本文速览
- 亚马逊目前共有 16 条领导力准则(Amazon Leadership Principles),不是许多旧攻略所写的 14 条。
- 在亚马逊面试中,BQ 行为面试并不是技术轮之外的附加内容,而是贯穿整个 interview loop 的重要考察部分。
- 与其机械地为 16 条 LP 各背一个答案,不如准备 8–12 个有细节、能量化、经得起追问的 STAR 故事。
- 回答时要清楚区分团队背景和个人贡献,多讲自己具体做了什么。
- Bar Raiser 很重要,但“拥有个人一票否决权”并不是亚马逊官方对这一角色的准确描述。
先说结论:技术能力让你进入面试,BQ 决定面试官能不能相信你
很多人准备亚马逊 SDE 面试时,最先想到的是 LeetCode、系统设计和 OOD。这些当然重要,但真正参加过 Amazon interview loop 后,很多候选人都会发现:行为问题并不会只出现在某一轮,而是可能穿插在技术面试、系统设计面试和 Bar Raiser 面试中。
以亚马逊部分技术岗位的官方准备资料为例,SDE II 的 interview loop 通常包括四轮、每轮约 55 分钟的面试。不同面试官会负责评估不同的技术能力和基于 Leadership Principles 的非技术能力。亚马逊针对多个岗位的准备页面还提到,每位面试官通常会问两到三道 behavioral-based questions。具体轮数和题目数量会因岗位、职级和团队而变化,因此“整个 loop 一定有 8–10 道 BQ”可以作为经验范围,但不应写成固定规则。
真正困难的地方也不只是把 STAR 故事讲完。面试官通常会继续问:
- 这件事中你个人负责什么?
- 你为什么选择这个方案?
- 当时还有哪些其他选择?
- 你是如何确认根本原因的?
- 结果是怎样衡量的?
- 事情失败的部分是什么?
- 再做一次,你会改变什么?
因此,亚马逊 BQ 准备的重点不是背答案,而是证明这个故事确实是你亲自经历、分析和推动的。
一、亚马逊领导力准则到底是 14 条还是 16 条?
答案是:目前是 16 条。
亚马逊于 2021 年 7 月 1 日正式宣布新增两条 Leadership Principles:
- Strive to be Earth’s Best Employer
- Success and Scale Bring Broad Responsibility
加上原有的 14 条,亚马逊领导力准则由此增加到 16 条。亚马逊目前的官方 Amazon Jobs 和 About Amazon 页面也仍然完整列出这 16 条。
因此,如果一篇“亚马逊面试攻略”仍然只谈 14 条 LP,通常意味着文章的基础资料至少没有更新到 2021 年 7 月以后。不过,这并不代表旧文章中的所有面试经验都无效,只是需要重新核对其中关于面试结构、Leadership Principles 和 Bar Raiser 的说法。
二、亚马逊 16 条领导力准则中英对照
| # | 官方名称 | 常见理解 | 准备故事时可以关注什么 |
|---|---|---|---|
| 1 | Customer Obsession | 客户至上 | 是否真正理解客户问题,并从客户需求倒推解决方案 |
| 2 | Ownership | 主人翁精神 | 是否主动承担责任,并考虑长期影响 |
| 3 | Invent and Simplify | 创新与简化 | 是否改善流程、减少复杂度或提出新方法 |
| 4 | Are Right, A Lot | 判断力强 | 如何收集信息、听取不同观点并作出判断 |
| 5 | Learn and Be Curious | 学习与好奇心 | 如何快速学习陌生知识并应用到实际工作 |
| 6 | Hire and Develop the Best | 选贤育能 | 如何招聘、培养、指导或帮助同事成长 |
| 7 | Insist on the Highest Standards | 坚持最高标准 | 如何发现质量问题并推动改进 |
| 8 | Think Big | 敢想大 | 是否提出过超越短期需求的方向或方案 |
| 9 | Bias for Action | 崇尚行动 | 如何在信息不完整时评估风险并快速行动 |
| 10 | Frugality | 勤俭节约 | 如何在资源有限的情况下完成目标 |
| 11 | Earn Trust | 赢得信任 | 如何坦诚沟通、处理冲突和建立可信度 |
| 12 | Dive Deep | 刨根问底 | 如何通过数据和细节找到根本原因 |
