2026 年中找工作记录 & AMA
找工就业
8 YOE，目前在linkedin，2月开始面试，进入面试的基本都是staff + 的role或者MTS不分level。
面了大约这些公司：
格式：公司名 ｜ 最终停留的阶段
Abridge｜Recruiter
Hark｜onsite
OpenAI｜onsite
Netflix｜HM
Figma｜onsite
Harvey｜TPS
Perplexity｜TPS
Rippling｜offer
Databricks｜onsite withdraw
Cognition Labs | onsite
Commure｜onsite withdraw
Zeromatter（0M）｜onsite withdraw
Tesla｜offer
Zoox｜TPS
Hinge Health｜HM
Apple｜offer
Parafin｜HM
Intuit｜onsite withdraw
NVIDIA｜onsite withdraw
Applied Intuition｜offer
Notion｜onsite withdraw
Nubank｜offer
Handshake｜Recruiter
Ironclad | TPS withdraw
Resolve.ai | onsite
Meta | TPS
简历拒/无消息：
Airbnb
xAI
fireworks
together
Replit
Decagon
Valon
Strava
Moda
Quizlet
Physical Intelligence
Cursor / Anysphere
Hippocratic AI
River AI
Discord
Juniper Square
Mechanize
Rivian
ServiceNow
Sierra
SoFi
Stripe
Vercel
有海投有内推，海投比例高。
简历没消息的有一些是我低估了市场的拥挤度一开始投的，比如投了airbnb的sr staff，现在看无人理完全正常。
有一些结果做了混淆避免被认出来，最后去的地方也没列进去，只是分享经历，请不要人肉。
主要投递的都是Agent/Agent Infra相关的岗位，也有一些infra/platform的general backend。个人背景general swe，带过好几个组，有production agent项目。
可以分享的面经已经都分享在地里了。
整体感觉：
关于8yoe为什么能拿staff面试
有朋友说身边很多10+yoe还只能面senior。我的情况是4年前已经升了li的staff，先后做过11人、6人团队的TL，目前带7人团队。做过0-1的product、跨六七个组的migration，现在做agent，也mentor过三四个同level和四五个sr。想转manager很早就可以转了，继续升IC主要卡在org排队。 我觉得讨论level得把这些经历放进来，光比yoe意义不大，不然谁待满十五年都该拿6+了。公司招staff，要看你已经做过什么scope的事情，做出了什么impact，以及这些经历是不是他们现在需要的。 所以如果工作很多年但一直拿不到staff面试，我会先看简历和投递方向。简历有没有把impact和scope讲清楚，让人一眼知道你负责过什么？投的岗位是不是对口，还是拿着几年前的技术栈到处投？这两件事本身就跟staff的工作很相关：自己的经历都讲不清楚，怎么让人相信你能drive跨org的事情；市场换了方向，也得主动学新的东西。 当然我也不是每家公司都认可。原帖有些停在recruiter轮的，就是不给面staff。我个人觉得自己的impact在6-6.5之间，不appreciate这些经历的公司就让他们继续找，不纠结，也没必要鸡同鸭讲。
关于“一个月准备完SD”
这个被问了几次，需要说清楚：一个月说的是集中复习技术栈，不是从0学会后端，也不是整轮求职只花了一个月。 我已经工作八年，online、nearline、offline都做过，product和infra/platform也都做过。很多东西原来就知道，只是当前工作不常用，需要重新捡起来。所以txn db、lsm db、kafka、redis这些，我花一个月跟claude复习完觉得绰绰有余；olap/columnar db、s3、tsdb、flink等再快速过一遍，后面边面试边补。技术栈捡起来以后，再用grill me对着面经题模拟面试。 一个小时的SD也不可能把每个技术点挖到底，很多东西大概了解方向就够了。对我来说是把已有的知识重新整理到能在面试里用，不是一个月从没听说过Kafka学到能面staff。起点不一样，准备时间没法直接比。 也别因为投的是agent岗，就把backend基础丢了。我遇到的SD有传统分布式系统，有单体agent，也有large scale memory system这种面向agent的分布式设计。公司规模、面试官做过什么，都影响他会往哪里问。
关于staff的SD到底多了什么要求
