Amazon 筛选重权重 Leadership Principles 信号。每个 bullet 都应 map 到一个 LP。Customer Obsession + Ownership + Bias for Action 是核心过滤器。通用「我做 X」= 拒。
Amazon 招聘官扫 ~7 秒,在 screen 阶段明确按 Leadership Principle 信号评分,不只是行为面时。简历不预先信号你的工作展示哪些 LP——即使技术门槛达到也 screen 挂。16 个 LP 不是行为礼貌——是明确 rubric。
SDE1-3 筛选最重要三个信号:(1)LP 标签 bullet——每个角色 2-3 个 LP 嵌在 bullet 括号里,通过展示工作挣得不只是声称;(2)AWS 原生栈深度——具体服务名(Lambda、DynamoDB、S3、Kinesis),不是通用「云」;(3)运营 ownership——on-call rotation、SEV 管理、成本优化、可靠性结果。SDE2+ 三个都不全的 bullet 筛掉。
自然地织进 bullet 和技能区。别堆关键词——跟具体成就配对。
用 AWS 为团队建了一个服务。
拥有订单履约 Lambda pipeline 的设计 + 交付(Customer Obsession、Ownership):处理 1200 万订单/日,p99 < 80ms;通过 DynamoDB on-demand → provisioned 切换降基础设施成本 35%。
LP 标签 + AWS 原生栈 + 规模 + 成本结果。Amazon 的 screen 明确按 LP 信号评分;括号里嵌「Customer Obsession、Ownership」评分高且不别扭。
做了系统可靠性改善。
Q3 内跨 6 个服务把 p99 延迟从 480ms → 95ms(Bias for Action):通过 CloudWatch + X-Ray 分析识别 DynamoDB 热分区根因;2 周内部署分片键重新设计。
速度 + 诊断 + AWS 原生工具(CloudWatch、X-Ray)+ LP framing。Bias for Action 是 Amazon 招聘官扫的明确信号。
指导团队里的初级工程师。
6 个月内拥有 4 个 SDE1 的新人 ramp(Hire and Develop the Best):设计了被姐妹团队采纳的逐周入职文档;3/4 在标准时间线内 SDE1→SDE2 晋升。
LP 标签 + 具体 mentorship 结果(晋升率)+ 影响 scope(姐妹团队采纳)。
解决 on-call incident。
领 2024 年 3 个 SEV-2 incident 根因分析(Insist on the Highest Standards):写「lessons learned」文档把团队重复 incident 率降低 40%;发布共享 playbook 被 2 个姐妹服务采纳。
On-call ownership + 具体运营结果 + LP framing。Amazon L5+ rubric 看重运营卓越——大多数候选人错过这个信号。
只用 PDF、单栏、纯文本可提取。测试:复制粘贴到记事本——文字应从上到下按正确顺序读出。
多栏布局、纯图片简历、嵌字体的 .docx、Canva 设计师模板。
用括号在 bullet 里标 LP 名字——「(Customer Obsession)」、「(Ownership, Deliver Results)」。招聘官扫这些并明确评分。
别假 LP 标签——招聘官交叉核对 bullet 内容。「I delivered (Customer Obsession)」没展示客户影响读起来不真。
用具体服务名:「Lambda」、「DynamoDB」、「S3」、「Kinesis」、「ECS Fargate」。内部团队名相关性评分高。
通用「云平台」、「无服务器框架」。ATS 错过这些。AWS 原生团队提及重要。
每个 bullet 都有数字。规模(RPS、用户数)、延迟(p99、p95)、成本($X 节省)、可靠性(% uptime)、或业务结果(订单/天、收益提升)。
「显著改善」或「为性能优化」没数字。Amazon 晋升文档要求数字证据;简历应镜像这个门槛。
Amazon 行为面建在 16 个 Leadership Principles 上。简历不预先信号你的工作展示哪些 LP——标记缺少对齐。每个角色用括号标 2-3 个 LP 在动作动词后。
Google + Meta + Amazon 看起来一样的简历——被抓。Amazon 特定信号:AWS 服务深度(DynamoDB 内部、Lambda 冷启动优化、S3 数据湖架构)、on-call ownership、成本优化、frugality。通用全栈简历 = screen 评分低。
Amazon SDE2+ rubric 看重运营卓越。没 on-call rotation、SEV 管理、或运营改善的简历错过 Amazon screen 评分最高的维度。新人豁免;SDE1+ 应展示一些运营信号。
Amazon 文化出名地节俭。展示 ship 没成本意识($X 节省、% 基础设施降低)的 bullet——错过核心 LP 信号(Frugality)。即使非基础设施工作也应连接成本或效率结果。
Bar Raiser 面试钻简历最明显的 LP 弱点。简历只强调「Deliver Results」没「Hire and Develop」或「Earn Trust」信号——造成可预测的反推。在 16 个 LP 间平衡覆盖。
Applr 从你的背景浮现 LP 相关工作并把 bullet 标到最明显的原则(不强迫)。对话流问运营 ownership + 成本结果——大多数候选人错过的信号,因为没框架成「工程胜利」。匹配评分提交前给你看跟 Amazon JD 的关键词 + LP 重叠。
每个角色 bullet 括号标 2-3 个 LP——「Drove p99 latency reduction (Bias for Action, Insist on the Highest Standards)」。这是行业标准 Amazon 简历做法,明确评分。别把 LP 列成单独章节——读起来像钻系统空子。通过展示工作而不是断言来挣 LP 标签。
是,但具体。「AWS:Lambda、DynamoDB、S3、Kinesis、ECS、CloudWatch」胜「AWS、云计算」。匹配团队栈——订单履约团队关心 Step Functions + Lambda;数据团队关心 Redshift + Glue。按 JD 定制。
单独列(「GCP:BigQuery、Cloud Run」或「Azure:Functions、Cosmos DB」)但 AWS 区更长更详细。SDE 申请:AWS 深度比云广度重要。SRE/DevOps 角色:多云经验读起来像平台成熟。
比 Google/Meta 少。Amazon 从更广学校分布招聘。更重要的:实质经验(付薪角色 > 项目)、可测量结果、可展示 LP 适配。强州立大学毕业生配 2-3 YOE 和量化结果常常胜 T20 毕业生配弱项目作品集。
Bar Raiser 面试官交叉核对简历 LP 声称跟行为故事。声称「Customer Obsession」工作的简历需要 30 分钟 STAR 故事支持。别列你不能用多层追问辩护的 LP。诚实具体信号胜 aspirational 声称。
SDE1-2 1 页。SDE3+ 1-2 页。密度胜全面。招聘官初始扫 ~7 秒;老角色 1 行总结。bullet 平均 ~25 词——足够 context 又能扫。