| 13 | Have Backbone; Disagree and Commit | 敢于谏言,服从大局 | 如何提出不同意见,以及决定作出后如何执行 |
| 14 | Deliver Results | 达成业绩 | 如何克服困难,按时完成关键目标 |
| 15 | Strive to be Earth’s Best Employer | 力争成为地球上最好的雇主 | 如何帮助团队成员成长、创造安全和包容的工作环境 |
| 16 | Success and Scale Bring Broad Responsibility | 成功与规模带来广泛责任 | 如何考虑长期影响、社区责任和决策带来的外部后果 |
需要注意的是,一次亚马逊面试通常不会机械地把 16 条 Leadership Principles 全部逐条问完。面试官会根据岗位要求和分工重点评估其中若干条,一道故事也可能同时反映多条 LP。
例如,一个你通过分析客户投诉找到系统根因、快速推动修复并改善客户体验的故事,可能同时涉及:
- Customer Obsession
- Dive Deep
- Bias for Action
- Ownership
- Deliver Results
所以,准备故事时没有必要把每个故事强行限制在一条 LP 上。
三、BQ 在亚马逊面试里是怎么考的?
亚马逊官方将这类问题称为 behavioral-based questions。问题通常会要求候选人描述过去真实发生的成功、失败、冲突、风险决策或项目经历。
常见问法包括:
- Tell me about a time when…
- Give me an example of…
- Describe a situation where…
- Tell me about a difficult decision you made.
- Tell me about a time you failed.
- Tell me about a time you disagreed with someone.
不同面试官通常负责评估不同方面,因此同一个 loop 中的问题不一定重复。不过,多个问题可能考察相近能力。例如:
- “你曾经如何处理一个不满意的客户?”
- “你如何发现客户提出的问题并不是真正的根本问题?”
这两道题都可能与 Customer Obsession 有关,但第二道题还会明显考察 Dive Deep。
实际准备中,候选人最容易犯的错误是只看题目表面。面试官真正想了解的往往不是故事结局,而是你的判断过程:
- 你掌握了哪些数据?
- 哪些信息当时并不完整?
- 你承担了什么风险?
- 你如何影响其他人?
- 哪一步是你亲自完成的?
- 你如何判断结果成功?
四、Bar Raiser 是什么?真的可以一票否决吗?
Bar Raiser 是亚马逊面试流程中非常有代表性的角色。
亚马逊官方将 Bar Raiser 描述为一位相对独立的第三方评估者,通常不属于正在招聘的团队。他们接受专门培训,负责帮助面试组维持招聘标准,并从长期和全公司的角度评估候选人。
Bar Raiser 不只是负责“问最难的问题”。其职责还包括:
- 参与面试并评估候选人;
- 确保 interview loop 收集到足够、有效的证据;
- 在面试复盘中推动基于数据和事实的讨论;
- 减少职位紧急程度、个人偏好或强势发言者对招聘决定的影响;
- 与 hiring manager 一起推动最终招聘决定。
网上常见的说法是“Bar Raiser 手握一票否决权”。这种说法虽然流传很广,但并不是亚马逊官方对该制度的准确描述。亚马逊官方反而强调,Bar Raiser 项目的目的之一是避免由一个人单独作出招聘决定。
对候选人来说,更实用的理解是:Bar Raiser 通常会非常重视证据、细节和逻辑一致性。如果故事听起来很漂亮,但一追问就缺少个人行动、数据或决策依据,就很难获得正面评价。
五、优先准备哪些 Amazon Leadership Principles?
不同岗位和级别的重点不完全相同,因此不存在亚马逊官方公布的“六条必考 LP”。不过,从技术岗和通用岗位的面试准备角度看,下面几条通常最值得优先准备:
Customer Obsession
常见问题:
- Tell me about a time you went above and beyond for a customer.
- Tell me about a time you used customer feedback to improve a product or process.
