一句话总结
Anthropic的内推不是“谁认识谁”的游戏，而是“谁验证过你”的筛选工具。你需要的不是LinkedIn上冷冰冰的connect request，而是能在30秒内让对方觉得“推荐你我不会丢脸”的证据链。
2026年，Anthropic的SDE岗位投递量是2024年的3倍，但面试转化率从12%降到了4%——没有内推，你的简历连Hiring Committee的扫描都过不了。
适合谁看
这篇文章写给三类人：第一类，在FAANG或同等体量公司有2-5年SDE经验，想跳槽到AI安全/对齐方向，但投了20封简历全石沉大海的人。第二类，硕士或PhD在读，研究方向是RLHF、模型可解释性或分布式训练，但不知道如何让Anthropic的recruiter注意到你。
第三类，已经拿到Anthropic面试，但卡在team match或onsite轮次，需要内部人帮你解读feedback的人。
不是写给：刚毕业的new grad（Anthropic 2026年不招L3以下SDE），或者只想随便投个简历碰运气的人。如果你连“Claude的constitutional AI是什么”都说不清楚，内推只会让对方觉得你浪费了他一次quota。
核心内容
为什么你找了100个Anthropic员工，一个内推都没拿到？
你大概率在LinkedIn上做了这三件事：第一，点“Connect”时用了默认模板；第二，在InMail里写了“I’m passionate about AI safety”；第三，附上了简历PDF让对方“随便看看”。这三件事加起来，等于告诉对方：“我没花30秒做功课，你帮我推一下也不会损失什么。”
Anthropic的referral系统有一个隐藏机制：推荐人的内推成功率直接影响他未来的推荐权重。如果一个员工推了5个人，全挂在了onsite，他的推荐会在Hiring Committee被标记为“低优先级”。
这意味着，你找的推荐人越随便，你的简历被HC看到的概率就越低。2025年Anthropic内部数据：内推成功率低于20%的推荐人，他们的候选人简历平均停留时间只有6秒——比没有内推还短，因为系统会自动降级。
正确的做法不是“请求内推”，而是“创造推荐理由”。你需要先让对方觉得：如果我不推荐你，我可能会错过一个能帮我解决技术债的同事。具体操作：找到Anthropic的GitHub开源仓库（比如Claude的safety evaluation工具），提一个高质量的PR或issue。
不要改typo——改逻辑。例如，你发现某个reward model的评估指标计算有偏差，提交一个带实验数据的fix。
然后联系维护者：“Hi，我在你负责的repo里提了一个PR，关于reward hacking检测的改进。如果你觉得有价值，我这边也在投SDE岗位，方便的话可以聊聊。”——这不是内推请求，这是合作邀约。对方回复后，你自然可以问referral。
不是：在LinkedIn上写“I saw you work at Anthropic, could you refer me?”——这是垃圾邮件。而是：让对方在技术层面已经验证过你的能力，推荐只是流程上的水到渠成。
你的简历为什么连Hiring Committee的第一轮都过不了？
Anthropic的SDE简历筛选分两轮：第一轮是ATS系统+Recruiter人工扫描，第二轮是Hiring Committee的技术评估。大多数人死在第一轮，因为他们的简历在给上一家公司打广告。
举个例子：一个来自Meta的SDE简历上写“Optimized recommendation system latency by 30%”。Anthropic的Recruiter看到这句话的反应是：“所以呢？你能帮我们解决reward model的inference效率问题吗？
”——不是A，而是B：你需要把每一段经历翻译成Anthropic关心的语言。Anthropic的核心技术栈包括：JAX（不是PyTorch）、Triton kernel、RLHF pipeline、constitutional AI的loss function设计。
如果你的简历里出现的是“PyTorch + AWS Lambda + Kubernetes”，那说明你没理解Anthropic在做什么。
具体场景：我见过一个来自Google Brain的候选人，简历上全是“大规模分布式训练”。Recruiter给了feedback：“我们不需要你讲你怎么训了GPT-3的替代品，我们需要你知道怎么在Claude的架构里做activation steering。
”这位候选人后来把简历改成了“设计并实现了一个基于JAX的activation patching框架，将模型编辑效率提升5倍”——直接拿到了phone screen。
BAD版本：
“Led a team of 5 engineers to build a real-time ML serving platform, reducing inference latency by 40%.”
GOOD版本：
“Implemented a custom Triton kernel for transformer attention, reducing KV cache memory footprint by 60% on TPU v4. This approach is directly applicable to Anthropic’s long-context inference pipeline.”
