刚面完 Anthropic 的一个 data engineer 岗位，想写一下复盘，因为这个 track 几乎没有信息。
Recruiter screen 很标准。20 分钟，问背景、简单介绍团队（ML infra 方向），没什么意外。
接着是 technical phone screen，这里开始变得很具体。他们给了一个 SQL 题，涉及在模型训练 run 的时间序列上做窗口聚合。比如：算 moving average，识别不同实验里 cost-per-token 指标的异常。并不简单，但也不是为了坑你。整体语境很像「这就是我们实际在用的数据」。
Onsite 一共 4 轮： Data modeling：设计一个 schema 来追踪 LLM evaluation runs。他们想聊你怎么处理 versioning、实验 lineage，以及最终怎么跨几千个 eval 做查询。我深入讲了 slowly-changing dimensions，他们看起来挺买账。 Pipeline design：设计一个实时 + batch 的混合系统，用来大规模摄取和存储 token usage logs。他们会追问一致性和吞吐量的取舍。Kafka、Flink、iceberg on S3 都可以聊。 SQL deep dive：比 phone screen 更复杂。几个 CTE，还有一个 query optimization 问题：他们给你一个 execution plan，问你会怎么改。 Cross-functional behavioral：你怎么和 ML engineers 合作去理解数据需求？如果研究员项目进行中改 schema，你怎么处理？内容挺标准，但他们要真实故事，不要泛泛而谈。
我的 offer 在 onsite debrief 后大概 11 天回来。base 跟我看到的其他 AI lab 差不多（按 level 大概在 185-230k 区间），外加不少 equity。Anthropic 的 total comp 逻辑有点不一样，因为是 pre-IPO restricted stock，不是 options，所以流动性要用不同方式去考虑。
总体：非常技术落地的 loop。没人用冷门 trivia 刁难。重点都在 AI/ML 特有的数据问题（eval logs、训练指标、成本追踪）上，感觉很真。如果你之前做的是电商或 fintech 的数据 pipeline，面之前最好花点时间理解一下 ML infra 的使用场景。