‹ 全部面经
Amazon SDE VO 4.14:Timeline + 两轮复盘(Locker & Meeting Rooms)
Amazon SDE VO 两轮复盘:HM 面 3 道 BQ(冲突处理、高压项目、GenAI 提效)+ Locker & Package 设计;第二轮跨团队协作深挖 + Meeting Rooms I/II(最小堆与扫描线)。
Amazon
VO
第一轮:HM 面
面试官是一位国人大哥 HM,看起来严肃但很专业。因为工作安排迟到了 10 分钟,一上来就诚恳地道歉,让我稍微放松了一些。
BQ
前 10 分钟互相介绍后进入 BQ 环节,一共问了 3 个问题:
- 和团队发生冲突时,你是怎么处理的?
- 在紧急情况下,你如何完成一个高压项目?
- 你有没有用 GenAI 来提升工作效率的例子?
每个 BQ 都跟了 2–3 个 Follow-up。提前用 STAR 方法准备得比较充分,逻辑清晰、细节具体,回答比较从容。面试官听完频频点头,BQ 部分进行得比较顺利。
Coding:Locker & Package
经典的 Locker & Package 问题:设计 Locker 系统,判断包裹能否放进去。
- 先快速 clarify 关键点,再边写代码边解释思路,保持结构清晰、沟通流畅。
- 写完后面试官给了一个现实场景的 Follow-up,顺利调整了代码,并讨论了扩展性。
- 最后口述具体例子,分析了时间复杂度。
第二轮
面试官是一位面善的白人小哥,还有一位亚裔 Shadow 在旁听。
BQ:跨团队协作深挖
前 5 分钟互相介绍后,BQ 只问了一个主问题,但 Follow-up 非常深入:
Tell me about a time you collaborated with a cross-functional team.
我举了一个需要其他团队提供 Map API 来做 Tickets 可视化的例子。面试官连续追问了 6–7 个问题,我用 STAR 方法一步步拆解,他听完明确表示认可。这部分花了约 20 分钟。
Coding:Meeting Rooms 系列
第一问:判断是否能安排所有会议 —— 按开始时间排序,检查相邻会议是否 overlap。
Follow-up:最少需要几个会议室(Meeting Rooms II)—— 用 Min-Heap 实现,并口述了扫描线(Sweep Line)的另一种做法。最后主动 dry run 例子,分析了时间 / 空间复杂度。
小结
- Amazon BQ 的 Follow-up 很深,故事一定要准备到细节。
- Coding 要主动 clarify、边写边讲,写完主动 dry run。