我感觉一个很明显的区别是，回答要简洁，但又不能漏。要覆盖的点很多，如果每个问题都从头讲一大段，一个小时根本不够。 我一般会主动把30%左右的时间引到不同failure modes上，而不是只讲系统正常运行的时候怎么工作。同时会probe面试官的偏好和反应，看他对哪些点有兴趣，及时pivot。不同level、不同experience的人关注的东西不一样，不能不看对方反应，自己把准备过的内容背到底。 说白了就是对人说人话对鬼说鬼话，跟实际工作里给不同leadership汇报是一个道理。对方关心什么、需要听到什么，你要能判断。我也很注意自己面试里的profile，说话和神情尽量放松，但要自信。
关于怎么选offer
有朋友问我最后做决定主要看什么。我反而觉得现在很多人纠结，是能比较的东西太多了，尤其有AI以后，什么维度都能列一堆利弊，最后越分析越不知道自己要什么。 我的建议是在没有offer的时候，先想清楚自己下一个5-10年最想要什么，一两个点就够了。等offer来了，主要围绕这一两个点选，别临时又给自己加一堆标准。 不同类型的公司区别很大，没有一个选择能把所有好处都占了。AI可以帮你找信息，但决定还是自己做，想清楚自己愿意承担什么责任，比继续多列几个优缺点有用。
【AI 总结，看我原话的话可以爬楼】
yifanswe.github.io
大部分是AI写的，但是这就是我复习的资料库。
有朋友问怎么选组、怎么获得更有趣的挑战。我理解本质上是希望现在做的事情，能成为长期有复利的积累，而不只是一段“工作”。但什么经历未来更值钱，很难预测，跟猜未来十几年哪个板块涨得最好区别不大。我自己也没有主动换过组，更多是被组织调整推着走，一直在大厂的角落里用 startup 的方式工作。相比判断哪个方向更有前途，我更建议想“如何投资自己最有效率”。对我来说是三件事：找到自己的兴趣，没有就扩大接触面；保持自我反思和对他人的同理心；平视别人。AI 提高了把想法变成现实的效率，知道自己喜欢什么、能维持专注，我觉得会越来越重要。带团队、mentor 别人之后，我也不再把从别人身上学技术当成第一优先级，更关注他们为什么这样思考和做事。成功里有很多运气和偶然，很难复制，别人的失败反而经常有值得自己警惕的东西，但这需要理解对方的处境，再反思自己。最后，无论面对 ng 还是 VP，都不俯视也不仰视，观察他们的喜好、偏见和行为模式，而不是只研究“老板们”。选组未必有标准答案，但这些是我觉得可以持续投资在自己身上的东西。
面了大约这些公司：
格式：公司名 ｜ 最终停留的阶段
Abridge｜Recruiter
Hark｜onsite
OpenAI｜onsite
Netflix｜HM
Figma｜onsite
Harvey｜TPS
Perplexity｜TPS
Rippling｜offer
Databricks｜onsite withdraw
Cognition Labs | onsite
Commure｜onsite withdraw
Zeromatter（0M）｜onsite withdraw
Tesla｜offer
Zoox｜TPS
Hinge Health｜HM
Apple｜offer
Parafin｜HM
Intuit｜onsite withdraw
NVIDIA｜onsite withdraw
Applied Intuition｜offer
Notion｜onsite withdraw
Nubank｜offer
Handshake｜Recruiter
Ironclad | TPS withdraw
Resolve.ai | onsite
Meta | TPS
简历拒/无消息：
Airbnb
xAI
fireworks
together
Replit
Decagon
Valon
Strava
Moda
Quizlet
Physical Intelligence
Cursor / Anysphere
Hippocratic AI
River AI
Discord
Juniper Square
Mechanize
Rivian
ServiceNow
Sierra
SoFi
Stripe
Vercel
有海投有内推，海投比例高。
简历没消息的有一些是我低估了市场的拥挤度一开始投的，比如投了airbnb的sr staff，现在看无人理完全正常。
有一些结果做了混淆避免被认出来，最后去的地方也没列进去，只是分享经历，请不要人肉。
主要投递的都是Agent/Agent Infra相关的岗位，也有一些infra/platform的general backend。个人背景general swe，带过好几个组，有production agent项目。
可以分享的面经已经都分享在地里了。
整体感觉：
- 海投vs内推对我来说在简历处理速度上有明显区别，通过率上不太有区别。
- AI 目前暂时对面试的影响不大。AI coding轮一家一个样，不统一且一般都比较简单。
- Leetcode 比例感觉有降低换成一些递进题，整体难度感觉中等。
- SD 轮难度感觉显著增高，可能candidate比较多，拿一个好rating不太容易。
- BQ 轮中规中矩变化不大
- hot startup 简历筛选bar明显很高（base也都开的很高基本都在320+）
补充内容
麻烦大家在这个ai时代问问题前先尝试问ai，我不介意提供ai提供不了的信息，也请尊重我的时间，后面无价值的问题不回了🙏补充内容
