夜雨聆风
刚结束我的 OpenAI SWE（软件工程师）面试流程。这个过程与大多数大型科技公司不同，所以来分享一下详细环节。
招聘筛面（Recruiter Screen）： 轻松的背景交流。他们问了我认为 AI 将走向何方。建议在这个电话前先阅读 OpenAI 的章程（Charter）。
技术筛面（Technical Screen）： 同一天进行两轮，每轮 60 分钟：一轮编码，一轮系统设计。编码题是一个带版本的键值存储（versioned key-value store）。系统设计覆盖了一个具备容错能力的作业调度器（job scheduler）。
居家项目/带回家的项目（Take-Home Project）： 48 小时时限，要求构建一个真实可用的系统。我拿到的是分布式 Webhook 投递系统，需要包含重试逻辑和死信队列（dead-letter queues）。
技术深度复盘（Technical Deep Dive）： 后续跟进环节，面试官会逐行审阅你的居家项目代码。面试官有一份问题清单，会针对你做出的每一个选择和决策提问（这份清单是他在看过你的项目后自己整理的）。
现场循环面试（Onsite Loop，共 4 轮）：
编码轮次 1： 渐进式多阶段形式：在每个阶段都要先拿出可运行的解决方案，下一阶段才会开启。我拿到的是令牌级流式差异对比（token-level streaming diff），需要用回滚机制追踪状态变化。尽早做对基础版本，然后迭代优化。
编码轮次 2： 更偏向系统/底层风格。涉及状态管理、并发、内存效率。还聊到了 Python 内部机制：生成器（generators）、异步结构（async constructs）、迭代器（iterators）。
系统设计（System Design）： 我的题目是设计 ChatGPT。面试官关注 GPU 资源分配、非平稳流量下的自动扩缩容（autoscaling），以及分布式协调。除非特别要求，否则要抽象掉模型服务层（model-serving layer）。
行为面试（Behavioral）： 关于技术领导力的事例、影响多个团队的架构决策，以及在压力下达成共识的经历。要讲具体的权衡取舍（tradeoffs），而不是空泛的软技能回答。
智能体编码轮次（Agentic Coding Round，测试阶段）： 部分候选人会有第五轮：在一个现有代码库上解决一个靠手工无法完成的大问题。你需要借助 AI 编程智能体（AI coding agent） 来完成。由于还在测试阶段，并非所有人都会遇到这一轮。
另外，有没有人专门针对这种渐进式多阶段（progressive multi-part）格式做过准备？好奇什么方法比较有帮助。