Anthropic SDE 崗的招聘流程很多人好奇。作為目前 AI 領域最火的公司之一，他們的面試風格確實和傳統網際網路公司很不一樣。很多人原本以為就是常規刷題 + 系統設計，但真正走一遍流程之後會發現：他們更看重工程能力、程式碼質量，以及你對 AI 安全的理解。
整個流程不算特別長，但每一輪都非常有針對性。如果準備方向不對，很容易在中途被刷掉。下面把完整流程整理出來，給準備投 Claude 相關團隊的同學做個參考。
Timeline
一般來說，從第一輪到最終結果大概需要2–4 周。
典型流程是：
- Initial Screening
- Technical Phone Screen
- Online Coding Challenge / OA
- Hiring Manager Interview
- Virtual Onsite（4 輪）
有些團隊會把OA 放在 Phone Screen 之前，整體順序會略有變化，但核心考察模組基本一致。
Initial Screening（30min）
背景和動機溝通
第一輪是 Recruiter Screening，整體氛圍比較輕鬆。主要是瞭解候選人的背景以及申請動機。
通常會聊到：
- 過往的 SDE / Backend / Infrastructure 專案經驗
- 是否有分散式系統或者服務開發相關經驗
- Work authorization
- 長期職業規劃
這一輪基本不會涉及技術問題，更像是一個背景匹配的確認過程。
Culture Fit 初步判斷
Recruiter 通常也會介紹公司的使命，比如 Anthropic 在 AI 安全方面的研究方向。相比很多公司單純追求模型能力，他們更強調 AI 的安全性和可解釋性。
如果提前瞭解過Constitutional AI相關內容，在這一輪溝通的時候會明顯更容易建立共識。
Technical Phone Screen（45min）
Coding：LLM 場景工程題
這一輪雖然是 Coding，但並不是傳統演算法題，而是更貼近大模型工程的場景題。
比較常見的題型是實現一個LLM 請求排程系統，例如設計一個高效的 token batching 機制。系統需要處理多個推理請求，將它們合理合併到同一個 batch 中，以提升 GPU 推理效率。
候選人需要完成：
- 資料結構設計
- batching 排程邏輯實現
- 時間複雜度與空間複雜度分析
這類題目更像是一個小型工程系統，而不是單純的演算法題。
基礎問答：LLM 工程認知
Coding 之後通常會聊幾個基礎問題，用來確認候選人對大模型系統的理解。
例如：
- LLM inference 的主要效能瓶頸在哪裡
- KV cache 在推理階段的作用
- 如何提升推理吞吐量
問題深度不會特別極端，但如果完全沒有接觸過大模型系統，很容易被看出來。
Coding Challenge / OA（90min）
CodeSignal 系統模擬題
Anthropic 的 OA 通常是在 CodeSignal 上完成。和很多公司的線上筆試不太一樣，它並不是典型的 LeetCode 演算法題，而更像是一個完整的小型系統實現任務。
最常見的一類題目就是銀行系統模擬。候選人需要從零實現一個簡單的賬戶系統，並逐步擴充套件功能。題目通常會要求實現建立賬戶、存款和取款、賬戶之間轉賬、查詢交易記錄，以及實現一定規則下的 cashback 邏輯等功能。整體程式碼量會比普通演算法題多很多。
難點：需求逐層遞進
這類題真正的難點並不在演算法，而在於需求是逐步增加的。題目一開始可能只要求實現最基礎的賬戶系統，當你寫完之後，下一問就會要求支援交易記錄查詢。再往後可能會加入 cashback 規則，甚至會要求實現 transaction rollback（撤銷交易）等複雜功能。
如果一開始程式碼結構設計得不合理，比如類之間耦合太高或者狀態管理混亂，後面每增加一個功能都會變得非常難改。這也是為什麼很多平時只刷 LeetCode 的候選人在這類題上會比較不適應。
Anthropic 在這一輪更看重的是工程程式碼質量，比如類設計是否清晰、模組是否容易擴充套件、異常處理是否完整，以及程式碼整體的可讀性。如果程式碼結構清晰，即使功能沒有全部完成，通常也能獲得不錯的評價。
Hiring Manager Interview（1h）
Code Review 深挖
這一輪通常由 Hiring Manager 主導，形式和傳統 coding 面試不同，更像一次真實的工程討論。面試官通常會給出一段程式碼，讓候選人進行 Code Review，並解釋這段程式碼可能存在的問題。
常見的任務包括找出潛在的 Bug、識別併發相關問題、分析效能瓶頸，以及解釋這段程式碼在實際系統中的用途。有些情況下，面試官還會繼續追問，如果系統規模擴大十倍或者流量突然增長，你會如何最佳化這段程式碼或整體架構。
這一輪主要考察的其實是候選人的工程經驗和系統思維能力。相比單純寫演算法，面試官更關心你是否能讀懂複雜程式碼、發現隱藏問題，以及提出合理的改進方案。
VO，四輪
最後一輪是 Virtual Onsite，一般會連續進行四輪面試，總時長大約四個小時。整體節奏比較緊湊，每一輪的考察重點也都不一樣。
Coding Interview（1h）
這一輪依然是 coding，不過題目通常更接近真實業務邏輯，而不是特別刁鑽的演算法題。面試官更希望看到候選人如何組織程式碼、如何處理狀態，以及如何考慮邊界條件。
常見的考察內容包括資料結構設計、狀態管理以及各種異常場景的處理。題目難度整體不會特別極端，但如果程式碼結構混亂或者沒有考慮邊界情況，評分通常不會太高。
System Design（1h）
System Design 這一輪通常會圍繞 Claude 相關的業務場景展開。面試官可能會讓你設計一個支援大規模使用者對話的聊天系統，或者討論如何實現 token 計數與計費邏輯，以及在高併發推理請求下如何保持系統穩定。
討論內容通常會涉及 API 設計、資料儲存方案、快取策略、服務拆分以及系統擴充套件性等問題。這一輪更看重整體架構思維，而不是具體程式碼實現。
Second Coding（1h）
第三輪 coding 通常會根據候選人的崗位方向來設計題目。如果申請的是 Infrastructure 相關崗位，問題可能會偏向併發處理、任務排程或者資源管理。如果是 Fullstack 方向，則更可能涉及 API 邏輯實現或者資料處理流程。
整體思路和第一輪 coding 類似，但更貼合崗位實際工作內容。
Behavioral Interview（1h）
最後一輪是 Behavioral Interview，也是 Anthropic 面試中非常有特色的一部分。面試官通常不會只問傳統的行為問題，而是會討論一些與 AI 相關的社會議題。
例如 AI 倫理問題、資料隱私保護、AI 對就業市場的影響，以及 AI Safety 在未來技術發展中的重要性等。回答這些問題時，最好能夠清晰表達自己的觀點，並給出邏輯完整的 reasoning，而不是簡單給出模糊的答案。
面試準備補充
像 Anthropic 這種 AI 公司面試，其實很多人卡的不是演算法，而是工程型題目和時間壓力。比如 OA 的系統模擬題、VO 的業務 coding，或者 HM 的 Code Review，如果之前沒怎麼做過類似題型，現場很容易突然卡住。
所以也有不少同學在準備的時候會提前瞭解一下面試輔助。簡單說就是在 OA 或 VO 的過程中，有人幫忙做實時思路提醒，如果你最近也在準備 AI 公司或者大廠 SDE 面試，不管是 OA、VO都可以 聯絡我們 。
