刚完整走完一轮 Anthropic interview process VO，和之前面过的大厂差别很明显。这边不太卷纯算法模板，更看你在真实系统里怎么做工程取舍，以及对 AI 安全有没有自己的判断。四轮都偏硬,按记忆复盘一下给有需要的同学参考。
Anthropic Interview Process 参考
Recruiter Screen（背景 + Why Anthropic / AI Safety）→ Technical Phone Screen 或 OA → 有时会有 Hiring Manager 深挖 → 再进 Virtual Onsite。VO 一般 4 轮左右，覆盖 Coding、System Design、以及独立的 Values / Behavioral。整体周期常见在几周到一个多月，Team Matching 多在技术过线之后。不同团队会有微调，但「技术 + 价值观并重」是稳定特征。
第一轮：Coding
题目不像 LC。给你一系列时间点的调用栈快照，通过相邻栈的 diff 生成函数的 start / end 事件。例如 t=0 栈是 [A,B,C]，t=1 是 [A,B,D]，就意味着 C 结束、D 开始。
我先讲清楚：维护当前确认栈，每次 diff 找出新增和消失的帧，按序吐事件。面试官点头后让我写。
Follow-up 难一截：引入参数 n，某个栈必须连续出现至少 n 次才确认切换。需要候选栈 + 连续计数：相同则 +1，达到 n 就提升为确认状态；中途换栈则重置。边界卡在：首次初始化、采样结束未达 n 的候选怎么收尾、已确认状态重复出现不能重复发事件。中间候选和确认状态定义糊了一下，面试官提了一句，分开维护后测试过了。
这题是 Anthropic 高频 coding 之一，考的是工程状态机，和背模板关系不大。
第二轮：System Design
设计支持流式输出的 LLM Inference API，要覆盖多租户、限流、重试、模型版本灰度。
先 clarify：只做推理、要考虑 SSE 断连恢复、多租户用共享池 + 配额。然后画架构：
- 入口：鉴权 + token bucket 限流，超限返回 429
- 调度：按模型、优先级、预估 token 做动态 Batching（提到 Continuous Batching）
- 推理：TTFT 与吞吐量权衡、Prefix Caching 复用 system prompt 的 KV、GPU OOM 时准入控制 + KV 淘汰
- 流式与计费：SSE + request_id 幂等去重，已生成 token 不重复计费
面试官在 TTFT、KV Cache、OOM 上追得紧，全程在认真听。出来觉得大方向没翻车，OOM 那块如果再加排队而不是直接拒绝会更稳。
第三轮：Coding
64 位、全局唯一、趋势递增。基础版我讲 Snowflake：1 符号 + 41 时间戳 + 10 机器 ID + 12 序列号。
Follow-up 连着追：
- 序列用尽：busy-wait 下一毫秒，加自旋上限，超时让客户端重试
- 机器 ID：ZooKeeper/etcd 启动时抢号，本地可缓存，中心挂了仍能靠本地继续
- 时钟回拨：小回拨用逻辑时钟顶；大回拨拒绝并报警，不硬扛
- 绝对连续：不需要，趋势递增、允许空洞
- Segment：号段批量取、双 Buffer 预取，重启会浪费一段 ID
- Redis INCR：简单但单点，故障转移有重复风险，不如 Snowflake/Segment 稳
聊得比较深，面试官最后说内部实现更复杂，大方向认可。
第四轮：Behavioral
这轮是 Anthropic 面试里最出名的一轮，也是很多 FAANG 背景的人最后折在这里的原因。
面试官几乎不寒暄，直接丢场景。第一个是数据隐私：用户和 Claude 的对话，怎么处理才合理？能不能拿去训练？我当时说默认不该用于训练，用户要有明确知情和选择；真要用必须匿名化并说清楚。他马上追：「那不用用户数据，模型还怎么持续迭代？」这题没有漂亮答案。我说这是真实取舍——可以靠 RLHF 标注和合成数据补一部分，但不能假装没有代价，这个取舍必须对用户诚实。他没评价对错，只点了点头，继续往下。
第二个是模型偏见：如果发现模型对某个群体有系统性偏差，你怎么办？我答的是先停高影响场景的使用，同时查根因——数据、RLHF 还是评测标准，定位清楚再修，不能拿「我们会继续迭代」当挡箭牌。他追了一句：「如果业务方说上线压力很大、先放一放呢？」我说那就把风险和可回滚方案写清楚，往上升级决策，而不是自己默默放宽。
第三个是就业冲击：AI 大规模取代某些职业，好事还是坏事？没有标准答案。我说这已经在发生，Anthropic 不能只负责发模型，还要认真想怎么和政府、教育机构一起帮受影响的人转型，不能全甩给市场。
整轮他几乎不说「好」或「不对」，每次我讲完就问：「你这个立场的前提是什么？」「如果这个前提不成立呢？」。
写在最后
四轮下来，Coding 考的是工程状态机而不是算法模板，System Design 考的是对 AI Infra 的真实理解（GPU 是稀缺资源、KV Cache 管理、SSE 断连），第三轮 Coding 是分布式系统设计而不是 OOD，Behavioral 是真正的价值观考察。
Anthropic 的 Values/Culture 轮是大多数候选人挂掉的轮次，这不是客套话——见过太多 coding 和 SD 都过了、最后栽在这轮的人。提前认真读 Anthropic 官方的 Constitutional AI、Responsible Scaling Policy、Long-Term Benefit Trust 这几篇文章，这轮的问题基本都从里面出。
有在冲 Anthropic、OpenAI 这类 AI 公司的同学，可以来找我们聊聊。InterviewShow团队做过 Anthropic、Google、Meta 这些公司的面试，Profiling Stack Trace 和分布式 ID 这类 Anthropic 高频题、LLM Inference 系统设计以及 AI Safety 价值观的答题框架都有专门的准备方案，一对一跟着走。有需要的来聊。