面完Anthropic的面试，过程还挺有感触，team里每个人都对自己的工作充满热情，这点真的有touch me。不过讲真，不管是考题难度还是bar，都是我面过最高的，没有之一。听说今年A家招聘节奏放缓，所以bar卡得严也是情理之中（但没想到这么难啊！分享下 Anthropic面经 和OA。
Anthropic OA
Level 1: 实现一个简化版的任务管理系统（Task Management System）。系统分为 4 个逐级解锁的 Level，每完成一层会增加新的功能要求；基础功能包括创建任务、更新任务和查询任务。任务具有 唯一 ID（task_id_N）、名称、优先级 priority 和时间戳 timestamp 等属性，其中 priority 为非负整数，timestamp 表示系统启动后的秒数且始终递增。随着 Level 提升，系统需要逐步支持 任务的搜索与排序（按优先级和创建顺序）、用户和时间相关的任务分配以及配额控制等功能。实现不要求最优复杂度，只要代码能 通过提供的 unit tests 即可。
思路：用Dict[str, Task] 按 task_id 存所有任务，再维护一个自增计数器 next_id 生成 “task_id_1″、”task_id_2″。这样 Level 1 的新增、更新、查询都很好做，而且后面加字段也不需要推翻重写。
Level 2: 任务搜索、按优先级和创建顺序排序，以及后续与时间或用户相关的任务管理功能。题目不要求最优复杂度，只要实现能够 通过给定的 unit tests 即可。
思路：Level 2 在已有任务集合上通过 过滤 + 排序（priority + 创建顺序） 实现搜索和排序功能；后续 Level 在 Task 对象中增加更多字段（如时间或用户信息），通过 列表筛选和排序组合逻辑 完成功能扩展。
Level 3:任务搜索、按优先级与创建顺序排序，以及与时间或用户相关的任务管理能力（如时间戳控制、任务分配等）。题目不要求最优复杂度，只要实现能 通过提供的 unit tests 即可。
思路：利用 timestamp 等时间字段处理任务状态或分配逻辑。整体实现采用 字典存储 + 列表筛选排序 的方式，保证结构简单且易于扩展的功能。
Anthropic 面试
Code
题目要求设计一个算法控制机器人清扫所有可到达的区域，机器人只能通过 move()、turnLeft()、turnRight() 和 clean() 四个 API 与环境交互。
解题思路是使用DFS + 回溯：用一个哈希集合记录已经访问过的坐标，从起点 (0,0) 开始，先清扫当前格子，然后按照固定方向顺序尝试前进；如果 move() 成功，则递归进入新的位置继续探索。递归返回时，通过两次转向和一次 move() 让机器人回到上一个位置并恢复原来的朝向，从而保证可以完整遍历所有可达区域。
Follow-up：如果房间规模很大如何优化已访问坐标的存储；如果要减少机器人的移动次数如何改进策略；以及当机器人电量有限时如何优先清扫更重要的区域。
系统设计
题目：“An Ad click Aggregator is a system that collects and aggregates data on ad clicks. It is used by advertisers to track the performance of their ads and optimize their campaigns. For our purposes, we will assume these are ads displayed on a website or app, like Facebook.” 考的ad click aggregator
Behavioral
Behavioral问题同样也是重头戏，必问“Why Anthropic?”，一定要往AI Safety和他们的research culture上靠。最好准备一个你为了safety牺牲了其他东西的项目例子，这个超级加分！他们真的很看重你是不是和他们mission-driven的文化合拍。
面完Anthropic SDE，最大感受是LLM Infra+AlSafety全程深度绑定，和普通大厂 SDE的面试侧重点差很多，VO节奏紧凑，对分布式系统、推理优化、安全工程的落地能力要求很明确，纯刷 LeetCode很难适配。人类学的面试主要有下面的两个特点：
- 不考偏门冷题，核心考察LLM基础设施、分布式系统、性能优化，所有设计题都要绑定 AISafety。
- 官方的infra 博客、safety相关论文一定要看，面试思路和公司技术理念高度对齐。3.项目复盘别堆技术名词，重点讲实际问题排查过程、取舍逻辑。4.Culture fit不是形式，安全意识、长期 AI责任是实打实的筛选维度。
面试卡壳怎么办？
很多同学其实不是不会，而是现场思路卡住 或者follow up 没准备到。
比如：算法题 follow up 推不下去，System design 不知道怎么展开，coding 写到一半思路断掉。这种情况下，如果咨询过Interview Aid，其实很多题是可以当场救回来的。像一些面试辅助服务会在关键节点给出提示，帮你把设计或算法继续推下去。
如果你也在准备 Anthropic / FAANG / Quant / Big Tech 面试，需要模拟面试或面试辅助，可以了解下Interview Aid的求职辅助服务，熟悉面试节奏，很多高强度 VO 其实是可以稳住的。