最近刚结束 Apple Frontend Engineer 的一轮技术面，这一轮主要围绕 Coding + Behavioral 展开，没有出现 System Design，但不代表 Apple 不考——很多候选人是在后续轮次才遇到，所以准备时千万别放松。下面直接复盘核心内容，给正在准备 Apple 面试的同学一点参考。
Coding 面试题回顾
这一轮只有一道核心算法题，但限制条件非常关键。
题目大意是：给定一个大约 75 个元素的整数数组，需要对数组进行去重，并对结果进行排序。其中去重的要求是，如果某个元素在数组中重复出现，需要将重复值进行 zero out 处理（比如置为 0 或标记移除）。同时明确规定，不能使用任何原生排序函数，包括 sort、quicksort 等。
乍一看 N 很小，随便写个冒泡排序也能过，但面试官一开始就强调，这道题不能只考虑“能不能跑”，而是要从复杂度角度给出合理解法。
解题整体思路
我在面试中是把问题拆成两个阶段来思考：先处理去重，再处理排序。面试官对这种拆解方式是认可的，也会顺着你的思路继续追问。
在去重阶段，比较直接的做法是使用一个 Hash Set 来记录已经出现过的元素。遍历数组时，如果当前元素已经在 Set 中出现过，就对该位置进行 zero out 处理；如果没有出现过，就把该元素加入 Set。这样一遍扫描就能完成去重，时间复杂度是 O(N)，逻辑也非常清晰。
面试官在这一阶段会比较在意两个点：第一，zero out 的定义是否会影响后续排序；第二，0 本身是否可能是合法数据。如果你能主动提到这些边界情况，并说明你的处理方式，会明显加分。完成去重之后，接下来就是排序问题。由于禁止使用原生排序函数，本质上是在考你是否真正理解排序算法，而不是只会调库。
我当时选择的是手写归并排序。原因也很简单：时间复杂度稳定在 O(N log N)，实现逻辑清楚，在面试场景下不容易出边界 bug。面试官也会比较容易跟着你的递归逻辑走，而不是在细节上反复打断。
隐藏加分点
在排序阶段，面试官有追问一句：“如果我告诉你，数组里的数字范围很小，比如 0 到 100，你会怎么优化？”
这是一个非常典型的 Apple 风格追问。
在这种前提下，其实可以直接使用计数排序。通过一个固定大小的计数数组统计每个数出现的次数，再按顺序回填结果，整体时间复杂度可以做到 O(N)。如果你能意识到这是一个可以利用数据分布特征进行优化的场景，面试官一般会给出非常正面的反馈。
这一点本质上考的不是你背了多少算法，而是你有没有根据“输入特征”调整解法的能力。
Behavioral 面试回顾
这一轮的 BQ 属于 Apple 非常常见、但并不容易答好的类型。重点问题是 Most Proud Project，也就是让你讲一个自己最自豪的项目经历。
面试官真正想考察的并不是项目本身有多复杂，而是你是否对自己做过的事情有清晰认知，是否真正理解这个项目的价值。回答时一定要注意，不要一直用“我们团队做了什么”，而是要突出“我具体做了什么”。尤其是在技术选型、关键决策、性能优化或问题解决上的个人贡献。
我个人非常推荐用 STAR 原则来组织语言，但不要生硬套模板。重点是把 Result 讲清楚，最好能用数据量化结果，比如性能提升比例、错误率下降幅度、用户体验改进效果等。
一点补充说明
我们这边平时整理了不少真实 Apple、Meta、Google 等一线大厂的面试题和追问套路，包括类似这种看起来简单但很吃基本功的 coding 题。想提前掌握高频题型、梳理答题框架，或者在实战中需要 面试辅助 都可以来联系我们。如果你是那种题型大致会、但容易在面试压力下失误的情况，可以多给自己留一层保险。准备得越充分，现场发挥就越稳定，这一点在 Apple 面试里尤其明显。
