Amazon OA 面經真實分享|流程拆解 + 高頻題型 + 易踩坑總結(2026 更新)

30Views

很多人一提到 Amazon OA,第一反應就是:
“不難吧?刷點 LeetCode + 看下 LP 就行?”但這幾年我們在 Programhelp 實際陪跑了大量 Amazon OA 之後,發現一個很明顯的現象:真正被刷掉的人,大多不是“不會寫題”,而是沒理解 Amazon OA 的真實篩選邏輯。

這篇文章,我會從真實候選人的 OA 反饋 + 我們長期總結的資料出發,完整拆解 Amazon OA 的流程、題型分佈、高頻考點,以及最容易被忽略、但殺傷力極大的細節。

Amazon OA 整體流程概覽(SDE / New Grad 通用)

以近一年 SDE / NG 崗位為例,大部分 Amazon OA 由以下幾部分組成(順序可能略有調整):

  1. Online Coding Assessment
    • 通常 2 道演算法題
    • 平臺多為 HackerRank
    • 時間 70~90 分鐘不等
  2. Work Style Assessment(性格 / 行為測評)
    • 強相關 Amazon Leadership Principles
    • 沒有“標準答案”,但有明確的“雷區”
  3. 部分崗位會加:Work Simulation / Debugging / SQL
    • 尤其是 SDE Intern、部分 Team 特定崗位

注意:
OA 本身就是第一輪篩選,不是“走流程”。
很多簡歷不錯的候選人,直接卡在 OA,沒有 VO。

Amazon OA 真題分享

MySQL 挑戰

Amazon OA 面經真實分享|流程拆解 + 高頻題型 + 易踩坑總結(2026 更新)

解題思路

  1. 核心目標拆解
    • 按部門(DivisionID)統計總薪資(TotalDivisionSalary);
    • 找出每個部門薪資最高的員工姓名(Name)和薪資(TopSalary);
    • 計算最高薪資佔部門總薪資的百分比(SalaryUtilization);
    • 判斷是否存在預算最佳化潛力(最高薪資 < 部門總薪資 50% 則標 “Yes”,否則 “No”)。
  2. 技術方案
    • 先用 GROUP BY 統計各部門總薪資;
    • 用視窗函式 ROW_NUMBER() 按部門分組排序,篩選出每個部門薪資最高的員工;
    • 關聯總薪資結果與最高薪資員工資料,計算百分比;
    • CASE WHEN 判斷預算最佳化潛力。

Python3 挑戰

Amazon OA 面經真實分享|流程拆解 + 高頻題型 + 易踩坑總結(2026 更新)

解題思路

  1. 核心目標補充(基於題目上下文):題目未完整列出最終任務,但結合場景和示例,核心需求是:
    • 將扁平陣列按 “每 3 個元素一組” 解析為結構化的評論資料(評分、評論內容、日期);
    • 常見衍生需求(補全合理任務):統計評分分佈、篩選指定日期 / 評分的評論、提取關鍵詞等。
  2. 技術方案
    • 按步長 3 遍歷陣列,分組解析評論;
    • 型別轉換(評分從字串轉整數);
    • 封裝為函式,返回結構化資料(如列表巢狀字典),便於後續分析。

Amazon OA Coding 的隱藏“淘汰點”

這是很多刷題黨最容易忽略的部分。

只跑 sample case 就提交

Amazon OA 的 test case 非常“陰險”:

  • 空輸入
  • 極限長度
  • 重複元素
  • 特殊字元 / 邊界 index

能 AC ≠ 能過 OA

沒有控制複雜度

Amazon 非常看重:

  • 是否意識到複雜度問題
  • 是否主動最佳化

哪怕你沒寫最優解,
但在程式碼或思路中體現“我知道瓶頸在哪”,結果都可能不一樣。

時間分配失衡

真實情況是:

  • 第一題寫太久
  • 第二題直接沒寫完

Amazon OA 不是必須兩題滿分
但通常至少要有一題是“完全正確 + 高質量程式碼”

Work Style Assessment(比你想的重要)

很多人低估了這一部分。

Work Style Assessment 本質是在測:

  • 你是否符合 Amazon Leadership Principles
  • 你的決策模式是否“穩定一致”

高頻涉及的 LP 包括:

  • Ownership
  • Customer Obsession
  • Bias for Action
  • Dive Deep

一個非常常見的錯誤是:

選項前後邏輯自相矛盾

Amazon 並不怕你“不完美”,
但非常排斥“價值觀搖擺”

把 OA 這一關,交給更熟悉規則的人

針對 Amazon、Meta、Google、Goldman Sachs 等大廠 OA,我們提供 遠端無痕 OA 協助服務,覆蓋演算法、SQL、Debug、系統類題目等常見考察模組。整個過程採用 低干擾遠端聯機方式,不需要切屏、不安裝外掛、不觸發平臺風控機制,最大程度保證賬號與測試環境的安全性。

所有協助由 具備真實大廠面試與實戰經驗的工程師一對一完成,嚴格按照 OA 時間限制與評分邏輯執行,重點確保隱藏測試用例透過率與程式碼質量達標。我們更關注“是否能進入下一輪”,而不僅僅是“寫完題目”。

適用於 HackerRank、CodeSignal、Codility、牛客網等主流 OA 平臺。
未透過測試用例不收費,流程清晰,可追溯。

author avatar
Jory Wang Amazon資深軟體開發工程師
Amazon 資深工程師,專注 基礎設施核心系統研發,在系統可擴充套件性、可靠性及成本最佳化方面具備豐富實戰經驗。 目前聚焦 FAANG SDE 面試輔導,一年內助力 30+ 位候選人成功斬獲 L5 / L6 Offer。
END