Anthropic میں میرا پہلا انٹرویو بری طرح ناکام ہوا تھا۔ ایک دوسری AI لیب میں کام کرنے والی میری سابق ساتھی نے پھر مجھے سمجھایا کہ اندر جانے سے پہلے کن باتوں کا پتا ہونا چاہیے تھا۔ چند ہفتے گزرے تو میرے پاس Anthropic اور OpenAI، دونوں کی آفر تھی۔ دوسری کوشش میں میں نے کیا بدلا، یہ تحریر اسی بارے میں ہے۔
کوڈنگ کا راؤنڈ 90 منٹ کا ہے اور روایتی وائٹ بورڈ سوالوں سے اس کا کوئی تعلق نہیں۔ مجھے key-value store بنانے کو کہا گیا۔ ابتدا SET، GET اور DELETE سے ہوئی۔ اس کے بعد filtered scans، پھر timestamps کے ساتھ TTL expiration، اور آخر میں compression کے ساتھ فائل میں data محفوظ کرنا تھا۔ کل چار مرحلے تھے اور ہر نیا مرحلہ پچھلے پر کھڑا تھا۔ میں ایک مرحلہ ختم کرتا تو interviewer اسی لمحے کوئی نئی شرط لگا دیتا، بالکل اس ساتھی کی طرح جو sprint کے بیچ specification بدلتا رہے۔ میرا دماغ گھوم گیا تھا۔ میری سابق ساتھی نے بتایا کہ OpenAI کی screening بھی اسی ڈھب کی تھی، وہاں ایک گھنٹے میں کوئی حقیقی چیز بنانی پڑی۔ OpenAI میں ایک اور راؤنڈ بھی ہوتا ہے۔ آپ اپنا بنایا ہوا system پیش کرتے ہیں اور سامنے والے آپ کے ہر فیصلے کی وجہ پوچھتے ہیں۔
کوڈنگ میں مجھے سوالوں نے نہیں ڈبویا تھا۔ اصل مسئلہ اپنا طریقہ سوچتے ہوئے بیان کرنا تھا۔ 90 منٹ ہوں، کوئی مسلسل دیکھ رہا ہو اور ہر 15 منٹ بعد نئی requirement بھی آ جائے تو یہ آسان نہیں رہتا۔ دوسری بار میں نے جان بوجھ کر رفتار کم کی۔ سوال کو اپنے الفاظ میں دہراتا، پھر code لکھنے سے پہلے چند example inputs بناتا۔ سابق ساتھی نے اس کی خوب مشق کروائی۔ وہ بات کے بیچ روک کر کہتی، "اچھا، مگر corner cases کیا ہیں؟" اور جواب مجھے وہیں بلند آواز سے سوچ کر دینا پڑتا۔ keyboard چھونے سے پہلے طریقہ اور complexity لکھنے لگا۔ typing شروع کرنے سے پہلے interviewer سے یہ بھی پوچھ لیتا کہ سمت معقول لگ رہی ہے یا نہیں۔ پھر آہستہ لکھتا اور اپنے examples سے debug کرتا۔ مشق میں یہ سب اذیت ناک حد تک سست محسوس ہوتا تھا، مگر انٹرویو میں وقت بچا، کیونکہ غلط راستے پر جا کر سارا code دوبارہ لکھنے کی نوبت کم آ گئی۔
اب system design کی بات۔ FAANG کے system design کے لیے جو کچھ پڑھا ہے، اسے یہاں ایک طرف رکھ دیں۔ کسی نے URL shortener بنانے کو نہیں کہا، کاش یہی پوچھ لیتے۔ chat service بھی موضوع نہیں تھی۔ Anthropic نے کہا کہ لاکھوں requests کے لیے inference serving infrastructure بنائیں، GPU کا استعمال بلند رہے اور مختلف سائز کے models بھی چلیں۔ بات batching، KV cache کی memory management، request کو درست instance تک پہنچانے اور transformer pipeline میں بڑھتی latency تک گئی۔ میرے interviewer نے ان کا serving stack خود بنایا تھا۔ واقعی خود، اسی نے وہ system لکھا تھا۔ اسے 2 منٹ میں اندازہ ہو گیا کہ میری تیاری عام YouTube videos سے آئی ہے۔ سابق ساتھی پہلے ہی خبردار کر چکی تھی۔ OpenAI میں اس سے scaling inference پوچھا گیا تھا اور وہاں کا interviewer بھی اصل production system پر براہ راست کام کر چکا تھا۔ اس کام کا عملی تجربہ ہونا ضروری ہے۔ پچھلی ملازمت میں میں serving infrastructure پر تھوڑا کام کر چکا تھا، اسی نے بچا لیا۔ پھر بھی اپنے علم کو اس طرح ترتیب دینے میں 2 ہفتے لگے کہ 20 منٹ بے سمت بولے بغیر بات سمجھا سکوں۔ ایک کام کی بات یہ ہے کہ اگر design میں distributed queue چاہیے اور آپ نے کبھی استعمال نہیں کی تو اسے بس "distributed queue" کہیں۔ ایسی تفصیل میں نہ اتریں جس کا دفاع نہ کر سکیں۔
Ready to ace your next interview?
