一句话总结

亚马逊的在线笔试（OA）不是考验你能写多少代码，而是衡量你在高压、严格时限下的算法思维、系统设计直觉以及亚马逊文化匹配度；正确的判断是：别把时间花在刷题数量上，而是深耕关键题型、复盘思路、模拟真实环境。若你仍认为“多做一百道题”能提升通过率，那很可能已经在自我设限。

适合谁看

本指南专为以下三类读者准备：

  1. 2025届或2026届计算机专业本科/硕士毕业生，已拿到亚马逊或其他大型科技公司的实习 Offer，正准备全职转正。
  2. 已通过简历筛选，收到亚马逊线上笔试邀请，却对OA结构、时间分配、评分标准一无所知的候选人。
  3. 进入亚马逊内部推荐渠道（内部员工推荐），但因缺乏系统复盘经验而担心错失关键细节的新人。

若你不属于上述任一类，本文的策略与 Playbook 细节对你帮助有限。

核心内容

OA到底在考什么？

亚马逊的 OA 分为两轮：第一轮 90 分钟的两题（每题 45 分钟），第二轮 60 分钟的单题。考核的不是“会写多少语言特性”，而是 算法深度、边界覆盖、代码可读性、以及亚马逊 14 条领导力原则的隐式体现。

> 不是“能跑通所有测试用例，而是在代码注释、变量命名、异常处理等细节上直接映射出你对 Customer Obsession 与 Ownership 的理解”。

在我去年参与的一次 debrief 会议上，Hiring Manager（HM）明确指出：“我们不在意你用了多少 STL，关键是看你在 30 分钟内能否写出清晰的时间/空间复杂度分析，并在代码中自然嵌入 ‘Dive Deep’ 的思考”。

必备题型与深度拆解

  1. 数组/字符串双指针：常出现 “最小覆盖子串”“滑动窗口最大子数组”。重点是 边界条件的完整覆盖，尤其是空字符串、全相同字符、以及极端长度（10⁵）时的 O(N) 保证。
  2. 树/图的遍历 + BFS/DFS 优化：亚马逊喜欢让候选人在 15 分钟内给出 “最短路径 + 前驱数组” 的完整实现，并在代码末尾附上 “Why this BFS is optimal?” 的一两句解释。
  3. 动态规划 – 状态压缩：例如 “子集和” 或 “最长递增子序列”。正确答案不是简单的递归，而是 在 5 行代码内完成状态转移并给出最坏情况 O(N²) 分析。

> 不是“把所有 DP 题目背下来，而是掌握“状态转移 + 边界”这一思维框架”。

时间管理的硬核技巧

  • 第 0–5 分钟：快速浏览两题，标记难易度，决定先做哪一道。
  • 第 5–35 分钟：完成第一题的 草稿纸 伪代码、复杂度分析、边界列举。此阶段不写代码，防止跑题。
  • 第 35–45 分钟：在 IDE 里实现代码，优先保证 编译通过 + 基础测试。
  • 第 45–55 分钟：添加异常处理、代码注释、时间复杂度说明。
  • 第 55–60 分钟：回顾并提交。

在一次 HC（Hiring Committee）复盘中，Recruiter 透露：“我们看到的最高分简历，往往在第 45 分钟刚完成代码，随后 5 分钟的注释与复杂度说明让分数飙升 20%”。

领导力原则的隐形加分点

亚马逊 OA 题目本身不直接询问 “Leadership Principles”，但评审会在代码注释、变量名、异常信息里寻找关键词。

  • Customer Obsession：在函数注释里写 “// Ensure correctness for edge cases that customers may encounter”。
  • Invent and Simplify：若能把 O(N log N) 的解法压缩为 O(N) 并在注释里说明 “Simplified by using counting sort”。
  • Bias for Action：在代码中加入 “early return” 处理异常，展示快速决策的思路。

> 不是“在面试结束后再补写一段自我介绍，而是在代码里把这些原则自然嵌进去”。

面试流程全拆解（含时间、考察重点）

环节 时长 关键点 评分维度
简历筛选 1–2 周 关键项目、技术栈、Leadership 关键词 简历通过率 ~15%
OA 第一轮 90 分钟 两题深度、代码可读性、复杂度说明、Leadership 体现场景 通过线 A：≥70 分
OA 第二轮 60 分钟 单题深度、边界覆盖、系统思考、代码风格 通过线 B：≥65 分
在线评审（HR Review） 2–3 天 综合分、文化匹配、岗位需求 通过率约 30%
Onsite（现场）或 Virtual Onsite 4–5 小时 系统设计 45 分钟、行为面试 45 分钟、编码 60 分钟、回合评审 30 分钟 总分 ≥ 80% 才进入 Offer
Offer 1–2 周 Base $150K–$250K、RSU $30K–$80K（4 年归属）、Bonus 10%–15% –

