Stripe 從 Intern 到 Senior，幾乎都在用同一套 integration 題庫，區別只在面試官的期望和你能走到第幾步。整場面試通常 一小時，形式和傳統 LeetCode 式面試完全不同。這篇以高頻題 Bikemap 為主線，把這套 integration 面試拆解清楚。
一、面試形式：本地 IDE + GitHub issue
你會被要求從 GitHub 下載一個公開 repository，本地用自己的 IDE 打開。題目說明藏在 GitHub 的 issue 裡——不能下載、不能複製，想看只能不停在瀏覽器和 IDE 之間切換。這種設置是有意的：它模擬真實開發中在閱讀程式碼、除錯、查文檔之間不斷切換的場景，也能看出你在有限時間內的節奏掌控能力。
整個面試 不要求演算法推導，也沒有複雜數學，考察點完全是你作為工程師的 integration 實戰能力：能否快速理解已有程式碼、在不破壞結構的情況下擴展功能、讀懂文檔、發起請求、解析資料，以及 debug 時是否思路清晰。
二、題目結構：五個 Part，幾乎沒人寫完
題目一般分成五個 Part，但 幾乎沒人能完整寫完五個。Stripe 很清楚時間緊張，更看重 實現質量、程式碼整潔度、面對未知需求時的反應方式。每個 Part 都向更真實、更貼近生產環境的方向推進。
提示：題目支持多語言，但過往經驗顯示 用 Python 能節省一半以上開發時間。Java / C++ 版本寫起來非常冗長，尤其涉及 JSON 解析和 HTTP 請求時。
三、Part 1：GeoJSON 資料解析與座標提取
給定一個名為 ride-simple.json 的檔案，格式是 GeoJSON，包含約 500 個 GPS 點。要求解析檔案、提取前十個座標點，按格式輸出到標準輸出。
聽起來簡單，但面試官在乎你是否合理組織讀取邏輯：檔案路徑可配置、異常處理保證健壯、能識別資料層級結構（Feature → Geometry → Coordinates）。不少人在這裡浪費時間，因為 JSON 的巢狀層級比想象中深。
import json
def extract_coords(path: str, n: int = 10):
try:
with open(path, "r", encoding="utf-8") as f:
data = json.load(f)
except (OSError, json.JSONDecodeError) as e:
raise RuntimeError(f"failed to read {path}: {e}")
# GeoJSON 層級：FeatureCollection -> features[0] -> geometry -> coordinates
feats = data.get("features") or []
if not feats:
return []
coords = feats[0].get("geometry", {}).get("coordinates", [])
return coords[:n]
if __name__ == "__main__":
for lng, lat in extract_coords("ride-simple.json"):
print(f"{lat},{lng}") # GeoJSON 是 [經度, 緯度] 順序，輸出時注意
四、Part 2：HTTP POST 取地圖圖片
向指定 URL 發一個 POST 請求，請求體是 JSON（通常與上一部分生成的內容類似），伺服器返回一張 PNG 地圖圖片，把它保存到本地。
面試官觀察你是否熟悉常見 HTTP 庫（如 requests）、能否正確設置 headers、序列化 JSON，並在異常時打印合理日誌。很多人卡在這裡不是邏輯錯誤，而是 對第三方庫不熟，或忘了處理網路錯誤和檔案保存路徑。
import requests
def fetch_map(url: str, points, out_path: str = "map.png"):
payload = {"coordinates": points}
try:
resp = requests.post(url, json=payload,
headers={"Content-Type": "application/json"},
timeout=10)
resp.raise_for_status() # 4xx/5xx 直接拋，避免把錯誤頁當圖片存下
except requests.RequestException as e:
print(f"[ERROR] request failed: {e}")
raise
with open(out_path, "wb") as f: # PNG 是二進制，必須 wb
f.write(resp.content)
print(f"[OK] saved {len(resp.content)} bytes -> {out_path}")
五、Part 3：staticmap 渲染路線
使用 staticmap 庫把騎行路線畫出來：把座標點連成 line，渲染到地圖底圖上並導出圖片。重點是 正確使用庫的 API（CoordinateLine、render）和處理座標順序。
from staticmap import StaticMap, Line
def render_route(points, out_path="route.png"):
m = StaticMap(800, 600)
# staticmap 接受 (lng, lat)，與 GeoJSON 順序一致
m.add_line(Line(points, "blue", 3))
image = m.render()
image.save(out_path)
六、Part 4：地標標註 + 最近點查找
給一組 地標座標，在地圖上標註出來，並計算 離騎行路線最近的地標。題目沒明確要求複雜演算法，但考官會看你是否合理使用資料結構：計算最近點時是 直接暴力遍歷 O(n) 還是用更高效的空間結構。
import math
def nearest_landmark(route, landmarks):
def dist(a, b):
# 小範圍用平面近似即可；要更準可用 haversine
return math.hypot(a[0] - b[0], a[1] - b[1])
best, best_d = None, float("inf")
for lm in landmarks:
d = min(dist(lm, p) for p in route) # 地標到路線上所有點的最小距離
if d < best_d:
best_d, best = d, lm
return best, best_d
面試時可以主動提一句：點很多時可以用 KD-Tree / 網格分桶把最近點查找從 O(n·m) 降下來——即便不實現，也是個加分的工程意識信號。
七、Part 5（很少有人走到）
後續 Part 會繼續向生產環境推進，比如批量處理多條路線、快取地圖請求、把腳本模組化成可複用的 CLI 等。能走到這裡的人不多，寫不完是常態，重點是前面幾個 Part 的 質量。
八、準備建議
Stripe 這套面試本質是 工程思維與真實開發習慣 的考察，不在意你能否寫出最優演算法。準備時最重要的不是刷題，而是熟悉 Python 的 I/O、HTTP、JSON、檔案系統、異常處理、模組化設計 這些基礎。能展示出 clean code、分層清晰、日誌完備、命名規範，往往比寫出高效演算法更重要。
FAQ
Q1：Stripe integration 面試和普通 coding 面有什麼不同？
完全不同。它是一小時本地 IDE + GitHub issue 的形式，不考演算法推導，考你讀懂已有程式碼、擴展功能、發請求、解析資料、debug 的 integration 實戰能力。
Q2：Bikemap 五個 Part 一定要寫完嗎？
幾乎沒人寫完，寫不完是常態。Stripe 更看重前幾個 Part 的實現質量、程式碼整潔度和面對未知需求的反應，而不是數量。
Q3：用什麼語言做 Bikemap 最划算？
Python。過往經驗顯示能節省一半以上時間，尤其在 JSON 解析和 HTTP 請求上；Java / C++ 寫起來非常冗長。
Q4：怎麼準備 Stripe integration 面試？
別刷演算法，練 Python 的 I/O / HTTP / JSON / 檔案 / 異常 / 模組化。把 GeoJSON 解析、requests POST 存檔案、staticmap 渲染、最近點查找練熟，並養成寫日誌、分層、命名規範的習慣。想要 Bikemap 全套限時陪練或題型預測，可以發職位 JD 排練習計劃。
正在準備 Stripe 面試？
Stripe integration 考的是工程實戰 + clean code + 真實開發習慣。oavoservice 提供 Stripe 全流程陪練：Bikemap 五 Part 限時模擬、GeoJSON / HTTP / staticmap / 最近點專項、生產級程式碼風格打磨。教練含前大廠資深工程師，熟悉 Stripe「重實現質量、不摳演算法」的評分風格。
立即新增微信 Coding0201，獲取 Stripe 真題與陪練。
聯絡方式
- 微信：Coding0201
- Email：[email protected]
- Telegram：@OAVOProxy