这个十月正在面试的人，多半已经感觉到了不对劲：同一天投的两家公司，一家的面试官把题丢过来，先声明"不许用 Copilot、不许用 Cursor、什么都不许用"，有的甚至要求全程共享桌面；另一家直接把一个仓库甩给你，限时 48 小时，“随便用 AI”，下一轮就围着你交回来的东西追问。
这不是两个平行世界，这是 2026 年秋招里正在分叉的面试。10 月 1 日，CNN 一篇题为《AI 能写代码了，那我们该怎么面试软件工程师？》的深度报道（雷科技编译）把矛盾摆上了台面，知乎"为什么不少科技企业面试仍坚持考手写算法"的问题就是在这两天挂出来的。报道里列的数字都很硬：Google 研究部门去年的报告显示，90% 的科技工作者在工作中用 AI 写代码、改代码、分析数据；Claude Code 负责人 Boris Cherny 说自己过去 30 天对产品 100% 的贡献都是 Claude Code 写的；OpenAI 总裁 Greg Brockman 举例，一个工程师借助 AI 完成的系统变更，搁在过去整个团队要干一周。雷科技
然后是面试现场的反差。开发者 David Barajas 过去六到八个月面了五六家公司，没有一家问过他工作中怎么用 AI，每家的开场白都一样：禁止任何 AI 辅助；他还被要求在面试中共享桌面，以证明自己没偷偷用。十年经验的工程师 Sujata Sridharan 说，她最近面试的大多数公司，用的还是传统编码测试。科技招聘网络 Leopard.FYI 的联合创始人 Jordan Leonard 的说法很扎心："这些测试已经不能反映他们的工作实际上会是什么样了。"Hello Interview 联合创始人 Stefan Mai 说得更狠：“AI 对工程面试的冲击，就像一颗原子弹。”
矛盾就卡在这儿：当 90% 的工作场景在用 AI，面试禁止 AI，筛出来的未必是"最会写代码的人"，可能只是最会防作弊的人。但反过来，直接放开用 AI 的公司，考察标准又立刻变成一门没人讲透的新手艺。准备秋招和跳槽前，先把三条路线看清楚，才知道该把时间花在哪。
一、三条路线正在分叉
路线一：手写照旧，防作弊加码。 传统算法题没有消失，反而因为 AI 的存在加了"证明你没用 AI"的环节——桌面共享就是最直观的信号。这条路的荒诞，Daniel Doubrovkine 的案例讲得最透：这位 Artsy 前 CTO、被第三方评为全球 Top 1% 的 Ruby 工程师、写了三十年代码的人，去年面一家 FAANG 被要求现场手写"二叉树直径"——一道十分钟、十行代码的 DFS 题——他当场卡住，直接说"咱们别浪费时间了"。 他的解释不是手生，是有人盯着大脑一片空白；他还提到在 AWS 见过超过一半 Principal Engineer 候选人白板题是挂的，但最后照样被录用（他在 QCon AI 的演讲，经知乎用户 david 编译）。对这条路，你的目标不是"学会干活"，是学会通过一道和干活无关的过滤器：十分钟级别的经典题（链表反转、LRU、树路径类）保持手感，练的是被人围观时的输出稳定性。知乎
路线二：允许甚至要求现场用 AI，考"怎么指挥"。 CNN 报道里 Stefan Mai 说，允许候选人面试中用 AI 的做法"越来越常见"；Leopard.FYI 还提到岗位需求本身都在变——有公司声明必须会 Ruby on Rails，三周后改了主意，因为 AI 能轻松做语言翻译，“感觉像每周、每个月都在追一个移动靶”。 Doubrovkine 给的新方案更具体：系统设计题从"白板画框框"升级成"让 AI 真把系统搭出来"，题目还是那些——自动扩缩容、限流器、数据管道、类 ChatGPT 系统——面试官看你拆问题、应对意外、写不写测试、报错怎么迭代。 他还在 GitHub 开了一个收录"面试明确允许用 AI 公司"的清单。国内博主的面经也给出了实操差异：有求职者总结，Google 和 Meta 都允许面试用 AI，但一个重点看你管不管得住 AI 写出来的代码，一个重点看你能不能在模糊需求里先把方向想清楚（小红书面经转述，属个人经验）。同一句"可以用 AI"，两家考的根本不是同一件事。雷科技知乎