- Tell me about a time when the customer’s stated problem was not the real problem.
准备重点不是单纯说“我帮助了客户”,而是说明:
- 你如何理解客户真正的需求;
- 你用了什么信息确认问题;
- 你是否在短期请求和长期客户价值之间作出判断;
- 最终客户体验发生了什么变化。
Ownership
常见问题:
- Tell me about a time you took responsibility for something outside your normal role.
- Tell me about a time you inherited a project that was not going well.
- Tell me about a time you made a short-term sacrifice for a long-term result.
Ownership 并不等于“什么事情都自己做”。重点是你是否主动承担结果,并在需要时协调资源、推动他人或解决职责边界上的问题。
Dive Deep
常见问题:
- Tell me about a time you found the root cause of a difficult problem.
- Tell me about a time the data did not match what people believed.
- How have you used data to change the direction of a project?
这一类问题很容易被追问。你需要记得当时看过哪些数据、排除了哪些原因、为什么继续往下查,以及最终如何验证根本原因。
Deliver Results
常见问题:
- Tell me about a time you worked under a tight deadline.
- Tell me about a time you had to change direction late in a project.
- Tell me about a time you did not achieve the result you expected.
Deliver Results 不代表故事一定要完美成功。失败故事同样可以使用,但要说明你如何承担责任、调整行动并吸取经验。
Bias for Action
常见问题:
- Tell me about a time you acted with incomplete information.
- Tell me about a calculated risk you took.
- Tell me about a quick decision that had a significant impact.
好的答案要说明这不是盲目行动。你需要解释:
- 决策为什么不能继续等待;
- 风险是否可逆;
- 你采取了哪些控制措施;
- 什么信号会让你停止或调整方案。
Earn Trust
常见问题:
- Tell me about a time you had to build credibility with a new team.
- Tell me about a conflict with a coworker.
- Tell me about a time you received difficult feedback.
- Tell me about a time you damaged trust and had to rebuild it.
这一类问题不适合把自己写成永远正确的人。能够坦诚说明误判、沟通问题或收到的批评,通常比包装成“我的缺点是太认真”更可信。
另外,建议单独准备以下两类故事:
- **Have Backbone; Disagree and Commit:**你曾经基于事实提出不同意见,尤其是面对更资深的同事或主管。
- **Invent and Simplify:**你曾经减少步骤、自动化重复工作或让复杂流程更容易使用。
这两类故事能够很好地区分“只完成分配任务的人”和“主动改善工作方式的人”。
六、STAR 回答怎么讲才不像背稿?
亚马逊官方建议使用 STAR 方法回答行为问题:
- **Situation:**当时是什么背景?
- **Task:**你需要完成什么?
- **Action:**你具体采取了什么行动?
- **Result:**结果是什么?
实际回答时,可以将更多时间放在 Action 上。
Situation:只交代与决策有关的背景
不需要从公司历史或整个项目起源讲起。两三句话说明:
- 项目是什么;
- 问题为什么重要;
- 当时有什么限制或风险。
Task:说清楚你的责任
不要只说“团队需要完成项目”,而要说明:
- 你负责哪一部分;
- 你需要解决什么;
- 哪个结果由你推动。
Action:讲清每一个关键选择
这是回答中最重要的部分。
除了说“我做了什么”,还应说明:
- 为什么这样做;
- 你考虑过哪些替代方案;
- 你如何获得支持;
- 你遇到了什么阻力;
- 你如何处理分歧;
- 你如何确认方向正确。
Result:尽可能用数据说明结果
亚马逊强调数据和指标,因此在适用时,应尽可能加入 metrics。例如:
- 处理时间减少 30%;
- 错误率从 8% 降至 2%;
- 每周节省 10 小时人工操作;
- 客户满意度提高 12 个百分点;
- 项目提前两周完成;
- 避免了约 5 万美元损失。
不过,不要为了量化而编造数字。有些结果可以用范围、前后对比、采用率、反馈数量或是否按时交付来说明。
一个更自然的 STAR 示例
问题:Tell me about a time you delivered results under a tight deadline.
