LinkedIn 面试辅助：Staff AI、Infra、Design

Coding：straight-line median proof、tokenizer Viterbi、LRU / multithreaded LRU、sparse matrix。

Graph：candidate graph distance、bidirectional BFS、cache、隐私和可见性过滤。

System Design：metrics collection/query、top k exceptions、alert monitor、search/recommendation。

AI / ML：Random Forest theory、natural language search、personalized InMail。

Staff / Infra / AI 方向会从 coding 延伸到生产系统、规模化和跨团队影响力。

图、搜索、推荐、metrics platform 和 AI coding 是高价值准备方向。

技术沟通和项目 whiteboard 需要证明 impact，而不是只讲功能。

实现 tokenizer / word segmentation，用 DP 或 Viterbi 找最高分切分，并解释复杂度和 tie-break。

给定用户关系图，查询两个 candidate 的最短连接距离，支持双向 BFS、cache 和隐私过滤。

设计从生产系统采集指标、支持不同时间粒度查询并输出给外部可视化的 Metrics 平台；哪些指标能从预聚合精确合并？

现有 keyword search 如何升级自然语言搜索？没有标注数据时怎样利用旧搜索系统启动训练与评估？

设计 AI 个性化 InMail：怎样选择候选人、生成消息、控制发送与衡量回复和负反馈？

设计招聘助手 Agent：tool registry/call、RAG 检索、排序、邮件草稿和 human-in-the-loop 如何串联？

设计可重试的 Job Scheduler，并支持高效查询未来 N 小时将运行的任务供实时 Dashboard 展示。

设计 Typeahead Suggestions：前缀候选如何检索、排序、更新，并控制热点前缀延迟？

实现 AlertMonitor：15 分钟告警计数、当前小时严重程度分布、每分钟下一个更高告警量下标。

已能 add booking 时，给定最早起点和时长，求最早可安排会议的起点；讨论 O(N) 查询与并发。

多轮偏好投票：若无人过半，每轮淘汰得票最少候选人并重新转移选票，何时能选出胜者？

统计 first = last = 子数组最大值的非空子数组个数，如何在线性时间完成？

数轴上选一个已有位置使到所有点距离和最小；证明为什么中位数最优，并说明偶数和平局。

二叉树父节点保存子树最小值时，求全树第二小的不同值；哪些子树可以剪枝？

仅通过 MultiDimArray.getDims() 与 get(indices) 遍历任意维度数组并求和，如何处理零维和空维？

十亿级有序数组只有几百个不同值，如何跳过重复连续段并统计 distinct 数？

实现 pow(x,n) 的递归/迭代快速幂，处理负指数和 INT_MIN 取反溢出。

有序数组中找离 x 最近的 k 个数且结果有序；说明窗口二分的平局方向和大数组扩展。

设计按排序分数展示的 Feed：读多写少时如何混合推拉、削峰、缓存和保证作者自己即时可见？

给定 M 面骰子各面概率或非归一化权重，用前缀和与二分按比例采样；概率和不为 1 怎么办？

升序数组逐项代入二次函数 ax²+bx+c，如何在线性时间返回升序结果？

从零实现稀疏矩阵乘法，避免 O(MN) 的稠密存储，并分析非零项遍历成本。

给服务 read_from/write_to 路径和 deleted_list，先找路径受影响服务，再沿服务依赖链传播并按顺序输出。

设计单 Admin 编辑、多 Viewer 实时看代码的 CoderPad 类网站；新成员进入要得到快照并持续追更。

预测用户是否点击展示的职位：监督标签、用户/职位特征、embedding、数据泄漏和线上评估如何定义？

短视频推荐如何快速适应用户连续划走这种高频负反馈，同时避免把探索机会全部关闭？

从简历/职位文本挖掘 LinkedIn Skills：候选片段、规范化、歧义消解、标注与评估怎么做？

调试手写 Logistic Regression：sigmoid、交叉熵与梯度推导哪里容易出错，怎样做数值梯度检查？

从用户资料推断职位类别及子属性（如 Developer→Frontend/Backend/Infra），如何建层级标签并更新？

给长文本求出现频率最高的前 K 个词，先明确分词、大小写、平局和大文本流式处理。

给数字串和词典，找哪些单词按电话键盘映射后等于该数字串；多次查询如何预建索引？

实现按 value.rank() 淘汰的 Cache，last-seen 作为平局规则，rank 变动时如何保持堆正确？

单机 File KV：最多 10 万文件、10 亿 key、MB 级 value 不能留内存，如何索引、append 和回收？

设计分布式倒排索引，支持多个关键词 posting list 交集查询；如何分片并压低热门词读瓶颈？

设计 Exception Monitoring：从服务收集异常、按窗口找 Top K，如何定指纹、去重、时间窗口和可查 schema？

设计 MaxStack 支持 push/pop/top/peekMax/popMax；如果 popMax 很少调用，结构能否简化？

实现 LRU Cache 并讨论多线程 get/put：原子性、锁粒度、容量和 AI 生成代码的验证方式。

两个可能相交的无环链表用 O(1) 额外空间找第一个相交节点；比较节点身份而非值。

多线程嵌套函数 start/end 日志计算每个函数 inclusive 与 exclusive time，如何处理不同线程的栈？

每格箭头可改方向一次，求左上到右下最少改几格；解释为何用 0-1 BFS。

用两个栈实现队列 push/pop/peek/empty，说明摊还 O(1) 和空队列行为。

按 node key 合并两棵 N-ary Tree，并讨论节点冲突规则与并发修改时的版本/锁。

