Airbnb 是全球短租 / 旅行赛道的代表，面试也带着浓重的「run + test + follow-up」工程文化：每道题写完必须能跑、必须有测试、必须能接住 follow-up。这不是 LeetCode 提交按钮模式——你需要在 IDE 里完成调试。这篇文章把 Airbnb 面试拆成 5 个阶段、3 道高频题、1 个系统设计，全部按真实流程节奏给出解法和应对模板。
五阶段总览
W0 Initial Screening: Resume → 30 min HR phone (背景 + 期望 + base)
W1 OA HackerRank: 60-90 min, 2-3 道算法 (LC Medium 改造)
W2 Electronic Interview: CoderPad 1-2 轮，每轮 45 min
W3 Onsite VO 4-6 轮：
├─ Coding × 2 (45 min each)
├─ System Design × 1 (60 min)
├─ Behavioral × 1 (Cultural Fit + STAR)
└─ Cross-functional × 1-2 (跨 PM / Eng Manager)
W4 Decision + offer call
整个流程 4-5 周。Airbnb 招聘节奏比 FAANG 慢但更注重 cultural fit——你 50% 概率会和创始人级别（或 VP 级）面试。
阶段 1 — HR Screen（30 min）
招聘 manager 看的两点：
- 简历亮点：旅行 / 电商 / 推荐系统经验是加分项
- expectations alignment：base / 远程 / 期望开始时间
回答模板：
- 简历讲故事：「在 X 项目里我把 Y 指标提升 Z」
- 期望薪资：给一个 base + RSU 区间，不要单数字
- 远程：明确说能不能搬 SF / 周几 onsite
阶段 2 — OA HackerRank（60-90 min）
通常 2-3 道 LC Medium 难度，主题包括：
- 字符串处理（housing description NLP）
- 图遍历（city graph routing）
- 优先队列调度（booking conflict resolution）
cutoff 大约 70% AC + 1 题全 AC。Airbnb OA 没有 hidden monster case，但要求每题写完跑过几个 sample——HackerRank 的 console.log 输出会被 reviewer 看到。
阶段 3 — CoderPad 电面（1-2 轮，45 min/轮）
Airbnb 的特色：每道题都要 写完 → 跑测试 → 答 follow-up。三步必须都做完才算完整。
高频题 1：Zigzag Matrix Print
题面：给 M × N 矩阵，按 zigzag 顺序打印（不是普通水平打印）。
1 2 3 → 1, 2, 3, 6, 5, 4, 7, 8, 9
4 5 6
7 8 9
def zigzag_print(matrix: list[list[int]]) -> list[int]:
out = []
for i, row in enumerate(matrix):
if i % 2 == 0:
out.extend(row)
else:
out.extend(reversed(row))
return out
复杂度：O(M·N)。
Follow-up：
- 「如果不让用 reversed()？」→ 用双指针手写翻转
- 「如果是 spiral zigzag（边界先转）？」→ 改成模拟方向数组
- 「内存敏感场景如何 streaming？」→ generator 输出
阶段 4 — Onsite VO（4-6 轮）
Coding 轮 1：Listings Subset Optimization（Hard）
题面：给 N 个 listings，每个有 id / neighborhood / capacity。在指定 neighborhood 中选若干 listings，使总 capacity ≥ groupSize，优先 listings 数量最少，其次总 capacity 最少（避免浪费）。返回 listing id 列表。
核心思路：双维度 DP / 枚举。先按 capacity 倒序贪心选 listings 数量最少，再二维 DP 在固定数量下找 minimum capacity。
def select_listings(listings: list[dict], neighborhood: str, group_size: int) -> list[int]:
pool = [l for l in listings if l["neighborhood"] == neighborhood]
pool.sort(key=lambda x: -x["capacity"])
# Step 1: 找最小 listings 数量
cap_sum = 0
min_count = 0
for i, l in enumerate(pool):
cap_sum += l["capacity"]
if cap_sum >= group_size:
min_count = i + 1
break
if cap_sum < group_size:
return []
# Step 2: 在 min_count 数量下找 minimum capacity
n = len(pool)
INF = float("inf")
# dp[j][c] = 选 j 个 listings 总 capacity = c 的最小 capacity 路径
# 简化：枚举所有 C(n, min_count) 组合
from itertools import combinations
best_cap = INF
best_combo = None
for combo in combinations(range(n), min_count):
cap = sum(pool[i]["capacity"] for i in combo)
if cap >= group_size and cap < best_cap:
best_cap = cap
best_combo = combo
return [pool[i]["id"] for i in best_combo] if best_combo else []
复杂度：组合枚举 O(C(n, k)·k)，可优化为 DP O(n · group_size)。
Follow-up：「n = 1000 时 combinations 会爆，怎么办？」→ 改成 0/1 knapsack DP。
Coding 轮 2：Task Scheduling with Deadline（Medium）
题面：给一组任务，每个任务有 id / deadline / reward。每个任务占 1 天。安排执行顺序使所有任务在 deadline（含）前完成且总 reward 最大。返回执行顺序和最大 reward。
核心思路：贪心 + 优先队列。按 deadline 升序排序，遇到 deadline 紧的任务先入堆，堆满（size > deadline）则弹出 reward 最低的任务。
import heapq
