22 min read

大厂面试里那些 LeetCode 上找不到的高频题(2026 年 7–9 月)

扫了一亩三分地 1008 篇帖子之后发现,这 7 周里出现次数最多的三项,一项都没有题号:Amazon 的 AI debugging 轮 9 次、OOD 6 次、配送中心 OA 4 次。这篇把四家大厂被问得最多、但你刷题刷不到的那些题全部整理出来,附完整题面和解法思路。

先说结论:这 7 周里出现次数最多的题,一道都不在 LeetCode 上

我们把一亩三分地 2026-07-25 到 09-10 这个窗口的 1008 篇帖子扫了一遍,按公司标签分成 Meta、Google、TikTok / 字节、Amazon 四组,逐篇读正文和回帖,把谐音写法的题号全部还原。

还原完之后,能落进「高频题」表格的,是 77 道 LeetCode 题。但真正统计下来,出现次数最多的三项,一项都没有题号:

出现次数是什么公司
9 次AI-assisted repo debugging 轮Amazon
6 次OOD 场景题(购物车 / 卡牌 / 披萨 / 电影票价 / Locker / 依赖管理)Amazon
4 次配送中心 Inconvenience(OA)Amazon
4 次区间调度,全部包装成「租车公司」Google

高频题表格是按 LeetCode 题号索引的,这些东西天然进不去。所以有了这篇——这 7 周被问得最多、但你刷题刷不到的那些题。


一、Amazon OA:三道题反复出现,两道 LeetCode 上没有

现在 Amazon 的 OA 是 100 分钟两道题,第一题传统算法,第二题固定是 AI-assisted repo debugging,之后还有 Work Simulation(按 LP 排序 5 个选项)和不限时的 Work Style Survey。

配送中心 Inconvenience(出现 4 次,全窗口单题最高频)

给一个 n×m 的 0-1 网格,1 是配送中心,0 是房子。距离用的是 Chebyshev 距离,也就是 max(|Δr|, |Δc|)——不是曼哈顿,这一点看错就全错。Inconvenience 定义为「所有房子到最近配送中心的距离」里的最大值。你最多可以把一个 0 变成 1,求最小可能的 Inconvenience。n, m ≤ 500。

解法是三层叠起来的:

  1. 多源 BFS 从所有配送中心同时出发,算出每个格子的基础距离;
  2. 对答案二分——直接求最小值难,验证「能不能做到 ≤ K」容易,这是这段时间 Google 和 Amazon 共同的套路;
  3. 对给定的 K,把每个「当前距离 > K」的房子转换成一个几何边界,求这些边界的交集是否非空,非空就说明存在一个位置放下新中心能满足 K。

无人机环形站点送货(2 次)

环上相邻站点的间隔已知,无人机只能顺时针或逆时针走,必须飞到指定的站点,求送完的最短总耗时。前缀和题,本身不难,坑在环形的处理。

Maximum Money in K Consecutive Bags(3 次)—— 这道有题号

无限长数轴上 n 个不相交区间 [l, r, value],区间内每个 bag 的钱都是 value,区间外为 0。求长度恰好为 k 的连续段的最大总额,对 1e9+7 取模。n ≤ 2e5,k ≤ 1e9,坐标 ≤ 1e9——本质是稀疏数组上的定长滑动窗口。

这道其实是 LeetCode 3413 Maximum Coins From K Consecutive Bags。值得一提的是,有人转载了 LeetCode VIP 的「Amazon 近 30 天高频题」榜单,这道排在第 20 名——两个独立来源互相印证,是当下最该刷的一道。

其它已被复现的 OA 算法题

  • 最少相邻交换整理 01 数组:0-1 数组重排成 000…111 或 111…000,每次只能交换相邻两个,求最少次数
  • 字符串 merge 最少冲突:两个字符串各代表一条 branch 的 commit 优先级(字母序越小优先级越高),merge 时必须保持各自内部顺序,低优先级出现在高优先级前面算一个 conflict,求最少 conflict(字符串 DP)
  • 值替换成连续 block:每次可以把数组里某个值全部替换成另一个值,问最少几次能让每种值都只出现在一个连续 block 里
  • Inventory Allocation by Bid Priority:按出价优先级分配库存

二、AI-assisted debugging:9 次,是这个窗口出现最多的单项

形式是统一的:给你一个现成的工程(Django / Spring Boot / Node / C++ 可选),跑 test 有 6 个 failed case,平台提供 AI 助手,但它拒绝直接给答案、拒绝代改文件——只能用来定位。改完记得 push。

已经被写出来的几种形态:

