几天前的404 Media里一篇讲到Meta已经允许在面试环节让求职者用AI来辅助编程：

Meta told employees that it is going to allow some coding job candidates to use an AI assistant during the interview process, according to internal Meta communications seen by 404 Media. The company has also asked existing employees to volunteer for a “mock AI-enabled interview,” the messages say.

个人是挺认可Meta的做法。我觉得有时候面试里的算法题不一定要一个结果，就好比要一个候选人解决一个算法题，不应该只看AC情况，更应该看这个人在解决问题时的思维情况，前后逻辑演进，一位追求AC，最终就是比谁更会背题。

相反，真实世界的生产问题有很多是开放式问题，借助AI可以快速探索解决路径和方案，甚至是初步的demo来判断可行性。这过程中，面试官可以和候选人聊聊思路，这样可以很清楚的知道这个人是否明白自己在做什么，是否有独立思考的能力，可以从这个人在面对问题时的表现，进一步评估是否有之前未识别的潜力表现。

传统技术面试流程的问题

传统的互联网，尤其是头部的公司，在技术面环节都是要求有算法题的，哪怕面试的岗位不是算法相关的，也依然会要求。这个在很多大公司是一个硬性的面试流程环节之一了。因此也就衍生出Leetcode为主的这种汇总了大量算法题的网站，大家在求职前都会刷一些leetcode，也有人会每天刷一天坚持几个月甚至几年。这一固定流程在AI面前似乎开始被撬动。

总结了几个我能想到的问题和现象：

1. 面试造火箭，上岗拧螺丝

现在很多大厂的面试被戏谑为面试造火箭，上岗螺丝钉，其实也是映射了这种面试和工作不匹配的一个落差感。但是从企业角度确实也无可厚非，因为企业在识人和用人上需要投入很大的成本，企业自然是希望筛选技术+行为/三观尽可能符合要求的候选者。

2. AI 辅助面试的“作弊”问题

现在AI辅助面试的作弊不断涌现，如果在坚持传统的面试流程，势必造成极大的不公平现象，如何反作弊应该引起企业的注意。前段时间硅谷就有一个臭名昭著的企业，公开表明自己的产品就是辅助作弊的，甚至还获得了VC的青睐，也能看出这个趋势。

3. 算法原理理解更重要

传统的面试流程或许并不适应实际生产应用，在AI辅助编程大行其道的今天，一些经典算法已经不需要再抓破脑袋的思考如何实现集成了。但是话说回来，学会一个算法的原理，确实有助于提升一个工程师的综合能力，对于在面对一些问题时，哪怕自己不会实际实现这个算法，但是依然可以将问题和适合的算法给到AI去做工程实现

4. 部分企业在探索更贴近现实的面试方式

现在其实也有些企业已经开始改革面试流程了，会让面试者面试后有家庭作业，可能解决某个半开放式的问题，但是这个相对耗费时间精力，还是相对小众的方式。

5. 越来越多公司在意你是否”会用 AI”

企业在制定面试流程标准的时候，从高层视角会追求一些相对容易标准化、可量化的设计，所得残酷一点，在顶层来看，一线的员工有时候只是一个HC，并不会关心是A还是B，也没那么多资源去深挖候选人的更深的背景情况和潜力等

已经在现实中看到好多个企业招聘方会问候选者最近用了什么AI工具，很多设立了标准，比如2周内持续使用Claude Code、Cursor这类AI辅助编程工具，这个其实在企业追求人效方面已经越来越被重视

面试流程的演进简史

互联网技术面试这几十年来也经历了几次重要转变：

1. 1980年代大型科技公司（IBM、HP等）出现后，面试通常关注技术知识和背景，以及项目经验
2. 2000年代Google崛起后，将算法+编码+系统设计+行为问题组合成标准流程，旨在找到聪明、有潜力的候选人
3. 2010年代FB、Amazon也统一跟进了Google的面试范式
4. 2020年代，随着远程工作的兴起，越来越重视沟通能力、团队合作、ownership、冲突管理等软技能。AI工具的兴起也开始撼动以Google为主的面试流程

AI时代，面试往哪里去？

未来会怎样演进，其实不好说。但从趋势看：

• 更真实、更贴近工程场景的面试方式会更加受企业和求职者的喜爱
• 能否与AI合作解决问题，会成为评估候选人能力的一部分
• 企业也要重新思考标准化流程和识别潜力的平衡
• 面试不再是单纯考记忆和刷题能力，而是考你怎么和工具协作、怎么思考、怎么表达

企业招人成本和求职者的错位感，就业市场的摩擦源于双方立场和出发点不同，AI是否可以给我们带来新的体验，我们拭目以待