InterviewMan gives you real-time AI answers during live interviews — undetectable on Zoom, Meet, and Teams.
Try InterviewMan Freeدوسری Anthropic کوشش اور OpenAI کے چند mocks میں میں نے InterviewMan چلایا۔ coding challenge میں اس نے پکڑ لیا کہ اگلے مرحلے پر جانے سے پہلے میں reads پر TTL check کرنا بھول گیا تھا۔ stage 4 تک پہنچنے کی دھن میں یہی غلطی مجھ سے رہ جاتی۔ safety round میں اس نے alignment سے متعلق نکات سامنے رکھے، اس لیے tool use اور hallucinations والے سوال پر اس بار میں خاموش نہیں ہوا۔ system design میں prompt مکمل ہونے سے پہلے ہی اس نے GPU usage اور batching کو اصل موضوع بتا دیا۔ Zoom، Replit اور CodeSignal کے ساتھ dock، process list اور Activity Monitor سب دیکھے۔ کچھ نظر نہیں آیا۔ سالانہ plan پر $12 ماہانہ، پورے سال کے $144، sessions کی کوئی حد نہیں، public counter پر 57,000 users، 257 reviews سے 4.8 stars، اور 20 سے زیادہ stealth features اسی میں شامل ہیں۔ Interview Coder کی قیمت $299 ہے اور وہ صرف coding کے کام آتا ہے۔ safety round اور system design میں وہ بے کار ہے، حالانکہ ایسی جگہوں پر ممکن ہے آدھا score انہی دونوں سے بنے۔ اس پوری category کو ذرا وسیع زاویے سے دیکھنا ہو تو InterviewMan اور Interview Coder 2 کا موازنہ قریب ترین تحریر ہے۔
behavioral وہ حصہ ہے جسے اکثر لوگ غلط سمجھتے ہیں، کیونکہ حقیقت میں یہ روایتی behavioral interview ہے ہی نہیں۔ Anthropic نے انٹرویو سے پہلے values document بھیجا تھا اور توقع تھی کہ میں اسے پڑھ کر آؤں گا۔ پہلا سوال یہ تھا کہ LLMs کا کون سا failure mode مجھے سب سے زیادہ پریشان کرتا ہے۔ اگلا سوال تھا کہ agent کو tools استعمال کرنے کی اجازت ملے تو کیا بدل جاتا ہے۔ STAR میرے کسی کام نہیں آیا۔ team conflicts پر تیار کی ہوئی کہانیاں بھی کہیں نہیں پہنچیں۔ وہ جاننا چاہتے ہیں کہ code ship ہونے کے بعد اس کے اثرات کی واقعی فکر ہے یا نہیں۔ OpenAI بھی یہی پرکھتا ہے۔
مدت بھی لکھ دوں، کیونکہ اس کا سوال لازماً آتا ہے۔ Anthropic میں recruiter کی پہلی call سے جواب تک تقریباً 3 ہفتے لگے۔ سابق ساتھی کے مطابق OpenAI نے 6 ہفتے لیے تھے اور انتظار نے اس کی جان نکال دی تھی۔ Anthropic final round کو 2 الگ آدھے دن کے sessions میں بانٹتا ہے، ہر session میں 2 یا 3 rounds ہوتے ہیں۔ OpenAI کا ایک ہی لمبا دن ہوتا ہے۔ دونوں جگہ stages کے درمیان کئی دن کوئی جواب نہ آنا معمول ہے۔ recruiters کے پاس کام بہت زیادہ ہے۔ offer ملے تو interviewers میں سے کسی ایک کے ساتھ 30 سے 45 منٹ مانگیں۔ صرف اپنے سوالوں کے لیے الگ meeting رکھیں، اور جواب غور سے سنیں، کیونکہ اس مقام پر وہ آپ کو اپنی کمپنی قبول کرنے پر آمادہ کر رہے ہوتے ہیں۔
حقیقی interviews میں AI استعمال کرنے پر یقیناً اور بھی بہت سی آرا ہوں گی۔ یہاں میری توجہ frontier labs اور اصل rounds پر تھی، فرضی صورتوں پر نہیں۔ میرے لیے یہ طریقہ کام کر گیا۔ ضروری نہیں آپ کے لیے بھی کرے۔
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