手写仅二元特征和标签的 Decision Tree：如何选 split、停止、处理空分支和过拟合？

设计 LinkedIn Post / Job / Friend Updates 推荐：召回、排序、时效与不同来源的目标如何统一？

广告定向太窄时，如何把不完全匹配用户纳入 audience expansion，同时守住硬约束与广告主 ROI？

Staff Design Retro / 项目深挖怎样证明本人决策、跨团队影响、取舍和可量化业务结果？

只给固定独立偏置的 0/1 随机函数，如何先去偏再无偏得到 0–6？为什么要拒绝第八种三位结果？

NestedInteger 的普通深度加权和与反向深度加权和如何遍历？空嵌套层不能改变最大整数深度。

给 knows(a,b) 查询，如何用 O(N) 次调用找 Celebrity 并验证不存在情形？

两个升序正数数组的乘积网格中取最小 K 对；如何用行堆处理重复值和平局？

实现支持重复值的 add/remove/removeRandom：数组与 value→indices 集合如何做到平均 O(1)？

Linear Regression 与 Logistic Regression 何处共享线性预测器，损失、链接函数和概率解释又为何不同？

Random Forest 的树数、深度、特征采样与过拟合怎样取舍？与 Boosting 的训练和偏差方差有何差别？

高斯分布均值与方差的 MLE 如何推导？高斯混合模型为何引入 EM 的责任度迭代？

推荐系统高延迟时如何同时从检索、特征、模型、缓存和尾延迟定位并权衡质量？

什么是 Virtual Memory / Page Table / TLB，缺页、地址转换与权限检查分别在哪里发生？

数组和链表在随机访问、插入删除、缓存局部性和内存开销上的真实取舍是什么？

Process 与 Thread 的地址空间、隔离、切换和共享数据同步有何差别？

Write-through 与 Write-back Cache 何时落到后端，怎样处理崩溃、脏数据和失效？

Java 的 final、finally、finalize 分别是什么，变量/方法/类的 final 限制到哪里？

Heap Memory 与 Stack Memory 有何区别，分配、生命周期、共享与逃逸分析怎样影响性能？

Semaphore 与 Mutex 如何不同？什么时候需要许可计数，什么时候需要互斥和所有权？

Exception 是什么？与返回错误码、进程崩溃及可恢复/不可恢复错误如何区分？

Java Object 与 Inner Class 如何理解：静态嵌套类和非静态内部类的外部实例引用有什么差别？

Isomorphic Strings 如何用双向字符映射判断一一对应，并处理长度不等与 Unicode 语义？

括号匹配从 `()` 扩展到 `[]` 与 `{}` 时，如何用栈验证嵌套顺序而不是只数括号？

Top K Search Words 如何定义 query 与时间窗，处理事件去重、迟到、热门词和全局精确排名？

图题要考虑隐私和可见性过滤

LinkedIn 的图题不只是 BFS/DFS。更好的回答会主动讨论隐私设置（如某些 connection 不可见）、缓存策略（如热门用户的距离计算）和权限过滤。面试官想看你能不能把算法应用到真实的社交网络场景。

Metrics platform 要先定义采集与查询粒度

1155296 和 1159004 的 Metrics System Design 问生产指标采集、任意粒度查询与外部可视化；后者明确不要求告警。先拆入口、存储、预聚合与查询，核对 counter/gauge/分位数能否在目标粒度精确合并。AlertMonitor 是另一道 Coding 题。

Staff 要证明跨团队影响力

Staff 级别的面试不只是技术深度。更好的回答会展示你在跨团队项目中的角色、如何推动技术决策、如何处理不同组的优先级冲突。准备一个“影响多个团队”的项目故事，说明你如何协调资源、解决分歧并量化最终影响。

LinkedIn 常见目标岗位

建议重点模拟这些轮次

LinkedIn 面试流程一般有几轮？

LinkedIn 的面试流程通常包括 OA / Phone Screen、VO / Onsite 多轮技术面、Behavioral 面和 Hiring Manager 面。具体轮次取决于岗位和 Level，建议提前了解目标岗位的标准流程并针对性准备。

LinkedIn 最常考什么题型？

根据同学提供的面经信号，LinkedIn 最常考的题型包括 Coding：straight-line median proof、tokenizer Viterbi、LRU / multithreaded LRU、sparse matrix。、Graph：candidate graph distance、bidirectional BFS、cache、隐私和可见性过滤。、System Design：metrics collection/query、top k exceptions、alert monitor、search/recommendation。、AI / ML：Random Forest theory、natural language search、personalized InMail。。建议先从高频题型入手，再做项目深挖和模拟面试。

LinkedIn 面试需要准备多久？

建议至少提前 7-14 天开始冲刺准备。如果还在投递期，可以先做题型地图和岗位定位，拿到面试邀约后集中做模拟面试和表达训练。

LinkedIn SWE 岗位最难的是什么？

LinkedIn 的面试以严格的 Hiring Bar 著称。最常见的失分点包括：前置澄清不充分、边界测试缺失、系统设计只背模板、项目深挖无法体现 ownership。针对性模拟可以有效降低这些风险。

LinkedIn 面经应该怎么看？

同学提供的面经适合用来判断 LinkedIn 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。

LinkedIn 代面、面试辅助多少钱？

LinkedIn 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起。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。