区别在于：BAD版本在说“我做了什么”，GOOD版本在说“我做过的事跟你们现在的问题有什么关系”。
薪资参考（2026年Anthropic SDE L4标准包）：Base $220K-$260K，RSU（分4年vest）$600K-$900K，bonus 15-25% of base。注意，RSU占比极高，所以negotiate时别只盯着base。
面试流程中，哪一轮最容易挂，为什么？
Anthropic的SDE面试流程是：Recruiter Screen → Technical Phone Screen (2轮) → Onsite (4轮) → Hiring Committee → Team Match。最容易挂的不是onsite coding，而是Technical Phone Screen的第一轮。
原因：第一轮phone screen的面试官通常是Senior SDE，他会在45分钟内做两件事：第一，用一个coding problem考察你的算法和系统设计能力；第二（更关键的），在最后15分钟问一个“open-ended research问题”，比如：“如果Claude在对话中产生了confabulation，你如何用技术手段检测并修正？
请设计一个方案，时间15分钟，可以画图。
”——这不是考你知不知道答案，而是考你在不确定的情况下如何结构化思考。大多数候选人在这15分钟里要么沉默，要么说“这个我不太了解”——直接挂。
不是：你需要立刻给出完美方案。而是：你需要展示推导过程。比如：“首先，confabulation的定义是模型生成的内容与事实不一致但语言流畅。我会分三步：第一，在inference阶段加一个calibration层，衡量生成token的uncertainty；
第二，如果uncertainty高于阈值，触发一个检索增强模块，从外部知识库拉取证据；第三，在response里标注confidence score。我可以用一个简单的flow chart来展示这个pipeline。”——即使方案不完美，面试官看到的是你的系统思维和适应能力。
具体数据：2025年Anthropic内部统计，phone screen的通过率是35%，其中80%的挂掉案例是因为open-ended question环节暴露了“缺乏研究思维”。不是coding不行，而是不会“在未知中画地图”。
Hiring Committee（HC）到底在审核什么？为什么内推了还被拒？
Hiring Committee是Anthropic最反直觉的一环。它不是一个简单的“面试官汇总分数”，而是一个由5-7名Senior Researcher和Engineer组成的panel，每个人有否决权。HC讨论的不是“这个候选人技术强不强”，而是“这个候选人加入后，会提升还是降低团队的研究效率”。
具体场景：我参与过一次HC debrief，讨论一个来自OpenAI的SDE候选人。面试反馈全是“Strong Hire”，但一位HC成员提出了异议：“他在coding轮中用了PyTorch的分布式API，但我们的stack是JAX。
如果他进来，需要至少3个月适应JAX的functional programming范式。这3个月里，他不仅无法贡献，还需要senior花时间带他。
我们团队现在有deadline，不能承担这个成本。”——最终结果是“No Hire”。不是候选人不够好，而是团队当前状态不接受。
不是：HC在评估你的绝对能力。而是：HC在评估你的“边际贡献成本”。你需要在面试中主动展示“我理解你们的stack，并且我有迁移能力”。比如在coding轮中，主动说：“我可以用JAX写这个solution，虽然我日常用PyTorch，但我对JAX的jit和pmap有了解。”——这会让HC觉得“他来了就能干活”。
内推为什么没用：如果你的推荐人只是个普通的同事，他在HC里没有说话权。只有当你有一个在Anthropic工作超过1年、并且参与过核心项目的推荐人，他才能在HC里说“我跟他合作过，他适应JAX很快”。否则，内推只是帮你过简历筛选，HC环节仍然看硬实力。
> 📖 延伸阅读：Anthropic产品经理行为面试STAR回答范例2026
准备清单
- 修改简历的每一段经历：把每一行bullet point改写成“Anthropic关心的问题”。例如，把“优化推荐系统”改成“设计低延迟inference pipeline，适用于reward model的实时评估”。不要留任何模糊描述。
- 在Anthropic的开源repo里提交至少1个有价值的PR：不是改typo，是改逻辑。比如Claude的safety evaluation工具、RLHF pipeline的代码。PR被合并后，联系维护者聊合作机会。
- 准备phone screen的open-ended问题：用15分钟练习“如何在不了解问题的情况下结构化推导”。找朋友模拟面试，问“如果Claude的output出现了系统性bias，你如何用技术手段检测？”——必须画图、列步骤、说假设。
- 系统性拆解面试流程结构：把每一轮的考察重点和时间分配列成表格。比如coding轮45分钟，前20分钟解题，后25分钟讨论优化和trade-off。PM面试手册里有完整的Anthropic SDE面试实战复盘可以参考，里面包含HC的讨论逻辑和常见否决理由。
- 研究Anthropic的团队结构：不是看org chart，是看每个团队的GitHub commit历史。哪个团队在修safety evaluation的bug？哪个团队在做long-context的inference优化？找到你感兴趣的团队，在面试中主动提及“我对你们做的XX work很感兴趣”。
- 准备一个“为什么Anthropic”的30秒口头版本：不能说“I love AI safety”，要说“我在读你们的‘Constitutional AI: Harmlessness from AI Feedback’论文时，发现你们在reward model的loss设计里用了KL散度约束，这跟我之前做的RLHF项目直接相关。
我想加入你们把这项技术落地到产品里。”
- 建立一条非LinkedIn的联络渠道：参加Anthropic的meetup、AI安全会议（如NeurIPS safety workshop）、或者通过GitHub issue互动。不要只在LinkedIn上发cold message。
常见错误
错误1：在LinkedIn上群发“Can you refer me?”
