最近剛走完 Uber 2026 NG SDE 面試流程，最終幸運拿到了Offer。要感謝Programhelp提供的最新真題和 面試輔助，讓我在準備過程中少走了很多彎路！作為在讀學生，這次體驗真的很真實——一邊趕課、一邊刷題、一邊面試，強度不小，但節奏其實是可以掌控的。最終順利拿到 offer，這裡把完整經歷寫下來，儘量還原每一輪的感受和細節。
OA階段
平臺：CodeSignal（這次大部分人是這個）
題量：4題，70分鐘
難度：Easy ×1 + Medium ×2 + Hard ×1
面試輪次：3 Coding + 1 Behavioral
Coding 1
Coding1 基本和 phone screen 一樣的節奏，也是先聊專案再做題。這一輪的題更偏 algorithm，是一個經典變形題，類似給一組 intervals，返回重疊最多的時間段，先講了 sweep line 的思路，然後寫了 code。寫完之後 interviewer 開始加條件，比如 intervals 是 streaming 的怎麼辦、如果要支援刪除怎麼辦，慢慢就變成一個更像 real-world system 的問題。這裡感覺他們比較看你能不能把一個 leetcode 題擴充套件成 production-level 設計
Coding 2
Coding2 說是 Depth in Specialization，但實際體驗下來還是 coding + 一點設計。這輪題是一個 OOP 設計題，大概是設計一個 ride dispatch system，支援 driver 和 rider 的匹配。一開始先定義了幾個 core class，比如 Driver、Rider、Trip，然後設計了一個 matching service。面試官會不斷問為什麼這樣設計，比如如果以後要支援 carpool 怎麼擴充套件，或者 surge pricing 應該放在哪一層。這裡重點不是寫特別多程式碼，而是看你的 abstraction 和 extensibility
System Design
System Design 是 Uber Eats home page feed design，這個題確實最近挺高頻的。一開始先 clarify 需求，比如是 personalized feed 還是 generic feed，latency 要求是多少，QPS 大概多少。然後給了一個比較經典的 backend feed 架構：client 請求進來之後，先經過 API gateway，然後進入 feed service。feed service 會從多個 upstream service 拉資料，比如 restaurant service、promotion service、inventory service，然後做 aggregation 和排序。排序這裡不涉及 ML，就是基於一些規則，比如距離、評分、是否在營業、是否有優惠等等
後面 interviewer 會一直 deep dive，比如 feed 是 pull-based 還是 push-based，一開始說 pull，然後被問如果使用者很多會不會壓力很大，就討論了 pre-compute + fanout-on-write 的方案，比如提前給活躍使用者生成一部分 feed 存在 cache 裡。還聊到 caching，比如用 Redis 存 feed，如何做 invalidation，比如 restaurant 下架、庫存變化的時候怎麼更新。還有 consistency 問題，比如使用者看到的餐廳已經關門了怎麼辦，這裡就要在 read path 做一次實時校驗
再往後會聊 scaling，比如如果是全球業務，怎麼做 multi-region deployment，如何保證低延遲，以及不同城市的資料隔離。整體就是一個很典型的 backend system design，更偏 data aggregation + caching + scalability，沒有涉及 ML
BQ
BQ 這一輪就比較輕鬆一點，主要圍繞 collaboration 和 leadership。比如問你有沒有和 difficult teammate 合作的經歷，或者有沒有帶專案的經驗。基本就是講之前帶一個 feature rollout 的故事，中間有需求變更、跨團隊溝通這些點。manager 對我之前講的推薦系統挺感興趣，又稍微做了一點 technical deep dive，比如問我 offline metric 和 online metric 不一致的時候怎麼處理。所以 BQ 其實也不是完全 non-technical，還是要準備好隨時切回技術細節
給26 NG同學的建議
- 刷題策略：LeetCode Medium刷到250+，Hard刷50+，重點專題是 Graph、DP、Heap、Design。Uber特別愛考“帶follow-up”的變種題。
- 程式碼習慣：一定要邊寫邊說（Think Aloud），先講思路、舉例、再寫程式碼，最後主動提最佳化和邊界case。
- Behavioral準備：提前準備6-8個高質量STAR故事，重點覆蓋：Ownership、Ambiguity、Impact、Team Conflict、Failure Recovery。
- 時間管理：OA嚴格控時，Onsite每輪留10分鐘做最佳化和問問題。
- 心態調整：被追問不會的時候，別慌張。可以誠實說“I’m not 100% sure, but here’s how I would approach it…” 面試官其實更看重你的思考過程。
- 面試輔助：如果準備時間緊、沒把握，有些同學也會選擇 實時面試輔助 / 語音提示這種方式來兜底，尤其是在 VO 這種高壓場景下，至少能保證思路不斷線，我這次就有找Programhelp幫忙。
最後想說：Uber的面試雖然有壓力，但整體氛圍還算友好，面試官普遍比較nice。只要你提前把題型和溝通練熟，拿Offer的機率還是很高的。祝所有26屆的同學們面試順利，加油拿到心儀的Offer！