路线三：AI Coding 带回家，二面拿着产物拷打。 这可能是今年变化最大的一条。知乎用户梁非凡 8 月密集投了一个月简历，3 场面试——从初创到转型中的传统大厂——无一例外都有 AI Coding 环节：一面八股加项目，二面前布置限时 24~48 小时的题目，“有些可以报销 token”；二面就针对你交回来的东西提问：怎么实现的、怎么和 AI 交互、如何保证生成质量、关键技术决策为什么这么做。校招这边，蚂蚁 3 月就上线了 AI Coding 笔试（题目是一个 md 文件写任务要求，环境右侧自带 AI 插件），这条晒图的小红书笔记拿到 4295 个赞、313 条评论——热度本身就说明它已经不是个别公司的实验。知乎小红书
到了秋天的笔试季，这条路线已经从"个别公司的实验"变成"跨厂商的标配题库"。面经博主按公司拆过 2026 秋招的笔试构成：京东是 2 道算法题 + 1 道 AI Coding，阿里是单选 + 多选 + AI Coding，发帖人的原话是"两天五个笔试做麻了"。 美团出了"10 轮对话完整分配思路"的专帖（2425 赞、2947 收藏），核心建议是"不要第一轮就让 AI 写"；腾讯的 vibe coding 笔试题也有人做了逐环节拆解。小红书
10 月 3 日，有求职者在微博晒出：“中秋国庆做了得有 20 个笔试和 AI 面，点名某司 3 个小时的 AI Coding”。 限时强度、对话轮数、交付物验收，正在构成一套新的笔试语法。微博
更实际的是，这套语法背后有机器在记分——有人扒出 AI Coding 笔试的接口配置：题目给定可用模型列表、提交次数和对话轮数上限，评分权重里测试用例只占 0.4，过程分占 0.6。 换句话说，你和 AI 的每一次交互都在评分视野里，"最后能跑"只是及格线的一半。小红书
怎么过这一关，小红书上 446 人收藏的一篇面经把流程拆成了八步，核心就一句：“面试官想看的不是’AI 很强’，而是你能不能发现并控制它的错误”——先跑基线区分原有问题和自己引入的问题、把需求写成带验证方式的验收清单、每次只做最小修改、“应该能跑"不算完成，真实执行过的 build/test/请求结果才是证据、给答辩预留需求清单和 AI 协作记录。踩坑这边，999 赞的《秋招 ai coding 经验总结》里博主的原话是：“ai coding 题太抽象了、readme 又臭又长、给的 ai 又不好用、时间根本不够”。 这三件事恰恰说明：题目设计的考点本来就不是"写”，是你在烂工具、烂文档、限时压力下的取舍和兜底。下面这张对照表来自同一批 891 赞的笔记：小红书小红书
二、为什么会分叉：写代码免费了，担责变稀缺了
三条路线看着乱，底层是同一笔账。有份材料里的话值得记住（知乎 9 月 20 日一个回答）："成本归零的东西不再构成竞争力，成本没降的东西会成为新的核心竞争力。"AI 让生成代码的成本接近归零，但判断代码是否正确、是否敢上线的成本一点没降。知乎
企业侧的数据在加速这个判断。按腾讯对外口径（知乎回答引述），2025 年其内部超过 43% 的代码由 AI 生成，到 2026 年 6 月，CodeBuddy 已覆盖 95% 以上工程师，整体编码时间下降 40%。代码产量归 AI 之后，知乎用户"冰码达"给了一个很形象的说法：程序员以后像"法人代表"——Agent 一晚上开出二十个 PR，人只能看结果、测试和少量关键路径，批准上线的责任却还在人身上。面试作为招聘的前置筛选，自然跟着变形：手写路线是在为"责任"找代理证据（基础判断力），允许 AI 路线是在直接观察"指挥过程"，带回家路线是在验收"真实交付物"。三种方式测的其实是同一个东西的不同侧面。知乎
还有一个常被忽略的连锁反应：企业发现"资深工程师带着 AI 能顶过去五六个新人"，初级岗位收缩，新人培养链被打断（知乎上转行答疑和"冰码达"的回答都提到这一点）。招聘市场随之出现一批按旧 JD 描述不出来的新岗位——量子位 10 月 4 日在 36氪 拆解的 FDE（前线部署工程师）就是典型：海外公开薪资的 FDE 岗位基本年薪中位数约 20 万美元，国内大厂开到月薪三五万，Anthropic 宣布投 1 亿美元在 2027 年底前培训 1 万名 FDE，OpenAI、AWS 分别押注 40 亿和 10 亿美元做部署。岗位本身在移动，面试追的就是一个移动靶。36氪
