公司面试题目速查表

先定位优先级

不要平均处理所有条目。先根据目标公司、岗位、轮次和面试倒计时，圈出最可能影响结果的 3 个风险。

再做输出训练

每个条目都要落到可说出口的答案、可运行的测试样例或可复盘的项目证据，而不是只停在知道概念。

最后压缩复盘

面试前 48 小时只看错因、边界、项目追问和表达节奏，避免临时开启大范围新内容导致准备发散。

Meta：VO Coding / System Design / MLE Design

• 代表题目：versioned key-value store，支持 put/get/snapshot by timestamp，再加 delete 和历史版本查询 follow-up。
• 代表题目：maze / dynamic obstacle 最短路径，追问 solver API、重复计算缓存和边界测试。
• 代表题目：gaming leaderboard，支持实时 top K、好友榜、作弊用户过滤和赛季重置。
• MLE 方向：harmful content detection / feed ranking，讲清标签、特征 freshness、线上监控和 rollback。
• 易挂点：代码能写但测试太少，system / ML design 只讲组件，不讲指标、失败路径和降级。
• 冲刺动作：先做 2 轮限时 coding，再把一个推荐或内容安全项目讲成 data -> model -> serving -> monitoring 链路。

Google：Coding 证明 / Team Match / Design

• 代表题目：grid path 最小化最大高度差，要求解释二分或 Dijkstra 为什么成立。
• 代表题目：CoolMap，put / get / putAll 都是 O(1)，follow-up 加 delete、timestamp get 和覆盖关系。
• 代表题目：tree reroot DP，计算每个节点作为 root 时到所有节点距离和。
• 代表题目：water buckets 可行性，说明 gcd 条件、不可行边界和构造路径。
• 易挂点：只报答案不证明正确性，复杂度讲得含糊，Team Match 项目没有 level 匹配感。
• 冲刺动作：每题准备暴力解、优化解、正确性证明、2 个边界 case 和一个 follow-up 变体。

Anthropic：SWE / AI Infra / LLM Systems

• 代表题目：web crawler，同 host 抓取，follow-up 加多线程、URL fragment 去重、失败重试和限速。
• 代表题目：in-memory DB，多 level 支持 set / get / scan、TTL、get_when、backup / restore。
• 代表题目：stack trace parser，处理最后 m 个 frame、循环调用、malformed input 和恢复语义。
• System Design：LLM inference service，拆 prefill / decode、KV cache、dynamic batching、TTFT 和吞吐。
• 易挂点：只写出单机版本，不会讲并发、恢复、CPU vs IO bound、checksum 和分布式扩展。
• 冲刺动作：把 crawler、DB、model downloader 各练成可逐层加功能的小系统题，再准备 LLM serving 端到端表达。

Stripe：Programming / Integration / Debug

• 代表题目：KYC CSV validation，按字段缺失、非法国家、forbidden words 输出 error code，follow-up 加 wildcard 和错误优先级。
• 代表题目：subscription email timeline，提前 15 天提醒、到期通知、plan update 后重新计算。
• 代表题目：multi-currency ledger，支持 fee、FX conversion、rounding、refund 和 idempotency key。
• Integration 题：调用外部 payment API，解析 JSON，处理 timeout、rate limit、retry 和 partial failure。
• 易挂点：业务规则没有拆清楚，测试只覆盖 happy path，错误优先级和金额精度处理不稳定。
• 冲刺动作：把 parser、validator、ledger、API retry 四类题各写一遍，重点练小步实现和测试命名。

Uber：Coding / Marketplace System / Experiment

• 代表题目：minimum edge reversal，从某个 root 出发需要反转多少条边，follow-up 计算每个 root 的答案。
• 代表题目：org chart subordinate 查询，处理重复员工、cycle 和权限过滤。
• 代表题目：daily logs time window / kth non-repeated user，重点是状态建模和多次查询优化。
• System Design：实时司机位置服务，支持附近司机查询、位置过期、热点区域、降级和监控。
• Experiment：派单策略 switchback，说明 geo/time bucket、干扰、primary metric、guardrail、ramp 和 rollback。
• 易挂点：把 marketplace 题讲成普通 CRUD，忽略供需干扰、实时性和实验污染。
• 冲刺动作：coding 练图和时间窗口；design 单独准备 dispatch、location、payment、event log 四个业务场景。

