“三无”理工男逆袭Amazon：人生不止一条路，但我先走这条

如果干货看够了，想吃点瓜，也请往下看：被“AI取代人类”攻击，裁员新闻频发，此时此刻的亚麻人在想什么？

01 “被字节拒绝后，我收到了Amazon的offer”

大家好，我是Fred，今年从美东某校master毕业入职亚麻，算是踩在了NG求职的ddl上。

我开始考虑求职应该是在大四下。那时候申了很多Master，最后去了一个很不学术研究的院校，读了很多岗都可以申的软件工程，就这样成为求职天选人。

但刚开始求职时我完全是三无选手：没有目标，没有实习经验，没有行业信息。感觉总闷头刷题也不是个事，一起求职的朋友就给我推荐了DBC。

DBC系统性的职业规划课、面试课程等对我的帮助很大，也是在这段时期我确认了自己Tech/Data的双线求职的计划。

因为所有的1V1上课的导师现在都在大厂工作，我也通过和他们的交流获得了最想补充的行业信息。

特别是Alex导师，他本身是我的算法导师，但是我们也会交流很多大厂的招聘流程和日常工作等等，让我对未来的工作提前有了预期。

现在本身就业市场不太好，所以我投递的时候也在广撒网，没有局限某个岗位。秋招还尝试投了国内字节豆包的AI Enginner，虽然被挂了吧，但是是一个不错的经验。

现在人人都想卷AI，但是我觉得国内招聘的话，还是以AI大模型与深度工程/研究背景为主，岗位更偏重于扎实的模型或工程实践，非常看重项目经验。

02 Amazon的offer它来的好丝滑

就这样在不断的投递，面试，积累经验中，某一个平常的下午，命运的齿轮突然开始转动了。

Kiki导师联系我，因为我的简历和Amazon正在招的一个Data Engineer岗很匹配，可以直接refer我。

我当天就投了简历，流程走的非常快，Phone interview-笔试-Tech面-back to back，一个月左右就拿到了offer。

大家可能比较关心技术面：每轮会有1-2道算法题（答得快会增加一道），或者1道系统设计类的题进行深入讨论。

我觉得亚麻整体算法难度easy–medium，没有遇到特别难的题。Leetcode常见题库刷一遍足以应对。我大概刷了400道题。

真正要用心准备的是亚麻的Behavioral Internview，他们很看重你是否符合Amazon的 Leadership Principles，应该是tech firm里数一数二看中行为面的公司了。

其实，大部分人都没有这么多的经历去cover所有Principles，所以怎么样去挖掘、润色、包装自己的经历就很重要。

最容易踩坑的一点是有时候你还要准备不同方向的故事来应对相互矛盾的LP（例如 bias for action 与Dive Deep），不然一不小心就左右脑互博了。

Bias for Action：客户信息不明确时，我做了充分的假设和风险评估，先给出解决方案以避免延误，结果带来正向影响。

谨慎类的例子：遇到风险时，我选择先分析风险，做备选方案，采取更加稳妥的行动。

在面试亚麻前，我从来没有系统性准备过BQ，不知道这是一件这么费事费力的事情。

这个过程中最感谢的是Amazon的C导师，不厌其烦帮我Mock了好几次。

第一次，不尽人意；第二次，我重新打磨后，C导师根据我的答案再次帮我调整。就这样反复了很多次，最终才达到了面试的最佳状态。

03 关于现在和未来

现在我已经在亚麻工作了几个月了，因为之前跟Alex导他们提前了解过大厂的routine，适应的也很快。

我所在的组也比较神仙，部门氛围很好，发展前景也不错。我个人非常喜欢这种利用工程创造Business Impact导向的工作，一直能学到解决问题的办法，而不是机械的coding。

比起当初求职时对未来的不确定，我至少目前对“长期在这个岗位耕耘”是下定了决心的。

前段时间正好亚麻传了一波裁员消息（没有波及到我组），至少AI冲击大部分entry level岗位，已经是一件很明显的事情了。

同时AI这个行业还很卷。虽然同时AI相关的岗位在增多，但学AI的人也更多，传统方向的同学也更愿意往AI方向走。但它对人员的需求量其实没那么大。

所以我一直以来的想法是，除非非常确定想长期发展AI，否则更好的方式是1️⃣坚持自己现有的方向，2️⃣把AI当工具提高效率，毕竟现在谁还不用AI-assisted coding呢。

以上就是我本次分享的内容。祝大家抓住秋招的尾巴，2025成功上岸。