较弱的回答:
我们的系统出现了性能问题,团队一起进行了优化,最后速度提高了很多。
更有说服力的回答:
在一次促销活动开始前两周,我负责的订单服务出现明显延迟,P99 response time 接近 800 毫秒。这个问题可能影响结账成功率,因此我负责在活动上线前找到原因并完成风险可控的修复。
我先检查了近期部署记录和链路追踪数据,发现延迟集中在订单详情查询。进一步分析后,我确认其中存在重复数据库调用。完整重构需要超过当前排期,所以我提出分两步处理:先增加短期缓存并限制重复请求,活动结束后再重构查询逻辑。我同时设置了监控阈值和回滚条件,避免缓存造成数据一致性问题。
修复上线后,P99 response time 从约 800 毫秒降到 200 毫秒以内,促销期间服务没有出现重大故障。活动结束后,我完成了长期重构,并把排查流程整理成 runbook,之后团队又使用了这套方法处理类似问题。
这个版本的优势并不只是“数字多”,而是面试官能够清楚听到候选人的个人责任、分析过程、取舍和验证方式。
七、亚马逊 BQ 最常见的五个问题
1. 团队说得太多,个人贡献说得太少
团队背景可以使用 “we”,但关键行动需要明确说明:
- I analyzed…
- I proposed…
- I decided…
- I built…
- I escalated…
- I convinced…
- I changed…
这并不是抢团队功劳,而是帮助面试官分辨你个人的能力。
2. 只说结果很好,却没有证据
“客户很满意”“效率提高了”“项目很成功”都比较空泛。
应尽量补充:
- 前后对比;
- 处理时间;
- 错误数量;
- 收入或成本影响;
- 客户反馈;
- 采用率;
- 交付时间;
- 服务稳定性。
3. 每个故事都把自己讲得完美
亚马逊行为面试经常会问失败、冲突、错误判断和负面反馈。
可信的答案不是证明自己从不犯错,而是说明:
- 你什么时候意识到问题;
- 你是否主动承认;
- 你如何修正;
- 这件事后来如何改变你的工作方式。
4. 一个故事重复回答所有问题
一个强故事可以对应多条 Leadership Principles,但不适合在同一个 loop 中反复使用。面试官需要看到你在不同情境下的行为是否稳定。
更实用的方式是准备 8–12 个故事,并在表格中标注:
| 故事 | 主要 LP | 次要 LP | 成功或失败 | 可量化结果 |
|---|---|---|---|---|
| 客户投诉根因分析 | Customer Obsession | Dive Deep | 成功 | 投诉减少 25% |
| 紧急项目交付 | Deliver Results | Bias for Action | 成功 | 提前 3 天完成 |
| 与主管意见不一致 | Have Backbone | Earn Trust | 混合结果 | 避免延期两周 |
| 自动化重复流程 | Invent and Simplify | Frugality | 成功 | 每周节省 8 小时 |
5. 首答很完整,但经不起追问
背好的首答只是开始。真正准备充分的候选人应该能够回答:
- 当时具体有多少人?
- 你看的是什么数据?
- 为什么不用另一个方案?
- 谁反对你?
- 你如何说服对方?
- 最大风险是什么?
- 哪一步失败了?
- 结果如何归因到你的行动?
- 再做一次会改变什么?
练习时,可以让对方专门从 Action 和 Result 中挑细节追问,而不是只听你完整讲一遍。
八、2026 年准备亚马逊面试,还需要关注 AI 吗?
AI 工具正在改变软件开发工作本身,部分亚马逊职位描述也开始要求候选人具备使用 AI-assisted development tools 的经验。但就亚马逊官方公开的 SDE Online Assessment 和 interview loop 准备资料来看,当前明确列出的核心内容仍包括:
- coding assessment;
- technical problem solving;
- system design;
- work simulation 或 Workstyles Assessment;
- Leadership Principles;
- behavioral-based questions。
因此,在没有收到具体 OA 说明前,不应默认自己的评测一定允许或提供 AI 助手。最可靠的做法是以招聘邮件和 assessment 页面上的规则为准。
无论编码工具如何变化,BQ 的核心并没有改变:面试官仍然需要通过过去的真实经历,判断你的决策方式、责任感、学习能力、客户意识和交付能力。
九、怎样建立一套真正能用的亚马逊 BQ 故事库?