TikTok / ByteDance：SWE / MLE / USDS

• 代表题目：短视频 / 电商首页推荐系统，覆盖召回、排序、重排、冷启动、内容安全和实时反馈。
• 代表题目：高并发内容或直播服务 API，处理缓存、限流、跨区域延迟、降级和监控。
• 代表题目：推荐实验或广告实验，定义 primary metric、留存、内容质量 guardrail、分层分析和 rollout。
• MLE 方向：monetization、search、CV / NLP、LLM、feature freshness、serving latency 和 bad case review。
• 易挂点：只会讲模型或刷题答案，项目追问时讲不出数据流、指标、失败恢复和跨团队推进。
• 冲刺动作：先按岗位分 SWE / MLE / USDS，再把一面、二面、VO、HM 各准备一套题目和项目追问材料。

Snowflake：SQL / Pipeline / Data Platform

• 代表题目：employees、projects、assignments 三表，找参与超过 90 天项目的员工并计算 average budget。
• 代表题目：top K hot search，同一用户重复搜索去重，并支持滑动时间窗口。
• Pipeline Design：SaaS sources 到 analytics mart，支持 CDC、schema evolution、dedup、backfill 和质量监控。
• System Design：quota system，支持 per-user / per-org 限额、burst、重置、审计和低延迟检查。
• 易挂点：SQL 没处理重复行、NULL 和 date boundary；pipeline 只讲工具，不讲口径、回填和 SLA。
• 冲刺动作：SQL 每题先写业务口径，再写查询；pipeline 准备 raw / staging / mart / metrics layer 的完整叙事。

DoorDash：Code Craft / Interactive Coding / HM

• 代表题目：Dasher Pay，支持 base pay、distance、peak hour double pay、bonus、金额精度和规则 follow-up。
• 代表题目：food rating / review vote，同一用户只能 vote 一次，支持撤销、热门餐厅和 reward 规则。
• System Design：food delivery 系统，覆盖下单、派单、ETA、支付失败、实时状态和降级。
• MLE Design：首页餐厅推荐，考虑距离、营业状态、ETA、store capacity、用户偏好和冷启动。
• 易挂点：Code Craft 写成一次性脚本，业务规则一加就崩；HM 问 failure / redo 时没有复盘深度。
• 冲刺动作：用 domain model 先列对象、规则、异常、测试，再写代码；项目准备一个失败后重做的故事。

Nvidia：C++ / System Software / AI Infra

• 代表题目：INT8 quantization，解释 scale、zero point、clamp、saturation、per-channel 和校准数据。
• 代表题目：Graph API insert / configure / validate，检测 cycle、type mismatch 和 dependency order。
• 代表题目：C++ debug，定位 use-after-free、double free 或 race condition，说明 sanitizer、最小复现和回归测试。
• 代表题目：high-performance string / small string optimization，解释内存布局、copy/move 和性能验证。
• 易挂点：只会说概念，无法落到内存、性能、调试步骤和验证方法。
• 冲刺动作：准备一套 debug 叙事：复现、定位、假设、修复、验证；ML / DL 候选人补 quantization 和 inference serving。

Microsoft：OA / Azure Design / Applied Scientist

• 代表题目：DNA fragments 拼接目标序列，优化重复片段和大量 fragment 的搜索。
• 代表题目：distributed KV store，讲 leader、quorum、replication、read repair、failover 和一致性取舍。
• 代表题目：百万设备实时上报 error logs，设计 moving average alert，并保留离线分析和回填能力。
• Applied Scientist：实现 ranking metric 或 binary classifier 评估，解释 baseline、error analysis 和线上风险。
• 易挂点：不区分组别和 level，用一套通用刷题法准备 Azure、MAI、SDE2，导致重点错位。
• 冲刺动作：先确认组别，再分配 coding、system、AI depth 和 project deep dive 的时间比例。

如果时间只剩 48 小时

• 只有 OA：按目标公司选 3 类题，例如 Google 证明题、Stripe 业务规则、Uber 图和时间窗口，不再平均刷题。
• 已经到 Phone Screen：每题固定输出澄清、主解、复杂度、2 个边界测试和一个 follow-up 处理。
• 已经到 VO：一天做 coding / design / project 各一轮压缩 mock，第二天只复盘错因和表达。
• DS / DE 候选人：把 SQL 口径、实验指标、pipeline 回填、数据质量和项目影响力放在同一张复盘表里。
• SWE / MLE 候选人：把 coding follow-up、system failure mode、ML online metric 和项目 trade-off 作为最后检查项。

怎么用这张表做计划

• 第一步：选目标公司和当前轮次，只圈 4-6 个最可能命中的题型，不把所有公司一起刷。
• 第二步：每个题型至少准备一道完整题、一个 follow-up 变体、两个边界测试和一段口头解释。
• 第三步：把代表题目和你的简历项目连起来，准备面试官追问“为什么这样做、失败怎么办、结果怎么衡量”。
• 第四步：最后 48 小时只看错因和输出节奏，不再临时打开全新公司或全新题型。