def schedule_tasks(tasks: list[dict]) -> tuple[list[int], int]:
tasks_sorted = sorted(tasks, key=lambda t: t["deadline"])
heap: list[tuple[int, int]] = [] # (reward, id)
for t in tasks_sorted:
heapq.heappush(heap, (t["reward"], t["id"]))
if len(heap) > t["deadline"]:
heapq.heappop(heap) # 弹出 reward 最小
total = sum(r for r, _ in heap)
order = [tid for _, tid in sorted(heap, key=lambda x: x[1])]
return order, total
复杂度：O(n log n)。
System Design 轮：Airbnb Listing Search
题面：设计 Airbnb 房源搜索系统，处理百万级房源，要求低延迟、支持过滤（价格、位置、人数）。
60 min 框架：
05 min Clarify scope: QPS / 房源规模 / 过滤维度数
05 min Data model: listing schema + index strategy
10 min Indexing: ElasticSearch 倒排索引 + geohash
10 min Caching: Redis 热门 query / popular city pre-warm
10 min Query path: API gateway → search service → ES → ranking → filter → result
10 min Ranking: relevance + rating + price + booking history
05 min Failure modes: ES node down, cache miss storm
05 min Follow-up: real-time inventory / partial availability
关键设计点：
- 分片策略：按 geohash 分片，热门城市单独 shard
- 缓存层：Redis 存 top 100 query × city 组合
- 数据一致性：listing 更新通过 event bus 异步同步到 ES（30s 内最终一致）
- 复杂度：搜索 O(log n) on ES，缓存命中 O(1)
Behavioral / Cultural Fit 轮
Airbnb 有 6 条 core values，最常考的两条：
- Be a host — "你怎么让团队 / 用户感到被 welcome？"
- Embrace the adventure — "你最近一次走出 comfort zone 是什么？"
每道 BQ 准备 STAR 模板，每个故事必须有一段 host / hospitality 的细节——Airbnb reviewer 会专门评估这一点。
Situation: 我接手 X 项目时，team morale 较低
Task: 作为 onboarding 负责人，我要让新人快速 ramp up
Action: 我建立了 buddy 系统、weekly office hours、问题 doc
Result: 新人 ramp time 从 6 周降到 3 周，retention 提升 20%
Reflection: 这件事让我意识到「being a host」不只是欢迎，而是持续 enable
Cross-functional 轮
通常和 PM / Eng Manager 聊。重点是 storytelling 和「跨职能沟通」：
- "如果一个 PM 想砍掉你认为重要的 feature，你怎么办？"
- "讲一个你和 Designer 意见不合的项目"
应对：用 layman 语言（不要 DS 行话），先理解对方动机，再用数据 / 实验做收口。
三条岗位线的 VO 差异
| 岗位线 | Coding 题型 | System Design |
|---|---|---|
| Backend SDE | 数据结构 + Hard DP | Listing Search / Booking |
| Frontend | DOM tree + state mgmt | UI rendering optimization |
| Full-stack | 字符串 + 图 | API gateway design |
VO 辅助怎么对接 Airbnb
Airbnb VO 的难点是「run + test + follow-up + cultural fit」四件套都要做完。VO 辅助 / VO代面 的标准节奏：
- 岗位线判定：JD + recruiter call 摘要，5 分钟内判定 SDE / Frontend / Full-stack 线
- CoderPad 实战训练：每道题写完 → 跑测试 → 答 follow-up 三步走
- 限时 mock：45 min × 4 / 5 onsite 节奏仿真，含 system design 60 min
- 现场 cue：onsite 当天 reviewer 后台推 follow-up 对接 / SD 框架
- Cultural fit 模板：6 条 core values 各配 1 个 STAR 故事，重点 "be a host"
FAQ
Q1: Airbnb 真的会让创始人面试吗？ A: 不是创始人本人（Brian Chesky 已不亲面），但 Director / VP 级别有 30% 概率。这一轮重点是 cultural fit，不是技术。
Q2: OA 没全 AC 还能进 CoderPad 吗？ A: 1 题全 AC + 1 题 70% AC 仍可能进。但 2 题都低于 50% 几乎必拒。
Q3: System Design 一定考 Listing Search 吗？ A: 50% 概率。其他常见题：Booking system / Pricing engine / Review aggregation。三类都要练。
Q4: Cultural Fit 轮失利会被刷吗？ A: 会。Airbnb 的 cultural fit 是一票否决项，即便技术全绿灯也可能 reject。
Q5: Airbnb NG 的 base 大概多少？ A: SDE NG base 约 $170-180K + 股权 + sign-on，Total comp 第一年约 $260-300K。
写在最后
Airbnb 面试不是「比谁刷题多」，而是「比谁能在 IDE 里完整写一个 production-ready 函数 + 把自己包装成一个 host」。如果你正在准备 Airbnb 的 OA 或 VO，可以微信 Coding0201 联系，发岗位 JD + 当前流程节点截图，先做岗位线判定，再排 VO 辅助 / VO代面 节奏。
需要面试真题？ 立刻联系微信 Coding0201，获取真题。
联系方式
- 微信：Coding0201
- Email: [email protected]
- Telegram: @OAVOProxy