刚结束 Tesla SWE senior loop，system design 这一轮……跟我用 FAANG 风格备考预期的不太一样。
先说一句：Tesla 不叫 L5。内部更像 Staff / Senior / Mid 这种，但你问 recruiter 让他帮你对标时，他们会说「这大概等效 senior 或 L5」。你校准预期时记着这点。
system design 这一轮是 60 分钟，一个面试官，没有白板（线上通话，共享文档）。我拿到的题大概是：设计一个实时遥测摄入系统，用于车辆传感器数据。想象每秒百万级事件，延迟很关键，还要把异常暴露给车队运营团队。
他们真正关心的： 我能不能快速 scope 问题，并把取舍讲清楚。只要我想铺太宽，他们就会 push back，让我选。 数据模型和分区策略。我聊了 time-series 的思路（Kafka 按车辆类型建 topic、Flink 做流处理），他们在 consumer 侧追问得很深。 故障模式。「What happens when a vehicle loses connectivity mid-stream?（车辆在数据流中途失去连接会怎样？）」（车辆中途断网会怎样？）他们要我推理 at-least-once vs exactly-once，不是只让我喊 Kafka。 运维可观测性。监控、告警、on-call 工程师怎么 debug 一个 spike。
他们看起来不太在意的：花哨的分布式一致性算法、把 CAP 当成小测验、或者完美的 API 设计。
有个让我意外的点：面试官懂业务域。他们内部做过车辆数据 pipeline。你能感觉到，因为他们会说「我们实际就会遇到这个」，然后用那种泛用面试官不会问的方式追问。这对懂的人是好事，对只靠 Grokking 套模板的人会比较难受。
对我有帮助的准备：Designing Data-Intensive Applications（Kleppmann），尤其是流处理相关章节。还有读了一些 Tesla 的 Autopilot 工程博客，感受一下他们的规模。
具体问题也欢迎问。总体我觉得这轮比很多公司更公平。