最近我全程带一位同学冲刺 Anthropic SDE NG 岗位，最终两轮 VO 顺利上岸。今天把整个面试过程详细复盘一下，希望给还在准备 Anthropic 的同学一些真实参考。流程：网申→ OA → recruiter 电话 → 电面 1-2 轮 → VO 四到五轮 → 结果 / team match
OA 阶段
OA 是 CodeSignal 四关递进题，包括 in-memory DB、bank system、recipe manager、task management、file system 等。90 分钟时间很紧，最后一关经常写不完也很正常。我们重点把控了代码逻辑清晰度和边界处理，而不是一味追求最优解。这种务实的做法在 Anthropic 的考察体系里非常对路。
Recruiter 电话
常规环节，聊背景、聊意向、确认时间线。不刷技术，面试官不会深挖技术细节，但 why Anthropic 这题会提前问一次，别裸奔，可以结合自己对 Constitutional AI 和 AI 安全使命的理解去回答。
电面阶段（1-2 轮）
电面主要考察 Coding 和基础技术理解。Coding 题池相对固定，按出现频率包括 web crawler、file dedup、LRU cache 持久化、stack trace 转换、tokenizer、batch image processor 等。规则是禁 AI、可 Google、甚至可以抄搜到的代码，但 follow-up 才是真正给分的地方。
我帮学员提前准备了这些高频题的 follow-up 解释，比如多线程爬虫的并发模型 trade-off、GIL 瓶颈处理、hash collision 兜底方案等。学员在电面中表现稳定，顺利进入 VO。
VO 阶段（四到五轮）
VO 是 Anthropic 面试强度最高的部分，通常包括 Coding、System Design、Behavioral/Culture 等多轮。
Coding Round
第一轮 Coding 是实现一个多线程爬虫框架，支持动态扩展。学员讲了线程池的基本实现，我提前 mock 时特别提醒他要准备并发模型的 trade-off。面试官果然追问了多进程 vs 多线程在爬虫场景下的内存竞争、GIL 瓶颈以及任务暴涨时的调度策略。学员按照我们准备的思路，从业务场景出发解释了选择理由，顺利过关。
第二轮 Coding 是用 hash 方法找重复文件。学员不仅实现了基础功能，还主动提到 hash collision、大文件优化和 chunk-level hash 兜底方案，展示了工程级鲁棒性思考。
System Design Round
题目是设计一个高并发 AI 推理 API。学员一开始用了传统 FAANG 思路，我在 mock 时提醒他要聚焦 AI Infra，于是他重点讲了 GPU 调度、模型隔离和 latency 优化，面试官追问 spike 流量、动态扩容等问题时也答得比较从容。
还有一轮是 prompt playground 设计，这题完全不是传统 SD，而是 product design。面试官明确说不要画架构图，而是考 user flow、db schema、分享链接怎么 scale、怎么收回权限。学员按照我们准备的思路，重点讨论了产品交互和权限管理，避开了传统 SD 套路的坑。
此外，还出现了 design doc review 的新形式：给现成设计挑毛病。学员快速挑出关键问题，把时间留给深挖 batch strategy，表现不错。
Behavioral & Culture 轮
这轮是 Anthropic 最容易翻车的一轮，别当闲聊。考的是 value alignment + critical thinking。问题有固定池子：why Anthropic、大家都在发模型 Anthropic 也发有没有安全隐患、有什么让你想离开这家公司的地方。
最终结果
学员顺利拿到 Anthropic SDE NG Offer。
我的观察与建议
Anthropic 的面试真正考察的是你对 AI Infra 的理解深度、工程判断力和价值观对齐。单纯刷 LeetCode 很难应对他们的 follow-up。建议大家提前多读官方博客、Constitutional AI 相关材料，同时练习用具体案例解释技术决策。
过去几年，我们曾辅助学员参与 Anthropic、OpenAI、Google、Meta 等顶级公司的面试流程，提供面向 AI 技术岗位的面试准备支持。
无论你是 NG 还是有经验的 SDE，我们都能根据你的背景和目标公司，提供针对性的 mock、题库梳理和面试辅助。很多同学反馈，经过我们的辅助，VO 通过率和 offer 率都有明显提升。