OpenAI and Anthropic Software Engineer Interview Guide 2026

第一次去 Anthropic 面试的时候，我基本算是答砸了，后来碰到一位以前的同事，她已经去了另一家 AI 实验室，就把这场面试从头给我捋了一遍，说我进去之前本来应该知道哪些东西。当时听完才发现自己准备得确实有问题，然后过了几周，我拿到了 Anthropic 和 OpenAI 两边的 offer。这里记的就是第二次再去时，我改掉的那些做法。

先说编程，时间是 90 分钟，跟经典白板题完全不是一种东西。面试官让我做键值存储，开始只有 SET、GET、DELETE，然后要支持 filtered scan，再往后是带时间戳的 TTL 过期，做到最后又来了文件持久化和压缩，前后正好 4 个阶段，后面的东西都得接着前面写。我当时最难受的还不是写不出来，而是刚做完一个阶段，面试官马上就补新限制，感觉跟 sprint 做到一半还有同事不停改 spec 一样，确实很折磨人。那位前同事说她在 OpenAI 做筛选轮也是这种路数，给 1 小时，让人现场做一个真正的东西；OpenAI 另外还有一轮，会让你拿出自己做过的系统，然后一直往细节里问，当时每个选择为什么这么做，都要说得过去。

我第一次在编程轮出问题，其实不是因为题不会，而是没有把思路说出来，90 分钟本来就紧，旁边还有个人看着你，每隔 15 分钟又往题目里塞一条要求，这个时候很容易越写越快，反而忘了讲话。第二次我只能强迫自己慢一点，拿到问题先换成自己的话复述，再随手列几个输入例子，代码先不写。之前练习时，她也会专门卡我这个，我一句话还没有说完，她突然来一句“行，那 corner case 呢”，我就只能把脑子里想的东西当场说出来。后来形成的习惯是先列做法，想一下复杂度，敲键盘前还会跟面试官确认方向看起来是不是合理，然后才开始慢慢写，写完用刚才那些例子调试。练的时候总觉得这样太慢了，不过实际面试反而快，因为走错路以后全部重写这种事情少了。

系统设计就更不一样了，以前准备 FAANG 系统设计背的那些东西，在这里可以先忘掉。没人让我做 URL shortener，我当时甚至希望他能问 URL shortener，也没人问 chat service，Anthropic 给我的题是推理服务基础设施，既要处理数百万请求，又要面对不同大小的模型，还得让 GPU 利用率维持在高位，于是 batching 怎么做，KV cache 内存怎么管，请求应该路由到哪个实例，延迟又怎么在 transformer pipeline 里越积越多，这些全都被问到了。更麻烦的是面试官真的搭过他们的 serving stack，不是看过资料那种，是他本人写过，聊了不到 2 分钟，他就知道我拿普通 YouTube 视频准备过。前同事之前也说过，她的 OpenAI 系统设计题是扩展推理服务，那边的面试官同样亲手碰过实际生产系统，所以这类面试，相关东西确实得自己做过。我以前工作时接触过 serving infrastructure，这点算是把我救了，不过之后仍然用了几周，把原来知道的东西重新理顺，否则一开口就会散掉，讲 20 分钟也讲不到重点。还有一个教训，如果方案需要 distributed queue，而自己根本没用过，那就老老实实说“distributed queue”，不要继续讲那些经不起追问的细节。

第二次参加 Anthropic 面试，还有后来几次 OpenAI mock，我都开了 InterviewMan。编程挑战做到升级阶段时，它提醒我读取数据前漏掉了 TTL 检查，我当时只惦记着赶快冲到第 4 阶段，这种地方确实很容易忘；安全轮问到工具使用和 hallucination，它给出了几个 alignment 方面的点，所以这次没有僵在那里；到了系统设计，面试官连 prompt 都没念完，它已经先抓到了 GPU 利用率和 batching。然后我在 Zoom、Replit、CodeSignal 里分别查了 dock、进程列表、Activity Monitor，什么都没有。价格按年付是每月 $12，也就是一年 $144，没有 session cap，公开计数器是 57,000 名用户，257 条 review 给了 4.8 星，内置 stealth 功能超过 20 项。Interview Coder 是 $299，只能做 coding，而安全轮和系统设计在这些地方可能占一半分数，这两部分用不上就很麻烦。想把同类产品了解得再全一点，可以看 InterviewMan 与 Interview Coder 2 的对比。