את הלופ הראשון שלי ב-Anthropic חירבתי. אין דרך יפה יותר לומר את זה. עמיתה לשעבר שעובדת במעבדת AI אחרת ישבה איתי אחר כך ועברה על הדברים שהייתי צריך לדעת כשנכנסתי לראיון, רק שאז כבר היה מאוחר מדי. כמה שבועות עברו, ובסופם קיבלתי הצעות גם מ-Anthropic וגם מ-OpenAI. הפעם השנייה נראתה אחרת לגמרי, ועל זה הפוסט.
סבב הקוד הוא 90 דקות ואין לו כמעט שום קשר לשאלות הלוח הקלאסיות. אצלי ביקשו מאגר key-value. בהתחלה היו רק SET, GET ו-DELETE. סיימתי? קיבלתי סריקות עם סינון. אחר כך הגיע TTL עם חותמות זמן, ומשם שמירה לקובץ עם דחיסה. בסך הכול ארבעה שלבים, כאשר כל שלב בנוי על מה שכבר כתבתי, והמראיינת הוסיפה מגבלה חדשה בדיוק ברגע שבו נדמה היה לי שאפשר לנשום.
מכירים את העמיתה שמשנה את המפרט באמצע הספרינט? ככה, וזה שיגע אותי. לדבריה גם הסינון שלה ב-OpenAI היה בנוי באותה צורה, שעה אחת של בניית משהו אמיתי. ב-OpenAI יש גם deep dive. מביאים לשם מערכת שבנית, מציגים אותה, ומשם המראיינים נכנסים לכל החלטה שקיבלת ומפרקים אותה.
מה שהפיל אותי בקוד לא היה התרגיל אלא הדיבור, ולך תסביר בנחת מה אתה עושה כאשר יש רק 90 דקות, המראיין מסתכל, וכל 15 דקות בערך מגיעה דרישה נוספת. בניסיון השני הכרחתי את עצמי לעבוד לאט יותר. הייתי חוזר על השאלה במילים שלי, מכין כמה דוגמאות קלט עוד לפני שורה אחת של קוד, והעמיתה שתרגלה איתי היתה עוצרת אותי גם באמצע משפט ושואלת: "אוקיי, אבל מהם מקרי הקצה?" הייתי צריך לענות בקול, לא רק לחשוב לעצמי שאני כבר יודע.
עוד לפני המקלדת כתבתי את הגישה, חשבתי על הסיבוכיות ובדקתי עם המראיין שהכיוון נראה לו סביר. רק אז התחלתי להקליד, לאט, ואחר כך ניפיתי באגים עם הדוגמאות שלי. התחושה בזמן התרגול היתה שאני מבזבז זמן יקר, בפועל הפסקתי לגלות מאוחר שבחרתי דרך לא נכונה ולכתוב הכול שוב, וכך יצא שעבדתי מהר יותר.
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan Freeתכנון המערכות היה כבר עניין אחר. את כל מה שלמדתם לקראת תכנון מערכות ב-FAANG אפשר לשכוח, פה זה לא ממש שייך. אף אחד לא ביקש ממני לתכנן מקצר כתובות URL, וחבל, כי לזה דווקא ייחלתי. גם לא שירות צ'אט. ב-Anthropic רצו שאתכנן תשתית inference שמשרתת מיליוני בקשות ושומרת על ניצול GPU גבוה מול מודלים בגדלים שונים. כלומר batching, ניהול זיכרון של KV cache, ניתוב למופע הנכון, והאופן שבו השהיה מצטברת לאורך transformer pipeline.
המראיין שלי בנה את מערך ה-serving שלהם. הוא ממש כתב אותו בעצמו. בתוך שתי דקות הוא כבר הבין שהתכוננתי מסרטוני YouTube כלליים. גם על זה היא הזהירה אותי: בתכנון המערכות שלה ב-OpenAI הנושא היה scaling inference, וגם שם המראיין הכיר בידיים את מערכת ה-production האמיתית. חייבים לעבוד באמת עם הדברים האלה. בעבודה קודמת נגעתי בתשתיות serving וזה הציל אותי, אבל עדיין נדרשו לי שבועיים כדי לסדר את הידע ולהצליח לדבר עליו בלי להתפזר במשך 20 דקות.
