Sift 的 Senior Backend Engineer、Agentic AI 面试整体偏 backend + telemetry + AI agent。Coding 不算特别 LeetCode 重，但是 follow-up 很多，会不断加上并发、可观测性和真实 production requirement。
面经 | Backend / Agentic AI | 🔥🔥🔥 | Sift
2026（7–9 月）· Senior SWE，Backend (Agentic AI) · SF · 官网海投 · Onsite 后挂。
整体体验其实不错，面试官都比较直接。感觉 Sift 不是特别喜欢纯八股，很多题都是先给一个正常版本，然后往真实 production requirement 一层层加。
这是 原始 Sift 面经 的中文网页版本。它记录的是一位候选人的经历，不代表 Sift 固定或官方的面试流程。
Tech Screen
Coding：Telemetry threshold
给一组 {timestamp, sensor_id, value}，找出 value 连续超过 threshold 的时间段。
- 第一问正常按时间顺序
- follow-up：event 可能乱序
- 数据很多，不能全部放进 memory
- 同时有很多 sensor 怎么处理
题本身 medium 左右，最后留了几分钟反问。
Onsite：Coding — Ticket / Reservation
做一个简化版 ticket marketplace：
- 支持 listing / buy / cancel
- 两个人同时买同一张 ticket 怎么办
- purchase 进行一半失败怎么办
- follow-up 主要围绕 concurrency 和 double booking
这一轮写得有点赶，base function 都做完了，最后 concurrency 主要聊设计。
System Design：Telemetry Investigation Agent
设计一个 Agent，让 hardware engineer 可以问：
Why did this test run fail?
主要聊：
- 大量 telemetry 怎么接进来
- Agent 怎么找到 relevant signal
- long-running analysis 怎么支持
- trace / tool call / latency 怎么记录
- Agent 给错结论以后怎么 debug
面试官在 observability 和 bad case 上追得比较多，感觉和他们现在做的产品挺贴。一个 Agent 只有在出错以后还能被检查、定位和复盘，才真的适合调查类工作。
Project Deep Dive
挑简历上一个 backend / AI 项目聊，主要追：
- 自己具体负责什么
- 最难的 technical decision
- production 出过什么问题
- 最难 debug 的 bad case
- 如果重新做一次会改什么
感觉这轮 ownership 看得挺重，不太能一直讲“我们团队”。面试官真正想知道的是你个人做了什么、怎么判断，以及遇到问题后怎样推进。
Behavioral
比较正常的 startup BQ：
- disagreement
- move fast / ambiguity
- 做错过的 technical decision
- Why Sift
时间线
- 8/3 官网申请
- 8/5 Recruiter reach out
- 8/7 Recruiter call
- 8/11 Tech Screen
- 8/12 通知 onsite
- 8/20 Virtual Onsite
整体感受
Sift 不是特别喜欢纯八股。一个正常问题会一层层变成 production 问题：event 乱序、数据量、并发、observability，以及 Agent 给出错误结论以后怎么处理。