  • Django + React 博客:POST /api/posts/ 建不了 post。要从 request.data 读字段、校验 title / content / category、给可选字段填默认值、按 X-User-Id 关联用户,最后返回 201 和一个含 _id 加嵌套 author 的结构
  • Spring Boot movie search:搜不出内容,根因是 query 没把输入 term 转小写,而 DB 里存的是小写
  • Dashboard 建不了 issue:controller 没校验参数、没 persist、没返回正确的 status code
  • Package Tracking & Status Aggregator:JSON 主列表加 JSONL 实时 scanner 事件流,要聚合出当前位置、判定 ON_TIME / LATE / PENDING、按 tracking ID 字典序输出
  • 银行 App:有人遇到 AI 是坏的、对话框没法打字,剩半小时纯手做
  • C++ 工程:看 README → 跑 test.sh → 问 AI 定位,逻辑错、空函数、语法错都有

准备的重点不是算法,是在陌生代码库里快速定位问题的能力,以及会不会用 AI 当定位工具而不是当枪手。


三、Meta:AI coding 轮已经是常态

Meta 这个窗口只有 18 篇帖子、12 篇有题(回帖反复提到 hiring freeze),但趋势很清楚——AI coding 轮已经铺开。有一篇提问帖直接点名了当前的 AI coding 题库:maze solver、unique string character、card problem。

已经被写出来的:

  • Maze Solver 迷宫(招牌题,出现 2 次加 1 次提及)。重点不是解迷宫本身,是同时跟面试官解释 + 跟 AI 对话这个双线程
  • Friend Recommendation,follow-up 是「怎么确认推荐效果好」→ hold-out 集上量 recall / precision
  • Maximum Unique Character Subset:从一组 words 里选子集,词之间没有重复字符,总字符数最大

另外还有一道 In-memory Database(CodeSignal 四级递进):常规 get / set / delete / TTL 之外,要支持 key + field 粒度的 get_when(key, field, at),返回某个历史时间点的值——是字段级回溯,不是整库回滚。做法是每个 field 存多版本,每版本带起止时间戳。楼主的提醒很实在:Level 1 就要把后续 level 的兼容性设计好,到 Level 4 再改来不及。

传统 LC 那边 Meta 依然高度集中在自己的经典 tag 题上,但几乎每道都带一个逼你换解法的 follow-up——比如 LC 680 出现 3 次,3 次都跟了「删 K 个」的 follow-up。


四、Google:几乎没有原题,全是套壳

Google 这个窗口 47 篇帖子、约 25 篇有题,但没有一道 LC 原题反复出现。重复的是题型。

区间调度,4 次,几乎全部包装成「租车公司」

这是最该准备的一类。四篇的包装分别是:

  • 给 list of 租车记录(reservation id + pickup + return),用最少车辆满足所有 reservation,返回一个 reservation id → car id 的 dict。本质是 Meeting Rooms II,用 heap。follow-up:最后用了几辆车;再进一步,车每跑 x mile 要 maintain y 天,这种约束下求最小车数(接近 NP-hard,面试官只想听思路)
  • 同类型但要求自行设计 Car 类,follow-up 是车辆数量有限(最多 K 辆)时怎么处理
  • Car Rental Optimization 加 Maximum Meeting Rooms 变种:不只算某时刻最多几个 meeting 并发,还要输出并发数恰好为 X 的所有时间段
  • 最简单的一篇:给一个 interval 和一个 interval list,判断有没有 conflict。一个 for loop 就够(楼主用了 sorting 反而写复杂了)。回帖精华:写码前一定先把「list 是否已排序」问清楚

图 / 拓扑排序 + 带约束,4 次

  • 给 connections 邻接表加 broken 节点,求 start → destination 最少经过节点数,不能过 broken;follow-up 允许经过 broken
  • 课程表变种:拓扑排序 + 记录 in-degree 变化 + 排除损坏节点及其影响;follow-up 是必须经过某些「可能损坏」节点时,找经过 broken 节点最少的 path
  • 父子关系 + 删除约束的依赖排序
  • 给 KV map 和 string,把 %% 包围的部分替换成 map 里的值,支持嵌套:{USER=>admin, HOME=>/%USER%/home} 配 "I am %USER% My home is %HOME%" → "I am admin My home is /admin/home";follow-up 是 KV map 里有循环依赖怎么办(拓扑排序,统计 indegree + queue)

