Anthropic 的面试并不像传统大厂那样题目驱动，而是更偏向于评估你是否能参与构建大规模 AI 系统，以及你是否认同他们的价值观。整体流程通常包括 OA、phone screen、VO（coding + system design + project deep dive + culture），再加上 hiring manager 轮。
OA 通常比较工程化，比如 recipe manager 这种偏应用层的小系统设计，不是纯算法题，更像是在看你如何组织数据和逻辑。Phone screen 一般会有 coding 和 system design 的组合。Coding 里 LRU cache 出现频率很高，但考法并不是简单实现，而是围绕真实使用场景展开，比如如何设计 cache key，如何在系统 crash 后恢复状态。有人提到用 WAL（write-ahead logging）来做 crash recovery，这种回答通常会很加分。
VO 阶段的 coding 题整体难度不算高，但几乎都有明显的工程味。常见题包括 LRU cache、爬虫、file deduplication。比如 file dedup 本质不是考你写一个哈希表，而是看你如何在只能流式读取大文件的约束下设计可扩展方案。你需要考虑如何分块读取、如何计算 hash、如何减少 IO，以及如何在大规模数据下运行。Follow-up 往往涉及 IO bound 和 CPU bound 的分析。
System Design 是整个面试中最关键的部分之一，题目明显集中在 AI 基础设施相关。常见题包括 batch GPU requests、inference system、model downloader、prompt playground。比如 batch GPU requests 本质是在考你如何高效利用 GPU 资源——请求如何聚合、如何调度、如何减少 padding 带来的浪费、latency 和 throughput 之间的 trade-off。如果你没有相关经验，很难临场编出来。
Project Deep Dive 是一个非常关键的环节，而且往往比 coding 更有决定性。面试官会让你讲一个最有影响力的项目，然后不断往细节里追问。一个明显的特点是，面试官会持续追问直到他们完全理解你的贡献为止。如果你的描述停留在高层，很容易被认为不够深入。
Culture 面试明显权重很高。问题不仅包括常规的 Behavioral，还会涉及价值观层面的讨论，比如有没有做过利他不利己的事情，或者你如何看待 AI 的风险，以及为什么仍然选择参与这个领域。culture 轮会不断深入，甚至比 project deep dive 还要细，这其实是在测试你是否 genuinely align with 他们的价值观，而不是临时准备的答案。