BAD：
“Hi, I saw you work at Anthropic as a SDE. I’m very interested in AI safety and would love to join your team. Could you please refer me? My resume is attached.”
结果：对方要么已读不回，要么回复“Sorry, I don’t refer people I don’t know.”
GOOD：
“Hi [Name], I read your blog post about activation steering at Anthropic. I’ve been experimenting with a similar approach in my side project—using steering vectors to reduce confabulation in chatbot responses. I’d love to hear your thoughts on my implementation (link to GitHub). If you think it’s relevant, I’d appreciate a chat about the SDE role.”
为什么好：你不是在请求帮助，你是在提供价值（你的side project）。对方回复的可能性提高5倍。
错误2：在phone screen的open-ended问题中直接说“我不知道”
BAD：
面试官：“如果Claude的output出现系统性bias，你如何设计一个自动检测系统？”
候选人：“呃……我不太确定。我没做过这个方向。”
结果：直接挂。面试官会认为你缺乏研究思维。
GOOD：
候选人：“这是一个很好的问题。让我先拆解一下。第一，我需要定义‘系统性bias’——是指统计上的分布失衡，还是针对特定群体的有害输出？假设是后者。
第二，我会设计一个pipeline：在inference阶段，用一个独立的classifier去检测output是否触及敏感话题；如果触发，则回溯到模型的hidden state，看是哪个layer产生了偏差信号。第三，用这个信号去fine-tune一个detection model。我可以画一个流程图给你看……”
为什么好：你没有完美答案，但展示了结构化思考和主动探索的能力。
错误3：在onsite的system design轮只讲技术，不讲trade-off
BAD：
“我们可以用Kubernetes来部署，用Redis做缓存，用Kafka处理队列。”
结果：面试官觉得你在背八股文，没有深度。
GOOD：
“假设我们需要设计一个实时safety filter for Claude’s responses。我会考虑两个方案：一是用一个小模型做pre-filter，优点是latency低，缺点是可能误杀；二是用full model做post-hoc check，优点是准确高，缺点是需要额外inference成本。
考虑到Anthropic对safety的优先级高于latency，我建议用方案二，但可以加一个caching layer来优化重复查询。同时，我会在memory层面做优化，比如用KV cache reuse来减少计算量。”
为什么好：你展示了对公司价值观的理解（safety > latency），并且能做出技术上的权衡。
> 📖 延伸阅读：AnthropicPM晋升时间线和评审标准深度解读2026
FAQ
Q1: 我没有任何AI安全背景，只有通用的SDE经验，能拿到Anthropic面试吗？
结论前置：可以，但你必须证明你有快速学习的能力，而不是“我感兴趣”。 具体做法：在简历里加入一个side project，比如用Anthropic的API（Claude）做一个safety evaluation工具，或者复现一篇“Constitutional AI”论文的简化版本。
在面试中，主动说：“我过去没有AI安全背景，但我在3周内学会了JAX并复现了你们的reward model loss function。
”这比任何“我热爱AI safety”都有效。2025年Anthropic招的SDE中，有30%来自非AI背景，但他们都有明确的“迁移学习”证据。
Q2: 内推后多久能收到回复？没回复怎么办？
结论前置：内推后1-2周内如果没收到recruiter的邮件，说明简历没通过第一轮筛选，不要等。 原因：Anthropic的recruiter会在内推后的5个工作日内处理。如果通过了，你会收到一个phone screen邀请的邮件。
如果没收到，要么是简历没过，要么是推荐人的权重太低。正确做法：2周后，发一封follow-up给推荐人：“Hi，我上周提交了申请，还没收到回复。
你能帮我查一下status吗？如果没通过，我想知道是哪里可以改进。”——推荐人可以在内部系统里看到“Rejected by Recruiter”或“Pending HC Review”。如果被拒，问清楚具体原因，然后针对性地改简历。不要重复投同一岗位——Anthropic的HR系统会标记重复申请。
Q3: 如果我在onsite中挂了一轮，还有机会吗？
结论前置：Anthropic的onsite是“一票否决制”，任何一轮挂掉（除了coding轮有少数情况可以补面），整个流程就终止。 但有一个例外：如果挂掉的是system design轮，而其他轮都是strong hire，HC可能会要求你加面一轮system design。这种情况概率低于5%。
更现实的策略：如果你挂了，等6个月后再投。这6个月里，你需要做出一个让面试官能看到的改变——比如在Anthropic的repo里贡献一个被合并的PR，或者发表一篇跟对齐相关的博客。不要裸投第二次，否则会被标记为“重复候选人”，直接pass。
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。