ZipRecruiter OA 真題面經｜技能圖推薦 + 字串匹配 VO代面與 VO輔助指南

ZipRecruiter 是美國老牌招聘平台，平台核心業務是把求職者與雇主精準匹配。這種業務模型決定了它的 OA 題型——字串匹配、技能圖推薦、求職者排序 幾乎是固定三大塊。本文按一畝三分地 + Glassdoor 最近高頻面經做主題整理，並補充 VO代面 / VO輔助 實作準備路徑。

ZipRecruiter OA 概覽

維度	詳情
平台	CodeSignal / HackerRank（按職位不同）
時長	70-90 分鐘
題量	3-4 道（含 1 道開放設計）
難度	LC Easy-Medium，重邊界
重點	字串、圖、堆、推薦排序

題型一：字串模糊匹配

代表題：候選人技能匹配

輸入：

• query：單個職位描述拆出的 keyword 列表
• resumes：每個 resume 是一段長字串

要求回傳每個 resume 與 query 的「匹配分數」，定義為：query 中出現在 resume 裡（忽略大小寫、允許 1 字元編輯距離）的 keyword 數量。

def fuzzy_match_count(query, resume):
    tokens = set(t.lower() for t in resume.split())
    hits = 0
    for kw in query:
        kw_low = kw.lower()
        if kw_low in tokens:
            hits += 1
            continue
        for t in tokens:
            if abs(len(t) - len(kw_low)) > 1:
                continue
            if within_one_edit(t, kw_low):
                hits += 1
                break
    return hits


def within_one_edit(a, b):
    if a == b:
        return True
    if abs(len(a) - len(b)) > 1:
        return False
    if len(a) > len(b):
        a, b = b, a
    i = j = diff = 0
    while i < len(a) and j < len(b):
        if a[i] != b[j]:
            diff += 1
            if diff > 1:
                return False
            if len(a) == len(b):
                i += 1
            j += 1
        else:
            i += 1
            j += 1
    return True

時間複雜度：O(|query| · |tokens| · avg_len)

這道題一畝三分地裡反覆出現，1 字元編輯距離 是高頻升級。

題型二：技能圖推薦

代表題：相關技能推薦

輸入：

• skills_graph：鄰接表，節點是技能，邊權為「共現頻率」
• user_skills：使用者當前持有技能
• k：回傳 top-k 推薦

要求回傳離使用者已有技能集合最近的 k 個新技能（按總邊權求和排序）。

import heapq
from collections import defaultdict

def recommend(skills_graph, user_skills, k):
    user_set = set(user_skills)
    score = defaultdict(int)
    for s in user_skills:
        for nb, w in skills_graph.get(s, []):
            if nb not in user_set:
                score[nb] += w
    return heapq.nlargest(k, score.items(), key=lambda x: x[1])

時間複雜度：O(E + V log k)

Part 2 擴展：要求支援「2 跳推薦」——可以經過一個中轉技能。

題型三：求職者優先級排序

代表題：招聘佇列

求職者按以下規則排序：

1. 新鮮度（last_active 越近排越前）
2. 相同 last_active 時，匹配度（來自上面的 fuzzy match）越高越前
3. 相同匹配度時，回覆率越高越前

def sort_candidates(candidates):
    # candidates: [(last_active_ts, match_score, response_rate, name)]
    return sorted(
        candidates,
        key=lambda c: (-c[0], -c[1], -c[2]),
    )

這種題考的是「多鍵穩定排序」+ 正確的負號方向，看似簡單，但一畝三分地裡有人因為方向寫錯全部 fail。

一畝三分地高頻題速查

類別	頻率	關鍵技巧
字串模糊匹配	★★★★★	1 字元編輯距離
技能圖推薦	★★★★	鄰接表 + heapq.nlargest
多鍵排序	★★★★	穩定 sort + 多 key
Top-K 求職者	★★★	堆
字典前綴匹配	★★★	Trie

VO 流程

ZipRecruiter VO 通常 3-4 輪：

1. HR 電話：動機 + 簡歷過審（30 分鐘）
2. 演算法面：LC Medium，注重表達（45 分鐘）
3. 系統設計：推薦系統 / 搜尋後端（60 分鐘）
4. Hiring Manager + 行為面：產品認知（45 分鐘）

VO代面 / VO輔助 準備路徑

實戰做法

• OA 題庫分桶：字串匹配 + 技能圖 + 排序三大類各練 5 題
• 系統設計模板：把「推薦系統」拆成 召回 → 排序 → 重排 → 反饋 四層，準備一張白板圖
• mock interview：mentor 出 45 min 演算法 + 60 min 系統設計，事後錄影複盤
• 行為面劇本：ZipRecruiter 強調「Job Seeker First」，可以圍繞「使用者視角的產品決策」準備 3 個故事

oavoservice 的 VO代面 + VO輔助 一體化服務

針對 ZipRecruiter 3-4 輪 VO，oavoservice 提供：

• VO輔助：字串匹配 + 技能圖推薦 + 排序 三類 mock + 推薦系統設計白板演練 + 錄影複盤
• VO代面：面試當天即時答題輔助，針對系統設計 / 推薦系統場景題臨場支援
• 行為面劇本：圍繞「Job Seeker First」準備 3 個故事

具體方案與報價，加微信 Coding0201 溝通。

6 天衝刺計畫

天數	任務
D1	一畝三分地 + Glassdoor ZipRecruiter 帖按題型分桶
D2	字串模糊匹配 + 1 字元編輯距離 5 題
D3	技能圖推薦 + 2 跳擴展
D4	系統設計：推薦系統白板手繪 1 張
D5	1 次完整 4 輪 mock，錄影
D6	行為面 STAR：Job Seeker First 主題打磨 3 個故事

---

FAQ

ZipRecruiter OA 難度怎麼樣？

整體在 LC Easy-Medium。題目本身不偏，但邊界細節（1 字元編輯距離、大小寫、空字串、單 token）是失分高發區。

一畝三分地的題能直接背嗎？

不能直接背。ZipRecruiter 題庫會換題面，但三大主線（字串、技能圖、排序）非常穩定。背模板比背題面更有效。

推薦系統輪要準備什麼？

最少準備一張圖能講清楚 召回 → 排序 → 重排 → 反饋 四層，並能給出 ZipRecruiter 業務場景下的具體例子（例如使用者搜尋 keyword → 召回候選 jobs → ML 排序）。

OA 沒過冷卻期多長？

通常 6 個月。換職位（如從 SDE 改投 Data Engineer）一般不算同一池。

---

正在準備 ZipRecruiter OA / VO？

oavoservice 提供 ZipRecruiter / Indeed / Glassdoor / LinkedIn 等招聘平台的 OA 題型分桶、推薦系統設計 mock、行為面劇本等 VO輔助 服務。我們的 mentor 來自一線招聘 / 推薦系統團隊，可以針對 ZipRecruiter 職位客製 1 週衝刺方案。

👉 立即加入微信：Coding0201，獲取 ZipRecruiter 高頻題與 VO輔助方案。

---

聯絡方式

Email: [email protected]
Telegram: @OAVOProxy