# 为什么狂刷 LeetCode，对 FDE 面试帮助不大

> 在 Distyl AI 和 Databricks，分量最重的一轮是 45 到 60 分钟，面试官扮演刻意隐瞒信息的客户。

原文: https://fdetimes.net/zh/analysis/fde-interview-decomposition-round/

据 Exponent/aced.io 的一份面试指南，Cognition 招聘前线部署工程师（FDE）时，取消了两轮瞄准大厂的工程师往往要准备一年的面试：编码和系统设计。最后几轮改为现场客户模拟，比如向高管推介方案，或通过一次通话分析案例。

很多人会把这理解为“FDE 不需要很强的编码能力”。这种理解是错的。在 Distyl AI 和 Databricks，编码轮依然存在，只是性质变了，不再是主要筛选关卡。

权重最大的一轮，是面试官扮演客户、递给你一份刻意不完整的需求说明。如果你为了转行做 FDE 刷了几百小时 LeetCode，这些时间换来的分数会比预期少。

好消息是，评分最细的那项能力可以训练。只是很少有人有意去练。

## Cognition 是特例，不是常态

Distyl AI 仍有编码轮。techinterview.org 上一篇分析该公司 FDE 招聘的文章建议候选人准备 Python，并指出题目会贴近日常工作。那里的编码轮检验的是你能否胜任驻场在客户公司的工程师工作，并不考算法。

Databricks 也在往同一方向走。据 Exponent/aced.io 指南，Databricks 软件工程师面试中常见的图、算法和并发题，在 FDE 面试流程中很少出现。作为替代，流程中增加了一轮单独的问题拆解面试。

AI Engineering Insider 的一篇 Substack 文章用一句话概括了这一趋势：“少一点 LeetCode，多一点实战工程”，编码题比如解析一个杂乱的 CSV 文件，或者写一个限流器。

Educative 的 FDE 课程把客户模拟列为 FDE 招聘中稳定出现的四类面试之一，整个流程通常为 4 到 6 轮，历时 3 到 5 周。

可见，Cognition 取消代码考核，只是一个更大趋势中最极端的例子。代码仍然要考，用来看你是否达标；但决定能否拿到 offer 的，是另一轮。

## 真正的筛选往往不涉及代码

那篇 Substack 文章直接把问题拆解轮称为主要筛选关卡。候选人拿到一个没有明确规格的模糊业务问题，用 45 到 60 分钟去处理，没有唯一正确答案。

据 techinterview.org，这一轮通常不写代码：模拟客户抛给你一个模糊的问题，然后看你怎么应对。

这种形式并不新。据 aced.io 一份关于拆解题的指南，它由 Palantir 首创并推广，如今许多招聘 FDE 的公司都有自己的版本。

这一轮难在需求说明本身就是故意不完整的。aced.io 指南明确指出，找出缺失的范围、约束、数据和成功标准，本身就是评分内容的一部分。

在 Distyl，扮演客户的面试官不会主动补充细节，所以候选人的评分取决于他们提出的问题。

**要点:** 在问题拆解轮中，被隐瞒的信息就是考题：得分取决于你能否发现缺了什么。

## 不考代码，面试官评什么？

据 techinterview.org，面试官评估四项能力：结构化拆解问题、对终端用户的同理心、基于数据的推理，以及对范围的判断。这些都无法从一个正确运行的函数里看出来，却都体现在你问了什么、按什么顺序问。

同一来源指出，最常见的错误是问题刚讲完就给出方案，没先问清用户是谁、“完成”意味着什么。对优秀工程师来说，这是一种自然反应。多年来因解题快而受到奖励，让人习惯默认需求说明是正确且完整的。

举一个虚构的例子。“客户”是一家物流公司，说想用 AI 减少延迟送达的订单。缺乏经验的候选人会直接给出送达时间预测模型、数据管道和部署方案。答案听上去很有技术含量，但可能解决的是错误的问题。

优秀的候选人会先提问。订单延迟时，谁受影响最大：终端客户、司机，还是客服团队？怎样才算延迟？行程数据存在哪里，质量如何？三个月后，哪个数字能证明项目成功了？

正确答案也许根本不需要 AI，只需给调度员发一条提前预警。

针对 Databricks 问题拆解轮的建议给出了一个具体数字：先花 5 到 15 分钟澄清业务目标，再进入技术设计。跳过这个提问环节，正是 techinterview.org 所说的最常见错误。

