最近剛結束一場 Amazon 2026 SDE Intern 的 VO 面試。整個流程是兩輪技術面，每輪都是 Behavioral + Coding 的組合。兩位面試官都是國人大哥，溝通上比較順暢，節奏也比較自然。趁著記憶還比較清晰，把這次 VO 的過程整理一下，給後面準備 Amazon Intern 面試的同學做個參考。
Round 1
BQ 環節
第一輪開場就是比較典型的 Amazon Behavioral。面試官先問了一個關於tight deadline 的問題。例如在專案時間非常緊的時候是如何處理的。當我講完大致背景之後，面試官開始持續追問細節。
例如：
- 這個 deadline 是誰定的？
- 當時留給你的時間具體有多久？
- 同一時間是否還有其他任務？
- 你是如何進行任務優先順序排序的？
基本上圍繞這個問題連續追問了好幾輪，感覺是想確認事情的真實性以及你當時的決策邏輯。
之後又問到了一個和同事產生 conflict 的經歷。這個問題同樣被追問得非常細，比如：
- 衝突的具體原因是什麼
- 當時雙方各自的觀點是什麼
- 最終是如何達成一致的
另外還有一個比較開放的問題：平時有沒有想過可以用 AI 做什麼事情？
這個問題更偏思考型，沒有標準答案，主要看你平時是否有一些技術思考。整個 BQ 環節大概持續了 30 分鐘左右，深挖程度還是比較高的。
Coding
Coding 部分的題目整體不算難，是 LeetCode 215 的變形題，只是套了一個 Amazon 的業務場景。
題目的核心還是在一個資料集合中找到第 K 大元素。常見的解法可以使用 Heap，也可以使用 QuickSelect。
當時我選擇的是最小堆的解法。整體思路是維護一個大小為 k 的堆，遍歷陣列時不斷更新堆中的元素，最後堆頂就是答案。
實現程式碼的過程比較順利，沒有遇到明顯的卡點。完成之後面試官讓簡單講一下時間複雜度和空間複雜度，然後讓我用一個簡單例子dry run 一遍演算法過程，確認邏輯沒有問題。
第一輪 Coding 部分整體還是比較順利的。
Round 2
第二輪面試安排在同一天，面試官依然是國人大哥。流程和第一輪基本一致，也是先 Behavioral，然後再做 Coding。
Behavioral Interview
這一輪 Behavioral 主要圍繞資料驅動（Data Driven） 的經歷展開。
面試官讓我分享一次使用資料做決策的經歷。我先介紹了專案背景、資料來源以及分析目標，之後面試官開始往細節繼續追問。
例如資料是如何收集的，使用了哪些指標來判斷結果，以及在分析過程中是否遇到過異常資料或者結果不符合預期的情況。
接下來面試官又問到了在這個過程中有沒有犯過錯誤。比如當時錯誤是怎麼產生的，是如何發現這個問題的，以及後來是怎麼修復的。
最後還進一步追問，如果未來再遇到類似情況，會有哪些改進方式或者新的思路。這一部分討論得非常深入，整個 Behavioral 環節大概持續了接近半個小時。
Coding
第二輪 Coding 是Amazon 自己出的題目，不是 LeetCode 原題。
題目的核心思路是使用BFS（廣度優先搜尋）。整體更像是一個狀態搜尋類問題，需要從一個初始狀態開始，透過 BFS 逐層擴充套件節點，直到找到滿足條件的結果。
實現過程中主要就是建立一個佇列，然後逐層遍歷節點，在每一層生成新的狀態並繼續加入佇列搜尋。過程中需要注意避免重複訪問，同時處理好一些邊界情況。
題目整體難度不算高，程式碼寫完之後面試官只是簡單確認了一下邏輯，並沒有繼續問 follow up。
面試結果&
最後在Programhelp的助攻下，兩輪都順利完成了。如果最近在準備 Amazon OA 或 VO，建議提前熟悉常見題型，比如 Heap、BFS、Graph 等，同時準備好幾套 Behavioral 故事，確保能夠經得起連續追問。如果自己準備沒有方向，也可以多參考一些真實面經。我們這邊長期整理 Amazon、Google、Citadel、Uber 等大廠 OA 與面試題庫，同時也提供實時OA與 VO輔助 ，在關鍵環節給到思路提醒，幫助順利完成整個流程。