看评论里有几个问题需要补点背景，集中写一下不用爬楼了。 关于8yoe为什么能拿staff面试
有朋友说身边很多10+yoe还只能面senior。我的情况是4年前已经升了li的staff，先后做过11人、6人团队的TL，目前带7人团队。做过0-1的product、跨六七个组的migration，现在做agent，也mentor过三四个同level和四五个sr。想转manager很早就可以转了，继续升IC主要卡在org排队。 我觉得讨论level得把这些经历放进来，光比yoe意义不大，不然谁待满十五年都该拿6+了。公司招staff，要看你已经做过什么scope的事情，做出了什么impact，以及这些经历是不是他们现在需要的。 所以如果工作很多年但一直拿不到staff面试，我会先看简历和投递方向。简历有没有把impact和scope讲清楚，让人一眼知道你负责过什么？投的岗位是不是对口，还是拿着几年前的技术栈到处投？这两件事本身就跟staff的工作很相关：自己的经历都讲不清楚，怎么让人相信你能drive跨org的事情；市场换了方向，也得主动学新的东西。 当然我也不是每家公司都认可。原帖有些停在recruiter轮的，就是不给面staff。我个人觉得自己的impact在6-6.5之间，不appreciate这些经历的公司就让他们继续找，不纠结，也没必要鸡同鸭讲。
关于“一个月准备完SD”
这个被问了几次，需要说清楚：一个月说的是集中复习技术栈，不是从0学会后端，也不是整轮求职只花了一个月。 我已经工作八年，online、nearline、offline都做过，product和infra/platform也都做过。很多东西原来就知道，只是当前工作不常用，需要重新捡起来。所以txn db、lsm db、kafka、redis这些，我花一个月跟claude复习完觉得绰绰有余；olap/columnar db、s3、tsdb、flink等再快速过一遍，后面边面试边补。技术栈捡起来以后，再用grill me对着面经题模拟面试。 一个小时的SD也不可能把每个技术点挖到底，很多东西大概了解方向就够了。对我来说是把已有的知识重新整理到能在面试里用，不是一个月从没听说过Kafka学到能面staff。起点不一样，准备时间没法直接比。 也别因为投的是agent岗，就把backend基础丢了。我遇到的SD有传统分布式系统，有单体agent，也有large scale memory system这种面向agent的分布式设计。公司规模、面试官做过什么，都影响他会往哪里问。
关于staff的SD到底多了什么要求
我感觉一个很明显的区别是，回答要简洁，但又不能漏。要覆盖的点很多，如果每个问题都从头讲一大段，一个小时根本不够。 我一般会主动把30%左右的时间引到不同failure modes上，而不是只讲系统正常运行的时候怎么工作。同时会probe面试官的偏好和反应，看他对哪些点有兴趣，及时pivot。不同level、不同experience的人关注的东西不一样，不能不看对方反应，自己把准备过的内容背到底。 说白了就是对人说人话对鬼说鬼话，跟实际工作里给不同leadership汇报是一个道理。对方关心什么、需要听到什么，你要能判断。我也很注意自己面试里的profile，说话和神情尽量放松，但要自信。
关于怎么选offer
有朋友问我最后做决定主要看什么。我反而觉得现在很多人纠结，是能比较的东西太多了，尤其有AI以后，什么维度都能列一堆利弊，最后越分析越不知道自己要什么。 我的建议是在没有offer的时候，先想清楚自己下一个5-10年最想要什么，一两个点就够了。等offer来了，主要围绕这一两个点选，别临时又给自己加一堆标准。 不同类型的公司区别很大，没有一个选择能把所有好处都占了。AI可以帮你找信息，但决定还是自己做，想清楚自己愿意承担什么责任，比继续多列几个优缺点有用。
【AI 总结，看我原话的话可以爬楼】
补充内容
另：SD的准备资料可以参考我的blog：yifanswe.github.io
大部分是AI写的，但是这就是我复习的资料库。
补充内容
关于转组/个人成长有朋友问怎么选组、怎么获得更有趣的挑战。我理解本质上是希望现在做的事情，能成为长期有复利的积累，而不只是一段“工作”。但什么经历未来更值钱，很难预测，跟猜未来十几年哪个板块涨得最好区别不大。我自己也没有主动换过组，更多是被组织调整推着走，一直在大厂的角落里用 startup 的方式工作。相比判断哪个方向更有前途，我更建议想“如何投资自己最有效率”。对我来说是三件事：找到自己的兴趣，没有就扩大接触面；保持自我反思和对他人的同理心；平视别人。AI 提高了把想法变成现实的效率，知道自己喜欢什么、能维持专注，我觉得会越来越重要。带团队、mentor 别人之后，我也不再把从别人身上学技术当成第一优先级，更关注他们为什么这样思考和做事。成功里有很多运气和偶然，很难复制，别人的失败反而经常有值得自己警惕的东西，但这需要理解对方的处境，再反思自己。最后，无论面对 ng 还是 VP，都不俯视也不仰视，观察他们的喜好、偏见和行为模式，而不是只研究“老板们”。选组未必有标准答案，但这些是我觉得可以持续投资在自己身上的东西。
已获得 47 大米
+2
共84条回复
✨ 您正在体验新版论坛UI