## 三家公司，三种权重

把三家的流程放在一起看就很清楚：这些公司并没有放弃考察技术能力，而是把权重移向判断力。

| | Cognition | Distyl AI | Databricks |
|---|---|---|---|
| 编码轮 | 据报道取消了编码和系统设计 | 仍保留，用 Python，贴近日常工作 | 很少出图、算法或并发题 |
| 以客户为中心的一轮 | 最后几轮为现场客户模拟：向高管推介、案例分析通话 | 问题拆解，面试官扮演客户，被视为关键一轮 | 单独一轮问题拆解，从业务目标出发 |
| 准备重点 | 在客户面前陈述和应对场面 | 主动提问，因为面试官不会主动给细节 | 设计前先花 5 到 15 分钟澄清目标 |

三家都会让候选人面对一位还不清楚自己到底要什么的客户，区别只在于额外考多少编码。

这种设计有其道理。一个写代码比同事慢一点的 FDE，照样能交付项目。而一个搭出漂亮系统却解决了错误问题的 FDE，会让项目失败，而且是在客户眼皮底下失败。面试针对的正是第二种风险。

## 转行者该练什么？

对越南的许多开发者，尤其是做外包的开发者来说，需求通常经由业务分析师或项目经理，以写好的工单形式到达。你也许很擅长把规格说明变成代码，却很少需要问客户这份规格对不对。问题拆解轮考的，恰恰是你用得最少的能力。

这项能力可以训练，方法和当年练 LeetCode 一样：有题目、有计时、有人打分。请一位同事扮演客户，只在被问到时才回答，然后按上面四项标准给自己打分。练过五六次，你就会发现自己急于提方案的冲动有多强。

不要完全丢下代码：Distyl 仍有 Python 编码轮，而关于 FDE 面试的各方描述都表明，编码题如今是实战工程而非 LeetCode。要改变的是练习方式：少做算法谜题，多做解析脏数据、写限流器、带重试地调用 API 这类任务，并按会在客户现场运行的标准来写代码。

阅读职位描述时，留意“decomposition”“customer simulation”或“case study”这类词，它们说明哪一轮分量重。简历上不要写“用 Python 开发了 X 模块”，而要描述一次初始需求很模糊的经历：你问了什么，范围如何确定，结果如何。

FDE 招聘方读到这样一行，看到的正是他们的面试想找的能力。

编码轮没有消失，但它现在只用来判断你是否达标、能否继续。想拿到 offer，你需要在与一位不清楚自己需求的模拟客户的对话中表现出色。

**本周动手试试:**

- 请一位同事扮演客户，用“我们想用 AI 减少 X”这样的需求开场，只在被问到时回答。为前 15 分钟计时：这段时间里你只能提问，不能提方案。
- 写一个 Python 脚本，解析一个有缺失列、日期格式混杂和重复行的脏 CSV 文件，然后像审查生产代码一样审查它。
- 按这个结构重写简历上的一条：原始需求有多模糊、你问了什么、范围如何确定、最终结果是什么。

## 信源

- [Cognition Forward Deployed Engineer Interview (Exponent/aced.io guide)](https://www.aced.io/guides/cognition-forward-deployed-engineer-interview)

- [What the forward deployed engineer interview really tests](https://www.techinterview.org/post/3233477236/forward-deployed-engineer-interview/)

- [How Distyl AI hires forward deployed engineers](https://www.techinterview.org/post/3233477242/how-distyl-ai-hires-forward-deployed-engineers/)

- [Databricks Forward Deployed Engineer Interview (Exponent/aced.io guide)](https://www.aced.io/guides/databricks-forward-deployed-engineer-interview)

- [How to Answer Decomposition Interview Questions: The Definitive Guide (2026)](https://www.aced.io/blog/how-to-answer-decomposition-interview-questions-the-definitive-guide-2026)

- [The four interview rounds (Educative, Forward Deployed Engineer course)](https://www.educative.io/courses/forward-deployed-engineer/the-four-interview-rounds)

- [Cracking the Forward Deployed AI Engineer Interview](https://aiengineeringinsider.substack.com/p/cracking-the-forward-deployed-ai)
