OfferForge 导师 Dr. W. — 博士毕业，前 FAANG Senior MLE。研究方向为大规模分布式机器学习系统，曾在顶级国际学术会议发表多篇论文。负责团队学术方向把控与 MLE 面试辅导。
OfferForge 导师 Dr. S. — 前大厂 Senior SDE，精通分布式系统与大规模数据处理。曾在顶级技术会议发表多篇技术报告，专注于系统可扩展性与可靠性。负责课程体系设计与 System Design 面试辅导。
OfferForge 导师 Dr. L. — 前大厂 Senior SDE，深耕分布式系统与微服务架构。在服务治理、事件驱动架构方面有丰富实战经验。负责求职策略制定与 SDE 面试辅导，已帮助多位候选人斩获 Senior 级别 Offer。
Optiver 的大包裹谁都想要，但是拿下面试实属不易。Optiver 的 SDE NG 面试流程里有 coding 和 design，这一点和很多同级别公司不太一样。他家的 NG 是真的会考系统 design 的，而且不是走形式的那种。这篇笔记主要聚焦第一轮 coding 面试。整体时长一小时，代码在 Hackerrank 上完成，看起来很常规，但实际体验下来会发现，这一轮对工程基本功和计算机基础的要求明显高于普通算法面。
在 Optiver，第一轮 coding 并不是 给一道题 → 写最优解 → 结束 这种套路。相反，它是一场围绕同一个问题的技术深挖。面试官给出题目之后，通常不会立刻让你写代码，而是先进入一个较长的讨论阶段。他们非常在意你对问题的拆解能力，以及你是否能从不同角度思考解决方案。这一阶段如果表现不好，基本也就不用等后面的实现了。
一个非常重要、也非常容易被低估的点是：Optiver 会明确要求你给出多个 solution。注意，这不是你可以顺便提一嘴其他方法，而是面试官会主动追问：“还有没有别的解法？”、“如果不用这个结构，你会怎么做？”接下来你需要清楚地描述每一种方案的时间复杂度、空间复杂度，以及在不同约束条件下的优劣取舍。更关键的是，这里的 pros & cons 不是停留在 O(N)、O(logN) 这种算法课层面的讨论，而是会自然延伸到更工程化的问题，比如常数因子、cache 友好性、实现复杂度、以及在真实系统中可能遇到的坑。如果你只准备了标准答案，而没有对其他方案进行过系统性思考，这一段会非常被动。
Optiver 面试一个非常鲜明的特点是：讨论经常会一路下钻到底层实现。比如你提到用某个数据结构，面试官可能会接着问它在内存里的布局是什么样的；你说某种方案空间效率更高，对方可能会追问它的 memory access pattern 是否连续；如果你用的是 Java 或 C++，甚至可能会聊到 garbage collection、对象分配、指针间接访问带来的性能影响。也就是说，如果你的知识储备还主要停留在“刷题算法 + STL/Collections 会用”的层面，而对操作系统、内存模型、缓存、语言运行时缺乏直觉理解，那么这轮面试会非常吃力。Optiver 明显更偏好那种能把抽象算法和真实机器行为联系起来的候选人。
在完整讨论了多种方案之后，面试官才会让你在 Hackerrank 上选择其中一个进行实现。这里反而不是最难的部分，因为真正的难点已经在前面的设计和权衡中体现过了。不过需要注意的是，他们对代码质量的期望并不低。变量命名、边界条件、可读性都会被看在眼里，而不是只要 AC 就行。