刚结束openAI VO面试，open ai最近发了挺多面试，电面一般是Coding题目 + 少量BQ，看难度会出1~2个code，这次的面试官人比较好，沟通起来没有障碍。开始是15分钟BQ，BQ主要是围绕简历上的项目经历展开的，面试官会针对项目中的技术细节进行提问，BQ考察技术选型与团队合作的实际能力， OpenAI 面经一亩三分地 上也有很多类似的，这里和大家分享下电面和一轮技术面经。
OpenAI 面试时间线
2025/10/8 收到oa。
2025/10/14 完成oa，题目是leetcode style的，一道interval的medium，一道graph的medium偏hard，全部AC通过。
2025/10/14 完成oa的当天凌晨收到面试邀请和一个private dinner邀请，dinner时间就在第二天。
2025/10/15 private dinner，一共20人左右，有openai的员工、hr、还有别的候选人。大家一起聊天，问了很多 OpenAI culture、员工经历、AI 发展相关的问题 。饭很好吃，吃得我满嘴流油，最后领了个水杯走了。
2025/12/4 technical interview，开始面试流程.
OpenAI 面经
Round 1
BQ
1. 项目中的技术方案选型，为什么选这种方案，对比有什么好处？
2. 团队合作需求进度不一致，如何进行合作分工，有没有帮别人处理过紧急需求，有没有评估过你也做不好的风险？
Coding
要求设计一个算法，使机器人清扫所有可到达区域，并且只能调用 move()、turnLeft()、turnRight()、clean()，四个 API。
Follow-up问题
1. 若房间的面积极大，如何优化存储已访问坐标的内存占用？
2. 要是需要让机器人的移动次数尽可能少，该怎么调整原有算法的逻辑？
3. 当机器人电量有限，只能执行有限次操作时，该如何规划清扫顺序，优先处理关键区域？
思路：采用 DFS + 回溯。使用一个哈希集合记录已访问坐标，从初始位置 (0,0) 开始。进入一个单元格后，先调用 clean() 进行清扫，然后按照固定方向顺序依次尝试 move()。若移动成功，则递归进入新位置继续搜索；当递归结束返回时，通过“转向两次 + move() + 再转向两次”的方式，使机器人回到原位置并恢复原有朝向，从而保证搜索路径的完整性和方向一致性，遍历四个方向，可以覆盖所有可达区域。
这题做的比较快，又出了一个Coding，要求设计一个算法，给定一个整数数组，每个数代表一块儿石头，绝对值是石头的大小，正负号代表石头的方向。求出石头碰撞后剩下的石头。
思路：使用一个栈来模拟石头的碰撞过程。遍历数组中的每个石头，对于每个石头，判断当前栈顶的石头与当前石头的方向是否相反（一个正一个负）。
这轮面试感受还行，后续是约二面了。
Round 2
这轮面试官是一位白人小姐姐，挺好说话的，上来会寒暄十来分钟，然后接着自我介绍，自我介绍完就是进入正式的行为面了，这次是BQ+coding题，难度适中，最终完美通过第二轮，下面简单分享一下。
BQ:
1.你如何应对挑战和不同意见？
2.你是否能坚持己见，同时又能维护良好的人际关系？
Coding：
第一道题是从一堆崩溃日志里，找出最近30天里最容易出问题的三种设备。 思路:首先得把最近30天的日志记录先筛出来。然后按照不同的设备类型把它们分分组。对于每一种设备，我们算一下它的“崩溃率”，也就是用它的崩溃次数除以它的总使用次数。最后就把所有这些设备按照这个崩溃率从高到低排个序，取排名最靠前的三个就行。
第二道题就是判断课程安排合不合理，有没有循环依赖。 思路:用拓扑排序来处理。先找到那些不需要先修课的课程，把它们学掉。每学完一门课，就把依赖它的后续课程要求减一。如果有新的课程没有先修要求了，就继续学。如果所有课都能学完，就没问题；要是剩下一部分课始终有先修要求，就说明有死循环，完不成。
准备小结
如果你也在准备 OpenAI 或其他大厂的 OA／VO，可以直接联系 interviewAid 了解对应的面试辅助和陪跑支持。如果你想找我辅助面试，或者用 OpenAI面经 中的原题 mock，感受最真实的 feedback，欢迎戳我。
全网唯一一家支持 L6 以上 system design mock，只放真实面经。
求职辅助服务，是关于时间和品质的较量。咨询interviewAid，获取最专业的Tech求职辅助。