第一步:先列经历,不要先套 LP
回顾过去三到五年的工作、实习、课程和项目,列出这些经历:
- 最困难的项目;
- 最紧急的截止日期;
- 最大的一次失败;
- 与主管或同事的分歧;
- 帮助客户解决问题;
- 发现数据异常;
- 改善流程;
- 主动承担额外责任;
- 学习新技能;
- 资源不足时完成任务;
- 帮助同事成长;
- 收到批评后改变做法。
第二步:再把故事对应到 Leadership Principles
一个故事可以有一条主要 LP 和一到三条辅助 LP,但回答时应根据题目调整重点。
例如,同一个流程自动化故事:
- 问 Invent and Simplify 时,重点讲你如何简化流程;
- 问 Frugality 时,重点讲资源限制和节省的成本;
- 问 Ownership 时,重点讲为什么这件事不属于你的正式职责,但你仍主动推动;
- 问 Deliver Results 时,重点讲如何按时上线并衡量结果。
第三步:为每个故事建立追问清单
至少写下:
- 我的个人职责是什么?
- 我做了哪些具体行动?
- 最难的决定是什么?
- 有哪些替代方案?
- 谁不同意?
- 我用了哪些数据?
- 结果如何衡量?
- 哪里做得不好?
- 我学到了什么?
第四步:练习表达,而不是背逐字稿
逐字背诵容易造成两个问题:
- 面试官打断或改变问法后,候选人无法调整;
- 回答听起来像准备好的演讲,而不像真实交流。
更好的方法是记住故事的五到七个关键节点,再根据问题自然展开。
常见问题
亚马逊领导力准则现在有多少条?
目前有 16 条 Amazon Leadership Principles。亚马逊于 2021 年 7 月 1 日宣布新增 Strive to be Earth’s Best Employer 和 Success and Scale Bring Broad Responsibility。
Amazon BQ 应该准备多少个故事?
通常可以准备 8–12 个有明显差异的故事。重点不在数量本身,而在于故事能否覆盖成功、失败、冲突、客户问题、风险决策、数据分析和流程改进等不同情境。
一次亚马逊面试会把 16 条 LP 全部考完吗?
通常不会逐条全部考完。不同面试官会被安排评估不同的能力和 Leadership Principles,一道问题或一个故事也可能同时涉及多条 LP。
每轮会问多少道行为面试题?
亚马逊多个岗位的官方准备页面表示,每位面试官通常会问两到三道 behavioral-based questions,但实际数量会根据岗位、面试长度和追问深度变化。
Bar Raiser 是否拥有一票否决权?
亚马逊官方没有把 Bar Raiser 描述为拥有个人绝对否决权。官方表述是 Bar Raiser 作为独立评估者,与 hiring manager 一起推动高质量的最终招聘决定,并帮助面试组避免由某一个人主导结论。
回答一定要有数字吗?
在适用时应尽可能加入指标和数据,但不能编造数字。无法直接量化时,可以使用前后对比、时间、范围、采用情况、客户反馈或风险变化来说明结果。
最后建议
准备亚马逊面试时,不要把 Leadership Principles 当成需要逐条背诵的企业口号。面试官真正评估的是:当你面对客户问题、信息不足、团队冲突、紧迫期限或失败结果时,你实际上做了什么。
一个好故事不需要听起来特别宏大,但必须具备三点:
- 个人责任清楚;
- 决策过程可信;
- 结果和反思有证据。
做到这三点,比背几十道所谓的“亚马逊 BQ 高频真题”更有用。
官方来源
- Amazon Jobs:Leadership Principles
- About Amazon:Amazon announces two new Leadership Principles,2021 年 7 月 1 日
- Amazon Jobs:Interview Loop
- Amazon Jobs:SDE II Interview Prep
- About Amazon:What is an Amazon Bar Raiser?
- Amazon Jobs:各岗位 Behavioral Interview 与 STAR Method 准备页面