三、按你的位置，准备重点不一样
27 届秋招应届生： 机考笔试大概率还考传统算法，题感不能断，但重心要加两块——一是限时 AI Coding 作业：找一个开源小仓库，自己给自己设 24 小时，记录每次交给 AI 的任务、发现的问题、放弃了哪些功能（梁非凡在仓库里公开了 24 轮真实 AI 对话记录，可以拿来练"复盘讲解"）；二是"三分钟演示 + 一个技术取舍 + 一个已知限制"的表达训练，二面拷打的就是这三样。练习时直接照成熟流程做对照——读题先确认技术栈和禁改文件、打通最小主链路、每次只做最小修改、用真实执行结果当完成证据：
1~3 年社招跳槽： 第一轮面试先问清技术面形式（手写？带 AI？带回家？），这在 2026 年是完全正当的问题，正规公司不会因为你问而扣分——问不出来反而是风险信号。练的优先级：验证能力（给 AI 产出挑错）> 拆解能力（把宽泛需求变成可验收条目）> 手写速度。
AI 应用 / Agent / 基础设施方向： 面经库存量已经能看出题型迁移：Agent 岗在问"从 zero-shot 到 96% 怎么调出来的"，AI Infra 岗在问 FlashAttention、vLLM、CUDA 优化——这些题 AI 生成不了你的经验，因为考的是你踩过的坑。9 月底一条字节校招 AI 应用开发一面的复盘（269 赞）把追问逻辑写得很清楚：围绕研发侧 Coding Agent 从需求澄清、技术设计、测试闭环一路挖到 Skill 评测、长上下文管理和框架取舍。追问重点不是背概念，而是方案为什么这么做、谁对结果负责、哪些环节必须保留人工兜底。 这句"谁对结果负责"，正是三条路线共同的终点。B 站和小红书上"300 道大模型面试题闯关""AI Infra 面试 25 题"这类内容 9 月底到 10 月集中冒出来，收藏量普遍过百，就是这条线在升温的证据。抖音
设计 / 非科班靠 AI Coding 转码的： 小红书设计岗那篇被刷复盘值得读：35 分钟面试、11 个问题里 AI Coding 作品集只占一题，面试官的排序是"交互基本功 > 设计审美 > AI 提效能力"。 作品集是门票不是答案，AI 帮你做出的页面，要能讲清为什么这么做。小红书
四、先避三个坑
别买"AI 面试押题课"。 判断真假面经看一个特征：真实面经有具体环节、轮次、被刷细节（“这里主播直接卡住了”）；带货面经的末尾永远挂着"资料包百分百免费领"。秋招季这类内容集中出现，B 站视频简介里的"点击领取 AI 大模型资料和金牌导师帮你规划路线"就是典型信号——资料可以白嫖，付费前请三思。
别把单篇面经当公司标准。 同一批面试，梁非凡 3/3 都有 AI Coding 环节，Barajas 五六家一家都没问 AI 使用；国内蚂蚁上了 AI Coding 笔试，也有工程师（知乎"42号寄存器"）因为合规和成本原因坚持工作项目 AI 代码含量为零。差异是真实的：路线按公司文化、合规要求分叉，没有统一版本，多源对照比背一家面经可靠。知乎
别指望"会用工具"本身构成优势。 从 8888 那篇到高赞设计岗复盘，口径一致：工具熟练度已经不构成筛选力，能拉开差距的是控制、验证和讲解。把"我很熟 Cursor/CodeX 的操作界面"当卖点，大概率会被二面第一个问题问穿。
五、接下来盯这几个信号
GitHub 上那份"面试允许用 AI 的公司清单"的收录速度，以及国内有没有公司跟进公开类似口径；
各家秋招笔试是否从"禁 AI"转向"发环境"——蚂蚁那条评论区 313 条的讨论，很快会变成其他大厂的标配，留意 10~11 月新批面经里的笔试环节描述；
腾讯云 FDE 工程师认证这类"岗位标准化"动作——认证出现，说明市场开始给新角色定价，面试题库会跟着成型；
手写路线的变体：是否出现"先允许你写，再合上电脑让你讲"的折中面——如果有，它对"讲不清自己代码"的 vibe coding 一代才是真正的大考。
面试形式的分叉，说到底不是公司在纠结要不要 AI，而是在重新定价一个东西：代码写得快不值钱了，能为一堆 AI 产物签字的人，价格一直在涨。刷题、练工具、堆作品集之前，先确认你要过的是哪道门——这大概是 2026 秋招和三年前最大的不同：选择公司时，面试形式本身已经成了需要调研的"岗位信息"。
