的实际容量和网络参数、聊天的消息大小与峰值倍数未公开；题解显式列训练假设，不宣称复原原题全文。
Anthropic File Dedup / LRU / Bootloader 仅题名
多帖只确认 File Deduplication 或讨论规模化；LRU 加磁盘是提问者猜测；Bootloader 只给名字。没有文件内容判重规则、缓存 API/持久化时机或指令集，不写虚构实现。
File Dedup 与 Design Review、File Dedup 追问、LRU 猜题、Bootloader 题名
Anthropic Server Hashing、NumPy 与性能作业缺原始材料
多个 prompt 分配到多个 server 只说用 hash table，缺 key/负载/一致性目标；NumPy debugging 和内核性能作业缺代码及错误现象，不能把通用优化方法说成原题解。
Next Step
把题目放回面试流程
题目只是准备的一部分；按公司攻略核对轮次、岗位差异和常见失分点。
