2026 年的 Amazon SDE NG 四轮里，主要还是Code + BQ，但不再只看你能不能把题写完。项目细节、Leadership Principles、GenAI 使用边界和 Bar Raiser 追问会穿插出现。
第一面：旋转数组和环形最大子数组
Topic：在旋转升序数组中查找目标值，要求 O(log n)。写完后继续做环形数组最大子数组和。
Problem-solving ideas：旋转数组二分的重点是每一轮先判断哪一半有序。若左半有序，再判断目标是否落在左半范围；否则去右半。处理重复值时，left,mid,right 相等就缩两侧边界，避免死循环。
环形最大子数组不能只套普通 Kadane。答案分两种：不跨数组尾部时，直接求最大子数组和；跨尾部时，等于总和减去最小子数组和。全数组都为负数时，不能走第二条路径，否则会得到空子数组。
这一轮写完代码后，需要考虑边界情况。把旋转点在开头、末尾、数组只有一个元素、目标不存在这些输入跑一遍。Amazon 面试官会看你有没有考虑边界的情况。
第二面：前缀和题后面接项目和 LP
Topic：给定数组和整数 k，找出满足 |a[i] - a[j]| = k 的连续子数组中，元素和最大的一个。随后继续问一次项目经历，并围绕 Leadership Principles 追问。
Problem-solving ideas：先写前缀和 prefix[j]。固定右端点 J 时，合法左端点 I Satisfy a[i] = a[j] - k Or a[i] = a[j] + k。维护“某个数值出现时最小的前缀和”，即可在 O(n) 内计算 prefix[j] - min_prefix。哈希表里保存的不只是值是否出现，而是该值对应的最小前缀和。
项目部分不要从技术栈开始念。先说背景和你负责的范围，再说一个具体问题、你采取的动作、结果和复盘。比如问到 Ownership，就讲你发现问题后如何把排查、修复、监控和后续责任接下来；问 Dive Deep，就准备一段你如何从指标、日志或数据里推翻原先判断的经历。
第三面：GenAI 不考“会不会用”，考“怎么负责”
Topic：讲你如何使用 GenAI 工具辅助开发；如何验证生成代码；接着写二叉树最近公共祖先，并设计一个进程调度服务。
Problem-solving ideas：GenAI 问题不能回答“我会让它写代码，再复制进去”。比较稳的说法是：把它用于生成测试样例、解释陌生模块、列出边界条件或提出实现备选；关键逻辑自己审查；通过单元测试、静态检查、代码评审和灰度发布验证结果。涉及权限、支付、删除数据和生产配置时，不把未经审查的输出直接执行。
LCA 题先确认是不是二叉树、有没有 parent 指针、节点是否一定存在。普通二叉树可用后序递归：左右子树各返回一个目标时，当前节点就是答案；若只在一侧找到，向上返回该节点。追问树很深时，改为显式栈或 parent map。
进程调度服务要先问优先级、延迟目标、任务是否可重试。调度端可用优先队列取任务，worker 领取时写 lease，任务完成必须带同一个 lease token 回写。worker 宕机后，lease 过期的任务重新进入队列；任务执行使用稳定的 idempotency key，避免重复重试造成重复副作用。
第四面：Bar Raiser
Topic：讲一次你不同意负责人方案的经历；再讲一次你在信息不完整时做决定的经历；最后追问结果不好时你怎么处理。
解答思路：Bar Raiser 不喜欢背好的 STAR 稿。故事要经得起连续追问：当时有哪些数据？你反对的具体是什么？另一套方案的代价是什么？谁受影响？最后为什么这样决定？
回答时把“我”和“团队”分开。团队做了什么可以说，但必须明确你自己的判断、动作和责任。结果不理想也没关系，重点是你有没有及时暴露风险、调整策略、复盘并留下可复用的机制。不要把每个故事讲成“最后大家都很满意”，这种结尾很快会被追问拆开。
备考顺序
先做两轮 60 分钟 Coding：一轮二分、数组和前缀和；一轮树、图或堆。每题必须写测试，不要只看通过样例。
接着准备四个 LP 故事：一次深挖问题、一次推动分歧、一次承担失败、一次提高质量标准。每个故事都写下数字、约束、替代方案和结果。
最后单独练 GenAI 表达。重点不是展示工具名，而是说明你如何验证输出、保护敏感信息、保留工程判断。
FAQ
Amazon SDE NG 四轮一定有 GenAI 吗？
2026 年已有多份 SDE-1 记录出现 GenAI 讨论或专门轮次，但具体安排会随团队和批次变化。准备时至少要能清楚说明自己如何使用、审查和验证 AI 辅助产出。
Bar Raiser 会问算法吗？
有些流程把 Bar Raiser 设为纯 Leadership Principles，也有流程会穿插项目或技术追问。无论是否写代码，项目细节和决策逻辑都要准备到可连续追问。
The autumn recruitment in North America is getting more and more popular. What really determines the offer is often not how many questions you answer, but whether you can perform stably in high-pressure OA and VO scenarios. Many people usually do it, but suddenly get stuck when coding, follow-up or system design comes to a limited time. One mistake may directly miss the top offer of $180k+.
ProgramHelp 提供的是 FAANG 工程师级别的面试辅助。导师来自 Google、Meta、Amazon 等大厂，熟悉真实面试考察逻辑。无论 OA 还是 VO，均为真人辅助，助你offer一臂之力。