网格 BFS / 连通分量,3 次

  • 城市网格含 Sources / Blockers / Empty / Targets,信号从所有 S 同时出发向四方向扩散,不能穿 B,求所有 T 都收到信号的最短时间(多源 BFS);follow-up:可以摧毁至多一个 Blocker,炸哪个能让最短时间最小
  • 2D Clustering:给一组 2D points 和半径 r,距离 ≤ r 视为连通且有传递性,求 cluster 数量。面试官要求先写 brute force
  • 岛屿数量 + 陆地动态加入 → 面试官要求用并查集

其它值得单独记的原创题

  • 带权二叉树剪边(这段时间质量最高的一篇):edge weight ≥ 0,cut 掉一些边使 root 与所有原始 leaf 完全分离,求最小总代价。递归 DP,每条边二选一,leaf 返回 -1 表示 option 2 不存在。follow-up 是如果 weight 可以为负,算法还对吗,举反例——反例 A --(-1)--> B --(-1)--> C,答案是 -2 不是 -1,因为负权时可以两条都 cut
  • word predictor:process 训练数据后,给定一个词预测下一个词(按最大频率)。dict + 在 process 时就更新最大 count,保证 predict 是 O(1)。回帖猜面试官想要的是 trie
  • 每个 prefix 在图上的路径数量:无向图每个 node 带一个字符,给一个 string,返回 list of integer。例:trees → [2, 2, 1, 1, 0]
  • 实现 Python 的 Tee 迭代器:传入一个 iterator,返回 n 个独立的 iterator,要自己定义 function 和 class。楼主后来发现一个共享队列就能搞定
  • 高速公路收费:给每辆车经过的 checkpoint 记录,算当天总费用。按 license 维护上次经过位置,相邻两 checkpoint 费用累加,按时间顺序处理
  • 世界杯夺冠概率:N(2 的 n 次方)个球队 + P[i][j] 表示 i 赢 j 的概率,按淘汰赛规则求球队 t 夺冠概率。关键是每轮 i 只可能遇到当前分区另一半的球队
  • 表达式凑 target:给 digit list 和 target,只能用 + 和 *(按数学优先级,可加括号,数字顺序不能动),输出所有等于 target 的表达式。[2,3,4], 14 → 2*(3+4)、2+3*4
  • 带引号的 log 切分:按空格 split,但引号内的内容不能 split;follow-up 是装不进一台机器怎么办

两条几乎所有 Google 面经都在说的话

第一,写完主题目只是及格线,能扛住两三层 follow-up 才是 hire。 第二,代码写在 Google Doc 里,没有语法高亮、不能运行,多篇提到要提前一周改用纯文本编辑器刷题。


五、TikTok / 字节:八股比算法重要得多

这是这个窗口最一致的一条规律:一面通常是 40 分钟拷打简历 + 八股,最后 10~20 分钟才做题,题目本身普遍偏易。有一篇 60 分钟的面试,45 分钟在挖简历。

要准备的八股清单(按出现频率)

  • MySQL 索引:联合索引最左匹配、覆盖索引为什么快(要能讲底层原理)、composite index 怎么运作、给一段 SQL 问语法上怎么加 index、特定 query 能不能命中 index
  • 缓存:缓存击穿的概念 / 原因 / 解决方案、缓存雪崩、cache aside 的不一致怎么办
  • Kafka / MQ 原理特性
  • CAP、TCP 三次握手、虚拟内存(VRAM 能否大于 RAM?可以,靠 swap + MMU)
  • RESTful API 设计规范、WebSocket vs SSE
  • 有一篇还问了 MySQL → MongoDB 迁移:为什么迁、架构对比、收益、性能提升多少

AI-assisted coding 也在铺开(3 次)

已知形态最完整的一道:写一个 OrderValidator,判断 order 有无非法物品、价格是否在范围内等,支持添加 / 移除 rule,rule 之间有 DAG 依赖(A 依赖 B、C,B 或 C 为 false 则 A 跳过不检查)。follow-up:一个 rule 被移除时,它的前置条件变成它后置 rule 的前置条件。考察点明确是 prompting 和对 AI 产出代码的 review,不是让 AI 直接写完。

其它非 LC 的原创题

  • 加权轮询任务调度器:task 有 task_id / seller_id / tier(VIP|STANDARD) / priority(1~3)。卖家内部按 priority 小的优先、同 priority 按 FIFO;卖家之间轮流,VIP 一轮最多连续处理 2 个、STANDARD 一轮 1 个。实现 receive_task 和 process_next_task。解法是外层 Deque 加权轮询 + 内层每卖家一个最小堆
  • task scheduler:addTask(taskID, timestamp) / removeTask(taskID) / popTask(int num),按 starting timestamp 弹出前 num 个,priority queue
  • 构建嵌套 children JSON 树:给 list of objects(含 id / parent_id / text)
  • 勾股数判断:给整数数组,判断是否存在 a²+b²=c²。坑在 0 和重复元素——[0,0,0] 要返回 true,但只有一个 0 的 [0] 不行,所以集合要存出现次数而不是只存值