薪资示例（2025 年度数据）：

  • Base：$180,000 / 年
  • RSU：$45,000（四年线性归属）
  • Bonus：$18,000（年终 10%）

Playbook 实战复盘要点

  1. 题库精选：仅保留 30 道高频题（数组、树、DP、二分搜索），每题必须配套 完整的边界表。
  2. 时间盒子训练：使用 “倒计时 + 纸笔” 环境，模拟真实 OA。每轮结束后立即对照官方解答，记录 错误类型（逻辑、边界、复杂度误判）。
  3. 代码审查：在每次练习后，让同学或前辈用 “Amazon Code Review Checklist” 打分，重点检查 “变量命名是否体现 Customer Obsession”。
  4. 面试官视角：阅读公开的 “Amazon Interviewer Handbook”，把评审标准写成卡片，随时对照。

> 不是“单纯靠刷题平台的计时功能，而是在纸上手写伪代码、标注每一步的时间复杂度，再在 IDE 中实现。

> 📖 延伸阅读：Snapchat PM Culture: What to Expect and How to Thrive

准备清单

  1. 完整的 亚马逊 OA 题库（30 题）+ 纸笔模拟环境。
  2. 每日 2 小时 计时练习，并在练习后 15 分钟内完成复盘笔记。
  3. 系统性拆解面试结构（PM 面试手册里有完整的“面试流程拆解与实战复盘”章节可参考），确保对每一轮的考察点了然于胸。
  4. 购买或下载 LeetCode 难度标签为 Amazon 的题目集合，重点标记 “双指针+滑动窗口”。
  5. 组建 peer review 小组，每周一次互审代码，使用亚马逊内部的 “Code Review Rubric”。
  6. 预先准备 行为面试 STAR 案例，每个 Leadership Principle 至少两条真实经历。
  7. 模拟现场面试：找在职亚马逊 SDE 进行 Mock Onsite，记录每轮评审反馈。

常见错误

错误案例 1：盲目追求代码行数

BAD：

`

for (int i = 0; i < nums.size(); ++i) {

for (int j = i+1; j < nums.size(); ++j) {

// many nested ifs, lots of temp variables

}

}

`

代码冗长、可读性差，评审在注释里找不到 “Why this loop is necessary”。

GOOD：

`

int n = nums.size();

int left = 0, right = n-1;

while (left < right) {

// O(N) two‑pointer solution, handles empty & single‑element edge cases

}

`

用 简洁的双指针 完成同等功能，且在注释里说明时间复杂度 O(N)。

错误案例 2：忽视领导力原则的暗示

BAD：在代码中仅写 // TODO: handle null，未体现对客户的关注。

GOOD：

`cpp

if (input == nullptr) {

// Customer Obsession: defensive guard for null input that may arise from downstream services

return {};

}

`

一句注释直接映射到 Leadership Principle，评审会给出额外加分。

错误案例 3：时间管理失误导致草稿阶段过长

BAD：

候选人在第 0–30 分钟仍在纸上列举所有可能的递归状态，导致实际编码时间不足，仅完成 60% 的实现，最终因未通过所有测试点被扣分。

GOOD：

在第 0–5 分钟快速阅读题目，第 5–35 分钟完成 状态转移表 + 边界清单，第 35–55 分钟专注实现代码，第 55–60 分钟专门检查注释与复杂度说明。

> 📖 延伸阅读：NutanixAI产品经理岗位职责与面试要点2026

FAQ

Q1：如果在第一轮 OA 中只完成了一道题，第二轮还能继续吗？

A1：在一次内部 debrief 中，HR 透露 “只要第一轮有一道题达到 75 分以上，系统会自动给第二轮机会”。具体案例：某候选人在第一轮仅提交了第 2 题的完整实现，且在注释里写明了 “Bias for Action” 与 “Dive Deep”，评分 78 分，系统仍发出第二轮邀请。关键是 深度+Leadership 的加分能够弥补数量不足。

Q2：我在练习时经常卡在边界条件，怎么办？

A2：在一次 hiring committee 复盘里，Senior Engineer 强调 “边界思考是每道题的 30% 评分”。建议在每次练习后，立即列出 五类常见边界（空输入、单元素、极大值、负数、重复值），并在代码中用 assert 或 if 语句显式处理。这样不仅提升代码完整度，也让评审看到你的 “Ownership”。

Q3：行为面试的 STAR 案例需要多长？

A3：内部面试官透露，每条 STAR 结构不应超过 2 分钟，即约 250–300 字。典型案例：在一次 Mock Onsite 中，候选人对 “Invent and Simplify” 的回答用了 180 字的情境描述、80 字的任务阐述、150 字的行动细节、120 字的结果量化（提升系统吞吐 15%），得到满分。

关键是 结构紧凑、结果可量化**，而非冗长的背景叙述。

以上内容为亚马逊 OA 完整策略与 Playbook，遵循“不是刷题数量，而是深耕核心思维”的核心判断，帮助新毕业生在高压环境下实现高效准备、精准复盘，最大化拿到 Offer 的概率。祝你面试顺利。

准备好系统化备战PM面试了吗？

获取完整面试准备系统 →

也可在 Gumroad 获取完整手册。

相关阅读