OpenAI 招聘體感和大廠不一樣。它沒有統一題庫，也很少先發 HackerRank 連結，更多是「recruiter 簡訊約時間 → 給一份帶時間窗口的 take-home → 通過後約 live coding」。這篇文章把 OpenAI OA 的真實鏈路、不同職位線的題型差異、以及 OA輔助 在 take-home 與 live coding 兩種形態下的對接方式說清楚。
整體節奏：4 個階段、6-8 週
W0 Recruiter 信件 / LinkedIn 約 30min intro chat
W1 Recruiter 介紹 OA 形態 → 發出 take-home / 邀請 live OA
W2 72h take-home 窗口 / 60min live OA
W3 通過 → 約 first technical round（45-60 min live coding）
W4 team match / virtual onsite 4-5 輪
W6 debrief → offer
OpenAI 整體週期偏快，特別是 ML Engineer 與 Infra 職位線，從第一封信到 onsite 經常壓縮到 4 週內。OA 階段反而是窗口期最緊的一環 —— take-home 通常只給 72 小時，live OA 只有一次機會。
三大職位線的 OA 差異
OpenAI 的 OA 不是按 level 分發，而是按 職位線：
| 職位線 | 主流 OA 形式 | 題型重點 | 典型耗時 |
|---|---|---|---|
| Member of Technical Staff (MTS, ML/Infra) | take-home + 1 live | 系統設計實作題 + 效能調優 | 6-10 小時 |
| Software Engineer (Product / Platform) | live OA on shared editor | 資料結構 + API 模擬 | 60-90 分鐘 |
| Research Engineer | take-home（研究方向） | 論文復現 + 實驗程式碼 | 1-2 天 |
| Applied AI / Solutions | live OA + case | LLM 流程編排 + prompt 設計 | 60 分鐘 |
| Infrastructure / Reliability | take-home（系統題） | Linux / 網路 / 分散式實作 | 4-8 小時 |
參考站內已有具體題解：
這些題都是 MTS / SDE 線的真實 OA 題，特點是「比 LeetCode 實作量大 3-5 倍，但單點演算法不難」。
Take-home 的核心評分維度
OpenAI take-home 不像 Airbnb 給 5 天，通常只有 72 小時。評分主要看四點：
1) 完整可運行
reviewer 第一步是 make test / python main.py，跑不通直接掛。Submit 前必須自檢：
- 不依賴個人本地路徑
- README 裡給出最小執行命令
- 測試用例至少覆蓋 happy path + 2 個 edge case
2) 正確性 + 邊界
OpenAI 出題人喜歡隱藏 corner case。常見陷阱：
- 浮點除法 → 0 / NaN
- 空輸入 → IndexError
- 大輸入 → memory 爆炸（特別是 spreadsheet / memory manager 這種系統題）
3) 程式碼組織與可讀性
- 單檔不超過 400 行
- 類 / 函數職責單一
- 命名能讓 reviewer 30 秒內看懂
4) 效能與擴展性
- 時間複雜度需要在 README 裡明示
- 大輸入下不能 O(n²)
- 資料結構選擇要有理由（寫在 comment 或 README）
Live OA：60 分鐘的工程節奏
OpenAI live OA 通常用 CoderPad 或 Codespaces，60 分鐘一道大題 + 多個 follow-up。最怕兩件事：
怕一：上來就寫程式碼
OpenAI 面試官期待你 先聊 5-10 分鐘設計：輸入輸出、資料結構選型、複雜度上限。直接 typing 會被記一筆 "didn't clarify before coding"。
怕二：忽略測試
題目本身只能 AC 70% 測試用例就算合格，但 follow-up 幾乎都涉及「再加一個需求 / 改一個資料結構 / 優化某段」。提前留 10-15 分鐘做測試與重構，比一開始全速 typing 通過更高。
# OpenAI live OA "spreadsheet 公式求值" 推薦起手模板
class Spreadsheet:
def __init__(self):
self.cells: dict[str, str] = {} # 原始公式或值
self.cache: dict[str, float] = {} # 求值結果
def set_cell(self, key: str, expr: str) -> None:
self.cells[key] = expr
self.cache.clear() # 簡單起步：全清，後續討論增量更新
def get_cell(self, key: str) -> float:
if key in self.cache:
return self.cache[key]
# 遞迴求值 + 循環檢測留給 follow-up
...
寫出這個骨架 → 跑 happy path → 再討論循環依賴 / 增量計算 / 錯誤處理 follow-up。這個節奏面試官最舒服。
OA輔助：take-home 和 live OA 兩種節奏
oavoservice 的 OA輔助 在 OpenAI 上的對接分兩種：
take-home 節奏
72h 窗口期內，分三段介入：
- 0-2h：拿到題目立刻同步給我，做題型識別 + 評分維度對照
- 執行期：隨時同步程式碼進度，遇到卡點 30 分鐘內給方向
- 提交前 4h：完整程式碼 review + README 檢查 + 測試用例補全
live OA 節奏
60 分鐘一次性窗口，需要更密的即時輔助：
- 題目讀完前 5 分鐘：同步題面，給出題型判定與起手資料結構建議
- 設計階段：輔助你和面試官的 clarifying 對話方向
- 寫程式碼階段：監聽 typing 進度，在你打錯或思路偏離時給出最短訊號
- follow-up 階段：提前推演 2-3 個常見 follow-up 並備好答案要點
FAQ
Q1: OpenAI 給我的不是 take-home 也不是 live OA，是 "design discussion"，這是什麼？ A: 這是 Research Engineer / Applied AI 線常見形式。本質是 60 分鐘的開放設計討論，重點考察你能不能把 LLM-related 系統拆成可執行模組。準備方法和 system design 一致，但要有 ML 視角。
Q2: 我可以用 ChatGPT 自己做 take-home 嗎？ A: OpenAI 在面試 onboarding 信件裡明確寫「we encourage you to use the tools you'd use day-to-day, including AI assistants」。但提交後的 follow-up 面試會讓你 逐行解釋自己的程式碼，所以"理解到能講清楚"是底線。OA輔助 的角色是幫你「快速達到能講清楚的水準」。
Q3: take-home 提交後多久知道結果？ A: 一般 5-7 個工作日。OpenAI reviewer 是工程團隊 rotation 評審，速度比專職 recruiter team 慢一點。
Q4: live OA 用什麼 IDE？ A: 多數職位是 CoderPad（不能跑程式碼 / 只能跑程式碼視團隊而定）。Research / Infra 偶爾用 Codespaces 或自家 sandbox。recruiter 會提前發連結，建議 OA 前一晚把環境點開試一次。
Q5: 面試用什麼語言？ A: Python 是預設選項。MTS / Infra 線允許 Go / Rust / C++。不要在 OA 現場切換語言 —— 選一個你 800 行內不會查文件的。
寫在最後
OpenAI 的 OA 看起來靈活，實則評分維度非常清楚：跑通 + 正確 + 可讀 + 可擴展。Take-home 占 72 小時窗口期，live OA 占 60 分鐘，兩種形態的 OA輔助 節奏完全不同。如果你正在準備 OpenAI 的 OA，可以微信 Coding0201 聯絡，把職位線 + recruiter 信件截圖發過來，先做職位線判定再排時間表。
需要面試真題？ 立刻聯絡微信 Coding0201，獲取真題。
聯絡方式
- 微信：Coding0201
- Email: [email protected]
- Telegram: @OAVOProxy