拿到 Anthropic 的面試機會的時候說實話有點懵——投了之後本來沒抱太大希望，沒想到一週多就收到了 OA 邀請。
Anthropic 在國內論壇上的面經真的非常少，備考的時候我基本只能靠 Glassdoor、Blind 上零星的英文帖子拼湊。所以整個過程打完之後，第一件事就是想把這些記錄下來。不管結果怎樣，希望這篇帖子能幫到後面的人。
流程是：OA → Recruiter Screen → 4 輪 Virtual Onsite，全程大概三週走完。
Anthropic OA
平臺是 CodeSignal，總時長 70 分鐘，4 道程式設計題，難度依次遞增。
CodeSignal 的評分機制和 HackerRank 不同——它不只看 AC 數量，而是給每道題打分（滿分 300/300），程式碼風格、邊界覆蓋、執行效率都會影響得分。所以哪怕邏輯對了，寫得亂也會扣分，這點一開始沒注意到，後來才意識到。
題目型別和方向（真題回憶）：
Q1（Easy）：字串處理。
給一段 log 文字，按規則解析出結構化欄位，輸出格式化結果。基本就是字串分割 + 條件判斷，沒有演算法難度，但要注意 edge case，比如空行、欄位缺失。
Q2（Easy-Medium）：陣列操作。
經典的滑動視窗變體，給一個整數陣列，找滿足條件的最長子陣列長度。條件涉及多個約束，要想清楚視窗收縮的邏輯。
Q3（Medium）：圖/樹結構。
具體是一個類似”員工層級彙報關係”的樹形結構問題，給定若干查詢，每次問某個節點到另一個節點的路徑上滿足條件的節點數。考察 LCA + DFS，思路清楚但實現細節多。
Q4（Medium-Hard）：設計 + 模擬。
要實現一個簡化版的”任務排程器”——有任務優先順序、依賴關係、時間視窗，按規則輸出執行順序。這題最耗時，我最後 10 分鐘在趕，有幾個依賴衝突的 case 沒完全過。
整體感受： 時間壓力比較大，4 題 70 分鐘對於 Q3/Q4 來說並不寬裕。建議 Q1/Q2 控制在 15 分鐘以內，給後兩題留足空間。
Recruiter Screen（30 分鐘）
OA 過了大概 5 天后收到郵件，約了 Recruiter 電話。
內容比較輕鬆，主要是：
- 介紹 Anthropic 的 mission 和這個 team 在做什麼
- 問我為什麼對 Anthropic 感興趣、瞭解多少
- 確認 timeline、薪資預期、是否需要 visa
有一個問題當時讓我想了一下：”你怎麼看待 AI safety，你認為它和產品開發之間存在矛盾嗎？” Anthropic 很在意候選人是否真的認同他們的使命，不只是把這裡當一個 fancy 的 AI 公司跳板，建議認真準備這類問題。
Virtual Onsite（4 輪，同一天）
約在同一天連續進行，中間各有 10 分鐘休息。每輪 45～60 分鐘。
Round 1：Coding
面試官來自 Core Infrastructure team，人很 nice，開始先閒聊了幾分鐘。
題目：設計一個 Rate Limiter。
不是純演算法題，而是從功能實現角度出發：先實現一個基礎版（固定視窗），然後面試官追問能不能改成滑動視窗，再問如果要支援多個 user 怎麼擴充套件，最後聊到分散式場景下的挑戰。
我用 Python 實現，整個過程是邊講邊寫，面試官會適時打斷問”為什麼這樣選”。感覺他更在意你的思路是否清晰，而不是程式碼有沒有 bug。
提示： Rate Limiter 是 Anthropic 高頻題，一定要提前熟悉固定視窗、滑動視窗、Token Bucket 三種方案的優缺點。
Round 2：Coding
題目偏業務邏輯，大概是：實現一個簡版的對話上下文管理器。
給定一個 token 上限，維護對話歷史，當新的訊息加入導致超出 token limit 時，需要按策略裁剪舊訊息。策略分幾個 follow-up 迭代：先是簡單的 FIFO 裁剪，然後改成保留 system prompt 不裁剪，最後加入優先順序標籤。
這題很明顯和 Claude 的實際產品場景直接相關，做的時候感覺自己在給 Claude 寫基礎設施，有點奇妙。程式碼量不大，但需要把邊界情況想清楚，比如單條訊息本身超過 token limit 怎麼處理。
Round 3：Behavioral
這輪是我覺得準備最重要的一輪，面試官是 Engineering Manager。
高頻問題回憶：
- “講一個你做了一個你認為正確但團隊不認同的技術決策的經歷，最後怎麼解決的？”
- “你在專案裡做過最複雜的 trade-off 是什麼？”
- “你有沒有主動發現過一個沒人在跟進但很重要的問題，然後推動解決？”
- “你怎麼判斷一個技術方案是否 good enough to ship？”
Anthropic 的行為面非常看重主動性和判斷力，不只是”我完成了任務”，而是”我為什麼這樣判斷、我看到了別人沒看到的東西”。STAR 框架可以用，但不要太模板化，多講自己的 reasoning。
Round 4：Values & Mission Fit
這輪很多人沒有準備，但其實挺重要。面試官是 Senior Researcher，聊得很深。
核心話題：
- 你如何理解 AI safety？你認為 Anthropic 的方向是否正確？
- “如果你在開發某個功能時發現它可能存在被濫用的風險，你會怎麼做？”
- “你怎麼看待 helpful 和 harmless 之間的 tension？”
這輪沒有標準答案，面試官想看的是你是否真的獨立思考過這些問題，而不是背了一段官網介紹。我提到自己讀過 Anthropic 釋出的 Constitutional AI 論文，面試官立刻展開聊了很多，氣氛很好。
建議： 提前讀一下 Anthropic 的 research blog、Claude 的 model card，以及他們公開的 AI safety 相關文章，有自己的觀點比什麼都重要。
備考 checklist
- 刷題：LeetCode Medium 為主，圖/樹/滑動視窗/設計類題要重點準備
- 系統設計：瞭解常見限流、快取、訊息佇列的基本原理
- 行為題：準備 5～6 個有深度的 STAR 故事，覆蓋 conflict、trade-off、initiative 三個方向
- AI 認知：讀 Anthropic blog、瞭解 Constitutional AI、對 safety vs capability 有自己的看法
一點補充｜關於備考效率
上面是我自己硬啃下來的過程。但說實話，Anthropic 的面經實在太少了，OA 的題目風格也跟 LeetCode 不太一樣——更偏實際場景、邊界條件更隱蔽。到了 VO 階段就更關鍵了。Anthropic 的面試官會很深地追問你的思路、複雜度分析、甚至程式碼風格的一致性。後面為了穩妥起見，我提前預約了 ProgramHelp 的 VO 實時助攻服務，相當於給自己上了一層保險。
如果你也面臨以下情況：
- 面經稀缺，不知道最近在考什麼
- OA 有思路，但總在 hidden cases 上翻車
- VO 擔心現場卡殼、思路表達不夠清晰、跟不上面試官的追問
不妨給自己多準備一張底牌，上場時的心態真的會穩很多。
