先说说这两年的区别

整体感觉今年亚麻 NG 面试和去年相比变化还是挺明显的。去年很多岗位还是 general hiring，面试结束之后再决定具体去哪个组，今年基本都是组招，面试官大部分直接来自目标 team。流程上也从三轮逐渐变成四轮，Bar Raiser 的存在感明显增强。Coding 方面，刷题库的收益比去年低了不少，题目越来越偏向真实业务场景包装，很少再出现一眼就能认出来的高频题。另一个非常明显的变化是 AI，去年几乎没人关心候选人平时怎么使用 AI，今年反而成了高频话题。无论是项目经历还是日常开发流程，很多面试官都会主动聊 Cursor、Claude、ChatGPT，以及如何验证 AI 生成代码的正确性。

今年的 VO 一般是四轮，可能一天完成，也可能拆成两天。通常三轮来自 hiring team，一轮是 Bar Raiser。技术轮基本都是半小时 BQ 加半小时 Coding，而 BR 大概率全程 BQ。

面试结束后一周内出结果。

第一轮

第一轮面试官来自目标组，是一个做广告平台的 SDE。开场先做自我介绍，然后直接进入 BQ。第一个问题是讲一次主动发现项目风险并推动解决的问题。我讲的是实习期间发现推荐服务的缓存命中率持续下降，如果继续增长可能会导致线上延迟暴涨，于是提前分析数据并推动团队优化缓存策略。第二个问题是讲一次和 teammate 出现技术分歧的经历。面试官追问得比较细，不仅问双方方案的优缺点，还问如果最终事实证明自己错了会怎么处理。

Coding 的业务背景是一个 Promotion Eligibility Service。平台会定期推出各种促销活动，不同用户可能同时参与多个活动。系统需要支持用户加入活动、退出活动，以及查询用户当前参与了哪些活动。同时还需要能够快速统计某个活动当前覆盖了多少用户。写完基础功能后开始做 Follow-up。面试官问如果活动数量达到几十万怎么办，如果需要实时显示参与人数最多的前十个活动怎么办，以及如何避免同一个用户被重复加入活动。整体上是 HashMap 和 HashSet 的组合题，但包装得很像真实业务系统。

第二轮

第二轮先做 BQ。问题围绕 Deliver Results 展开。让我讲一个时间特别紧张但最终成功上线的项目。面试官没有太关注项目本身，而是一直追问决策过程。例如为什么选择优先做某些功能、为什么放弃另外一些功能、如果时间再少一半会怎么做。Coding 是一个 Vendor Contract Registry。公司维护大量供应商合同。系统需要支持新增合同、删除合同、更新合同状态，以及查询某个供应商当前有效合同数量。完成基础版本后继续讨论扩展场景。比如如何快速找到未来三十天即将到期的合同，如何处理自动续约合同，以及多个运营人员同时修改同一个合同时如何保证数据一致性。面试官对代码实现看得不算特别细，反而花了很多时间讨论数据结构选型以及复杂度分析。

第三轮（Bar Raiser）

这一轮完全没有 Coding。整个过程持续了大约四十五分钟。第一组问题让我讲影响最大的一个项目。第二组问题讲一次失败经历。第三组问题讲一次 Ownership 的例子。每个 Story 都被连续深挖十分钟以上。比如讲失败经历的时候，面试官不仅问失败原因，还问为什么当时没有提前发现问题、团队有没有提出过不同意见、事后具体采取了哪些改进措施。讲 Ownership 的时候则不断追问哪些工作原本不属于你的职责范围，以及为什么决定主动承担。整体感觉这一轮更像是在验证你过去做事情的方式，而不是验证技术能力。

最后一轮

最后一轮也是 BQ 加 Coding。第一个 BQ 是讲一次快速学习新技术并完成交付的经历。第二个 BQ 是讲需求发生重大变化后如何调整项目计划。Coding 的业务背景是一个 Return Request Processing System。电商平台每天会收到大量退货申请。系统需要支持创建退货单、取消退货单、查询用户历史退货记录，以及统计某个商品当前未处理的退货数量。结束 Coding 后还专门聊了十分钟 AI。面试官问平时是否使用 Cursor 或 Claude。接着问如果 AI 给出了一段复杂代码，你会如何验证其正确性。还问到有没有遇到过 AI 给出的方案看起来合理但实际上存在逻辑漏洞，以及最终是如何发现问题的。