这两轮 Uber SDE VO 刚刚结束，整体体验相当不错，节奏非常快、交流也自然流畅。两位面试官都比较 chill，但题目考察点非常清晰：一轮偏向数据结构设计（LCA 思维），一轮偏向算法基础与细节把控。
Uber 面试流程总览
| 环节 | 内容简介 | 题型/考点 | 面试重点 |
|---|---|---|---|
| Online Assessment (OA) | 通常在 Codesignal 上完成，含 3–4 道算法题 | 数据结构、字符串、图论、动态规划 | 时间复杂度控制、边界条件处理 |
| Recruiter Call | 简短沟通，确认职位、面试时间、薪资预期等 | 职业动机、项目匹配度 | 清晰表达职业规划 |
| Technical Interview / VO Round 1 | 一轮或多轮 coding 面试，使用共享 IDE（如 coderpad） | 树、图、数组、哈希、双指针等 | 代码正确性 + 思维清晰度 + 复杂度分析 |
| Technical Interview / VO Round 2 | 进阶算法或系统思维题，含 follow-up 讨论 | 设计题、延展型问题 | 是否能灵活变通与讨论优化方案 |
| Behavioral / HM Round | 与 Hiring Manager 交流 | Leadership、沟通能力、ownership | STAR 框架叙述经验 |
| System Design（针对中高阶） | 大部分 SDE II 及以上会考 | 分布式架构、服务拆分、扩展性设计 | Trade-off 分析 + 可落地性 |
| Offer Discussion | 与 recruiter 沟通 offer 细节 | 薪资、签证、入职时间等 | 谈判表达 |
第一轮 Coding：员工层级树 + 找共同上级
面试官是一位白人小哥，开场非常友好，寒暄完直接进入技术环节。题目核心其实就是 Lowest Common Ancestor (LCA) 的变体，只不过是以 Uber 的员工体系为背景包装。
题目描述：
公司层级结构是一棵树，从 CEO 到普通员工，每个员工节点包含：
- id
- name
- 指向其直接经理（
mgr）的引用- 以及所有直接下属（
directReports）的引用实现一个
whoIsYourBoss(emp1, emp2)方法，返回他们的最近共同上级的 ID。
我先问清楚了几个关键点，这一步其实很重要：
每个人只有一个直属经理吗？
CEO 没有经理？
输入同一个员工怎么办？➡️ 返回自身。
如果节点不存在树中？➡️ 返回 null。
这类树题最容易出问题的地方就是这些“边界条件”，问清楚反而能给面试官留下良好的沟通印象。
实现部分我采用常规 LCA 思路：
- 自底向上回溯（记录父节点路径）。
- 若公司规模大，也可提前存 manager 映射 + visited 集合判断。
Follow-up 比较有意思：
“如果节点不包含指向经理的引用，只能从 CEO 出发搜索，该如何实现？”
这时不能用哈希路径法，需要用 DFS 从上往下搜。我写完两个版本（自底向上 + 自顶向下）后，面试官表示很满意。
第二轮 Coding：找出只出现一次的用户 ID
第二轮是一位很帅的 Latino 小哥，全程笑眯眯的。题目看起来简单，但其实挺考细节。
题目描述：
给定一个数组，表示一段时间内访问 Uber 系统的用户 ID，找出只出现过一次的 ID。
关键点是“出现次数不固定”，我没直接问“是不是每个元素都出现两次”，而是用举例法确认：
“例如，这样的输入合理吗？ [1,1,2,2,2,3,4,4]”
面试官点头确认。
我先写了一个最直观的哈希表解法：
- 遍历统计频次
- 输出频次为 1 的 ID
Follow-up 是进阶版：
如果每个重复 ID 只出现两次呢？
我立刻切换到 XOR 解法，O(n) 时间 + O(1) 空间，完美回答收尾。
小结
整体感觉 Uber 的 VO 题目非常“干净”，代码考察和沟通比例接近 7:3。面试官都非常在意你是否先问清需求、是否思考边界，再开始写。
成功拿下Offer的好帮手
像这种 Uber / Meta / TikTok / Capital One 等公司 VO，我们 Programhelp 团队都已经积累了大量真题与实战经验。
我们可以提供：
实时语音助攻：在你卡顿时及时提醒“先问清边界”“补充复杂度分析”；
无痕联机助攻：远程同步代码逻辑，不留任何痕迹；
真题演练：基于 500+ 大厂题库定制 mock。
如果你也在准备 Uber 或其他 FAANG 系列面试，可以提前联系我们，帮你把准备过程变成可控的“模拟实战”。
更多面经分享：
Two Sigma Quant Researcher OA + 面经全流程复盘｜概率决策、期望计算与几何概率全面拆解
Reddit System Design Interview 深度拆解：从Feed排名到投票系统，帮你避坑拿Offer
Quora Interview Questions 技术电面 详细复盘：一场关于 AB Test 的“深度拷问”
