Amazon SWE New Grad 面试全解析：为什么行为面能占到一半权重
Amazon SWE New Grad Interview Guide (2026)
阅读重点
在多数大厂，算法题是面试的绝对主角；在 Amazon，它更像入场券。根据一亩三分地、Glassdoor、Blind 上的公开面经与候选人反馈，Amazon 对 New Grad SWE 的评估里，围绕 Leadership Principles（LP）的行为面试权重极高。
Amazon SWE New Grad 面试全解析：为什么行为面能占到一半权重
在多数大厂，算法题是面试的绝对主角；在 Amazon，它更像入场券。根据一亩三分地、Glassdoor、Blind 上的公开面经与候选人反馈，Amazon 对 New Grad SWE 的评估里，围绕 Leadership Principles（LP）的行为面试权重极高，不少候选人反馈它能占到整体评估的一半左右。理解这个权重分配，是准备 Amazon 面试的第一步。
Amazon 到底在筛什么人
Amazon 是每年吸纳应届工程师最多的公司之一，团队横跨电商、AWS、广告、物流等业务线。招聘量大意味着流程高度标准化：每一位面试官都要按 LP 框架给出书面反馈，而不是凭个人喜好打分。
对 New Grad 而言，这套框架翻译过来就是三件事：
- 代码基本功过硬：题目难度多在 LeetCode Medium 档，重点不是偏题怪题，而是干净、正确、能讲清复杂度；
- 有 ownership 的证据：能拿出自己主导推进过的项目或实习经历，哪怕规模不大；
- 行为故事经得起追问：Amazon 面试官习惯沿着 STAR 往下挖三层细节，背模板很容易露馅。
Loop 中通常还有一位 bar raiser——来自其他团队、受过专门训练的面试官，职责是保证录用标准不因某个组急着用人而降低。多数候选人反馈，bar raiser 那一轮的行为追问最深。
流程拆解：从 OA 到一天 Loop
综合公开面经，Amazon New Grad SWE 的典型路径是：
- 网申或内推。内推主要作用是提高简历被处理的速度，不改变后续标准。
- OA（Online Assessment）：通常包含两道编程题（多为数组、字符串、哈希、双指针方向）加一份工作风格测评。测评部分与 LP 对应，建议按真实但积极的职业倾向作答，前后矛盾比"不够完美"更致命。
- Virtual Onsite / Loop：通常一天内完成 3 轮左右，每轮 45-60 分钟。常见组合是编码轮、编码加低难度设计轮、以及以行为问题为主的一轮；每一轮都会预留 15-25 分钟问 LP 行为题，这是 Amazon 区别于其他大厂的最大特征。
流程细节因组和季节有差异，以 recruiter 的说明为准。
高频题型与解题推演
以下为根据公开面经整理的代表性练习方向，覆盖常见考察面：
- 数组与哈希：Two Sum 及其去重、多解变形；Top K Frequent Elements
- 滑动窗口：无重复字符的最长子串
- 网格 BFS：多源扩散类问题（腐烂橘子模型）
- 堆：合并 K 个有序序列
- 面向对象设计：设计储物柜 / 停车场系统
- LP 行为题：failure、conflict、ownership 三大方向
推演一：无重复字符的最长子串（滑动窗口）
暴力解枚举所有子串再判重，复杂度 O(n³)，面试中只能作为起点。正确思路是维护一个窗口 [left, right]，用哈希表记录每个字符最近出现的位置：right 向右扩张，遇到窗口内已存在的字符时，把 left 直接跳到"该字符上次出现位置 + 1"，过程中持续更新最大长度。每个指针最多走一遍，时间复杂度 O(n)，空间 O(字符集大小)。讲解时主动说明"left 只前进不后退"这一单调性，是面试官判断你真懂而非背题的关键信号。
推演二：多源 BFS 的网格扩散
给一个网格，部分格子处于"已感染"状态，每一轮感染会向四邻扩散，问全部感染需要几轮。要点有三：第一，这是多源 BFS——初始化时把所有起点一次性入队，而不是对每个起点各跑一遍；第二，用队列按层推进，处理完一层计数加一；第三，结束后必须检查是否仍有未覆盖的格子，有则返回 -1。边界处理（空网格、无起点、无需扩散）是 Amazon 面试官常用的追问点，写完代码后主动过一遍这三种情况会明显加分。
行为题作答示范
以 "Tell me about a time you took ownership beyond your role" 为例：先用一句话给出情境（课程项目上线前发现队友负责的模块有数据一致性问题），再讲清你的决策（主动接手排查而非等对方修复）、具体动作（定位到并发写入缺少事务保护，补充测试后修复）、可量化的结果（演示如期完成，事后向队友复盘了问题成因）。每个 LP 方向准备 2 个这样的故事，共 8-10 个，覆盖 Ownership、Customer Obsession、Dive Deep、Earn Trust、Bias for Action。
两周冲刺计划
- 第 1-3 天：按标签刷数组/哈希/双指针/滑动窗口，每天 4-5 题，全部限时；
- 第 4-6 天：BFS/DFS、堆、区间类各刷 3-4 题，重点练"写完主动检查边界"的习惯；
- 第 7-8 天：写出 8-10 个 STAR 故事的文字稿，每个故事标注对应的 LP，并准备好被追问三层细节的答案；
- 第 9-10 天：过一遍面向对象设计与轻量系统设计的框架，New Grad 不要求深度，但要能有条理地问需求、列组件、谈取舍，可参考 New Grad 系统设计入门；
- 第 11-13 天：做 2-3 次全真模拟（英文、计时、边写边讲）；
- 第 14 天：只复盘错题与故事稿，不学新内容。
常见失误清单
- 只刷题不备 LP：这是 Amazon 面试挂掉的第一大原因，技术轮通过、行为轮出局的案例在公开面经中极为常见；
- 一个故事套所有问题：loop 各轮面试官会互相校对笔记，重复故事等于浪费展示面；
- 结果没有量化：STAR 的 R 说成"最后做完了"，不如"性能提升约 40%、按期交付"有说服力；
- OA 测评随意作答：工作风格测评答得前后矛盾，可能直接止步于 OA；
- 闷头写代码：Amazon 面试官期待你边写边讲，沉默十分钟再交答案会损失沟通分。
2025-2026 环境备注
AI 编程助手普及后，Amazon 与多数大厂一样收紧了远程环节的诚信要求，OA 与远程面试普遍有监控机制，依赖 AI 工具作答的风险远大于收益；练习时就应关闭辅助工具。招聘节奏上，New Grad 岗位投放通常集中在秋季，滚动录取、先到先得，建议尽早投递。国际学生涉及 OPT/H-1B 的时间规划，政策细节请以 USCIS 与学校国际办公室的官方信息为准。
FAQ
Q1：薪资范围去哪里查？ 不要依赖论坛里的单点数字。用 levels.fyi 按 SDE I（L4）与目标城市筛选，再交叉对照 Glassdoor 与 H1B 数据库，取区间而非均值。
Q2：内推有多大作用？ 主要提升简历进入流程的概率与速度，不影响面试标准。找熟悉你的人内推优于陌生人海推。
Q3：OA 之后多久有结果？ 多数候选人反馈几天到数周不等，旺季更慢。超过一个月可以礼貌跟进 recruiter。
Q4：挂了还能再投吗？ Amazon 通常有冷却期，不同岗位与阶段的规则不同，以 recruiter 答复为准。冷却期内可以把精力放在其他公司与补齐短板上。