第一轮：Technical Screen（八股 + LeetCode）

第一轮本质上是一个偏技术筛选的 screen，整体时长大约一小时。前十五分钟通常是偏八股的技术问答，具体问什么高度依赖你面试的岗位方向和背景。后端岗位常见的是 network、OS、database、distributed system 这些基础概念，比如 TCP 的细节、线程和进程的区别、数据库索引原理、分布式一致性问题等。

后续四十五分钟是标准的 LeetCode 风格算法题，在 CoderPad 上完成。面试官会直接把题目描述复制到编辑器里，你需要当场实现解法。代码不要求真的运行通过，但一定要逻辑完整、边界条件考虑清楚，并且要能够手动 dry run，用例子解释代码在每一步是如何执行的。这个阶段非常看重你讲解思路的能力，而不是单纯把代码写完。如果这一轮表现不错，基本就会进入后续的 full loop。

Full Loop 总览

通过 technical screen 之后，会安排完整的 onsite（通常是 virtual），一共四轮，每一轮大约一小时，分别是 host manager、coding with AI、algorithms 以及 system design。整体强度不低，而且每一轮的侧重点都很不一样。

Host Manager：技术导向的简历深挖

Host manager 这一轮并不是传统意义上的行为面试，也不会有那种非常套路化的 BQ 问题。整体更像是一次技术导向的 resume deep dive。面试官通常不会逐条过你的简历，而是会挑选一到两个他们认为最有价值、最有技术含量的项目，然后一路深挖下去。

在这一轮里，项目的技术深度非常关键。面试官会关心你在系统中的角色、你做过哪些关键决策、当时的 trade-off 是什么、遇到了哪些难题，以及如果现在重新设计你会怎么改。很多问题并没有标准答案，重点在于你是否真的理解系统背后的原理，而不是只停留在“我用过某某技术”这个层面。

Coding with AI：考察你如何正确地使用 LLM

这一轮是在 CoderPad 上进行，面试官会允许你使用内置的若干 LLM 来辅助写代码。但需要非常明确的一点是，这些 LLM 都是明显降智版的，无论是理解能力还是代码质量，都和你平时使用的 GPT 或 Gemini 有明显差距。

题目本身并不偏工程化，依然是算法或逻辑实现类型的问题。一般会给你一个基本的代码框架，要求你在此基础上实现新功能，或者修复已有的 bug。真正被考察的重点并不是你能不能让 AI 把代码写出来，而是你如何构造 prompt、如何引导模型、以及你是否能够正确理解和审查它生成的代码。

面试官非常在意你是否对 LLM 有清醒的认知。最大的禁忌是完全依赖并且盲目信任 AI 的输出。如果模型给出了一个看似合理但实际上有问题的实现，你需要能够识别出来，并清楚地解释为什么不对、应该如何修改。这一轮更像是在考察你未来在真实工作环境中如何与 AI 协作。

Algorithms：标准 LeetCode 强度 + Follow-up 思考

Algorithms 这一轮是非常传统的算法面试，一小时通常会有两道题，依然是在 CoderPad 上完成。代码不要求运行，但必须能够 dry run，并且对时间复杂度和空间复杂度有清晰的分析。每一道题基本都会有 follow-up，可能是数据规模变化、约束条件改变，或者要求你从另一个角度重新思考解法。大多数情况下并不会要求你真的把 follow-up 写成代码，但一定要把思路讲清楚，说明你知道问题的本质在哪里，以及可以如何扩展当前解法。这一轮考察的核心依然是算法基本功，以及你在压力下是否还能保持思路清晰、表达有条理。

System Design：候选人主导的整体设计能力

System design 是完整面试流程中的最后一轮，也是最开放、最看综合能力的一轮。整体结构可以直接参考 Hello Interview 那套经典框架，从需求分析开始，一步步走到 API 设计、高层架构、数据库 schema、核心流程以及某个关键点的深挖。

在大多数情况下，这一轮是由 candidate 主导节奏的。你需要主动推进设计，而不是等面试官一步步引导。同时也要注意随时回应面试官提出的 concern，比如可扩展性、可用性、延迟、成本或者一致性问题。

需要注意的是，不同组的 system design focus 差异会非常大。有的团队会偏 AI infra，关注模型服务、推理延迟和资源调度；有的会偏 ranking backend，讨论特征获取、排序逻辑和在线推断；也有的会偏 event-driven system，重点放在消息队列、异步处理和最终一致性上。因此在准备时，除了通用框架，也最好对自己目标组的方向有一定针对性的准备。