要,但目的得换。
如果手撕代码考的是「记住多少模板」,那它在今天确实贬值了——模板 AI 记得比你全,写得比你快,还不会因为紧张写错下标。
但如果考的是「没有工具时你怎么想」,这项能力在涨价,而且涨得很快。因为现在每个人身边都有一个随时能补全的助手,你很难再观察到一个人独立面对问题时的样子。
白板上真正暴露的东西
我做过几年面试官,也在带人时看过很多人写代码。抛开语法错误,白板前真正能分出高下的,是这几件事。
边界条件会不会主动想。 拿到题,先问数组会不会为空、长度上限是多少、有没有重复元素。这不是细心,是习惯:先确定问题边界,再动手。
复杂度判断是不是有意识。 写完知道自己是 O(n²),知道数据量到一万会怎样,知道能不能优化到 O(n log n)。这种判断决定了它以后写生产代码时,是「先跑通再说」还是「先想清楚再写」。
卡住时的行为。 有人卡住就开始瞎改,有人会退回去重述问题。后者说明他心里有一张问题模型,前者只是在一堆符号里碰运气。
能不能把想法说出来。 边说边写的人,你听得懂他在干什么;闷头写完一句话不解释的人,你只能看他写的对不对,看不出他怎么想的。
这四件事,AI 帮不上忙。它替你写了代码,也就顺手把「你怎么想」这个过程遮住了。
但面试题该改了
我反对的是现在很多公司那种手撕方式:给一道中等偏难的算法题,二十分钟,不看提示,写完跑用例。这套东西筛出来的是刷题熟练度,不是工程能力。
更值得考的四种形态:
给需求不给规格。 「实现一个最近最少使用的缓存」,不给接口,不给容量语义。看他问不问「容量为 0 怎么办」「get 算不算使用」。会问的人,进项目后不会自作主张。
给一段能跑的代码,找 bug。 比从零写更接近真实工作。AI 时代尤其重要,因为你以后大部分时间是在审别人(或模型)写的代码。
允许查文档,禁止用 AI 生成。 这个组合很能看出底子:查文档说明他知道该查什么,不许生成说明他还能自己组织实现。
白板讲设计,不上机。 让他画一个限流器的结构、说清滑动窗口和令牌桶的取舍。这类题没有标准答案,考的是判断。
有一个反例要说清楚
也有人说:既然 AI 能写,那面试就该考「怎么用 AI 把活干完」,让候选人当场用 Copilot 完成任务。
这个思路有价值,但它考的是另一件事——协作与验收能力,不是编程能力。两种都得考,不能互相替代。
一个人能指挥 AI 写出能跑的代码,不代表他知道这段代码在并发下会不会出事;反过来,一个算法底子好的人,未必擅长给 AI 写清楚约束。团队需要的是这两件事都有,所以面试也该分开测。
我的实际操作建议
一线面试时间有限,我会这么分:
四十分钟的结构里,前十分钟聊项目里他做的判断(为什么选这个方案、当时放弃了什么),中间二十分钟一道小实现题,白板,允许提问,允许查语言文档,最后十分钟让他 review 一段我准备的、有明显并发问题的代码。
不考偏题怪题,不看刷了多少题。看的是:遇到不确定时问不问、判断有没有理由、卡住时退不退得回去。
这三条,AI 替不了,也遮不住。
这类「怎么在工具变强之后还测得出人」的问题,我在书里从另一个角度写过:工具替代的是动作,判断力反而更值钱。那套讲法我留在了公众号。
书在这儿:https://effective-llm.pages.dev/
代码在这儿:https://github.com/agentgeex/effective_llm_code