另外有两条流程信息值得知道:TT 是组招,没有统一 bar,同样是 SDE,有的组已经全面上 AI-assisted coding,有的组还在考 LC easy;挂了没有冷冻期可以马上换组再面,但面评会被记录。


六、System Design:这 7 周被问到的题

Meta:status 搜索支持 AND / OR(出现 2 次,倒排索引 + skip pointer + 按 term 分片 scatter-gather)、Design Notification System、Design file sharing。

Google:web crawler(百亿量级、周期重抓,深挖到 frontier 双层队列保证礼貌性、robots.txt 缓存多久、URL 去重用 bloom filter、内容 SimHash 近似去重、爬虫陷阱、按 host consistent hashing 分片、24 小时全站重抓的瓶颈在带宽和 DNS)、design interface for a chat agent、how do you visualize 100M+ datapoints、AI Agent Token Rate Limiter、内部文档搜索的 RAG agent、music recommendation。

TikTok:Design Top 10 Songs by Country 是这段时间最完整的一篇——先明确 Availability > Consistency(榜单几分钟 staleness 可接受),500M users、读写各约 50K QPS,读路径 API GW → Top Song Service → Redis(TTL 600s,正好对齐 10 分钟更新频率),写路径 API → Kafka → Flink streaming aggregation → 回写 Redis。重点讨论了为什么 listen 不能同步更新 counter(热门歌曲会形成严重 hot key)。另外还有 moderation platform、短视频推荐系统(召回 → 粗排双塔 → 精排多目标 → 重排,深挖冷启动、特征穿越、实时性、评估)。

Amazon:多图书馆管理系统(重点是把「书目 ISBN 级」和「实体副本」分开建模,通知走消息队列不能因通知失败而回滚,并发借出用副本级乐观锁)、Design Kindle Reader(follow-up 全是同步问题:offline 怎么办、多设备同时读同一本、如何避免不同设备互相覆盖进度、conflict resolution、API 幂等)、metrics monitoring system、接收 notification 的 micro service、ML platform(online vs batch inference)。


七、Amazon 的 OOD 场景题(6 次)

购物车、卡牌系统、Pizza、电影院票价系统、Amazon Locker、软件包依赖管理。其中电影票价那道给了完整公式:格式(standard / 3D / IMAX)× 场次倍率 × 座位等级倍率 + 附加服务,即 (base + Σaddons) × showtime × seatTier,要求新增类型时易扩展,而且在 livecode 里直接写,不能画图。

还有一道文件系统搜索 API 出现了 3 次:按名字 / 大小 / 后缀递归搜索,follow-up 一律是 symbolic link 的环——为什么不能用 path 来标识、真实 Linux 下算法还成不成立。边界条件也会问:传入的不是目录、目录为空、文件名不存在,各自输出什么。


八、所以该怎么准备

  1. Amazon 先刷 OA 那三道,出现频率远高于任何一道面试题。配送中心 Inconvenience 和无人机环形送货 LeetCode 上没有,得照着上面的描述自己写一遍;K Consecutive Bags 直接刷 LC 3413。
  2. AI 相关的题已经渗透到每一轮,不只是 AI coding 轮:OA 第二题、BQ 的固定追问(你怎么用 GenAI、输出不对怎么办、怎么 cross check)、甚至 System Design 都会出「设计一个 AI chatbot 的架构」。
  3. Google 别指望原题,把区间调度和二分答案这两个套路吃透,然后练习在纯文本编辑器里写代码。
  4. TikTok 的时间要花在八股上,算法题反而是次要的。
  5. Amazon 的 LP 权重高于代码:有一篇五轮面经里,LP 的总时长超过了代码时长。准备 8~12 个 STAR 故事并标注每个能覆盖哪几条 LP。注意冷冻期已经从 6 个月变成 1 年。

数据说明

样本是一亩三分地「海外面经」版(fid 145)第 1–38 页加「数科面经」版(fid 259)第 1–12 页,2026-07-25 至 09-10 窗口内共 1008 篇帖子,按帖子的公司标签分组。发帖日期不等于面试日期——四家都有补发去年面经的情况。另外样本量决定了这里的「高频」只是这 7 周里被写出来的题,Meta 尤其(只有 12 篇有题),不足以当统计结论用。

Learn more about interview preparation

想知道更多的
BigOCodes模拟面试?

了解更多

Keep Reading

View All