טיפ קטן: אם אתם צריכים distributed queue ואף פעם לא עבדתם עם אחד, פשוט קראו לו "distributed queue". אל תיכנסו לפרטים שלא תוכלו להגן עליהם.
לכן בניסיון השני שלי ב-Anthropic הפעלתי את InterviewMan, והשתמשתי בו גם בכמה ראיונות דמה ל-OpenAI. באתגר הקוד הכלי תפס ששכחתי לבדוק TTL בזמן קריאה לפני שעברתי לשלב הבא. בדיוק מסוג הדברים שהייתי מפספס כשכל הראש שלי כבר בשלב הרביעי. בסבב הבטיחות הוא הציע נקודות על alignment, והפעם עניתי על השאלה בנושא tool use והזיות בלי לקפוא. בתכנון המערכות הוא זיהה שניצול GPU ו-batching הם לב השאלה עוד לפני שהמראיין סיים להציג אותה.
בדקתי את ה-Dock, את רשימת התהליכים ואת Activity Monitor ב-Zoom, ב-Replit וב-CodeSignal. כלום. המחיר הוא 12 דולר לחודש במסלול שנתי, 144 לשנה, בלי מגבלה על מספר הסשנים. המונה הציבורי מציג 57,000 משתמשים, הציון הוא 4.8 כוכבים מתוך 257 ביקורות, ויש יותר מ-20 תכונות stealth מובנות. Interview Coder, במחיר 299, מטפל רק בקוד. זה לא שימושי בסבב הבטיחות ובתכנון המערכות, שבמקומות האלה עשויים להוות בערך חצי מהציון. לקריאה רחבה יותר על הקטגוריה, ההשוואה הקרובה ביותר היא InterviewMan vs Interview Coder 2.
Behavioral הוא החלק שרוב האנשים מבינים לא נכון, מפני שהוא לא באמת behavioral. לפני הראיון Anthropic שלחה מסמך ערכים, והציפייה הייתה שקראתי אותו. השאלה הראשונה הייתה איזה failure mode של LLMs מטריד אותי יותר מכול. שאלת ההמשך הייתה מה משתנה כשנותנים לסוכן tool use. שיטת STAR לא עזרה לי, והסיפורים ההתנהגותיים שלי על עימותים בצוות לא הובילו לשום מקום. הם רוצים לדעת אם באמת אכפת לכם מה הקוד שלכם עושה אחרי שהוא עולה לאוויר. גם OpenAI בודקת את זה.
כמה מילים על לוחות הזמנים, כי תמיד שואלים. ב-Anthropic עברו בערך 3 שבועות משיחת המגייסת ועד לתשובה. היא אמרה שב-OpenAI זה לקח 6 שבועות, וכמעט גמר אותה. Anthropic מחלקת את הסבב האחרון לשני מפגשים נפרדים של חצי יום, עם שניים או שלושה סבבים בכל מפגש. ב-OpenAI עושים יום ארוך אחד. ניתוק קשר בין שלבים הוא עניין רגיל בשתיהן. המגייסים מוצפים. אם קיבלתם הצעה, בקשו 30 עד 45 דקות עם אחד המראיינים וקבעו פגישה שמיועדת רק לשאלות. תקשיבו היטב, כי בשלב הזה הם אלה שמנסים למכור לכם.
ברור לי שיש עוד המון דעות על שימוש ב-AI בראיונות אמיתיים. כאן התמקדתי בעיקר בצד של מעבדות frontier ובראיונות שהתקיימו באמת, לא בתרחישים היפותטיים. בשבילי זה עבד. זה לא אומר שזה יעבוד גם בשבילכם.
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
