这周刷知乎、掘金、小红书和B站，会看到两种关于前端的内容同时存在。
一种是焦虑帖。“前端开发是不是完蛋了？”一位7年经验的女前端投了半个月简历没拿到一个面试，这条笔记收获了一千多赞和两千多条评论。小红书还有位前前端负责人拍视频聊“前端为什么这么快消失”。小红书B站上还有更耸动的说法，称“号称国内前端第一的团队解散了”，但目前没有官方证实，当噪音处理就好。
另一种是真实面经。一位接近十年经验的作者面完外企和中厂，发现AI相关内容占比大幅提升，“在我面试的过程中，几乎每家公司都会问到以下问题”。知乎另一位作者半年面了十来家，把字节的提问原样记了下来，考核点集中在性能优化的工程化闭环和AI协作的工程化落地。知乎小红书上还有面试官视角的帖子：“这周面了9个，全挂了。不是因为他们没经验，而是因为——真的太多准备不到位的细节”。小红书
焦虑帖在收获点赞，真正在面试和被面试的人已经在聊一套完全不同的考点。这个温差就是今天想说的：2026年的前端面试到底变成了什么样，哪些该优先准备，哪些可以放心略过。
先说明：下面的内容基于近几天多篇面经和社区讨论的交叉对照，面经样本有限（都是单个作者的经历），部分面经内容本身带推广属性（后面会提）。方向参考足够，别当成全市场统计。
变化一：AI协作从加分项变成必考题
这是跨信源最一致的信号。小红书上总结AI前端岗的笔记直接写：“AI 从加分项变成必选项，面试从‘背八股’转向‘工程化+AI 落地+架构能力’”。小红书知乎热度最高的面经也印证，AI工作流几乎是每家必问。知乎
具体问什么？三种两年前不存在的新题型。
第一种：“给你一段AI生成的代码，找出里面的问题”。面经作者说，这是2026年前端面试中增长最快的题型，考的不再是“你能不能写”，而是“AI写完之后你能不能判断”。知乎原因很简单：AI能写出80%对的代码，但那20%的错误往往最致命，你有没有能力把它们找出来。
这种能力不只是面试在考，已经是一线团队的日常。最近有个值得细看的案例：阿里发布Qwen3.8时提到一个开源仓库，有作者把它clone下来读了一遍，一个月里主分支841次提交，人类只提交13次。知乎把这13次人类提交挨个点开，去掉重复的merge，实际动手的是8次，全部是给AI立规矩的治理类提交，一次业务功能都没有。也就是说，AI写完98.5%的代码后，人类负责的是判断。
第二种：“你平时怎么和AI协作开发”。问的不是你会不会用AI，而是你有没有自己的AI工作流。十年经验的作者把工作流拆成五个阶段——理解项目上下文、明确需求与方案、生成代码、质量保障、复盘改进，面试官会顺着每个阶段往下追问。知乎
第三种：“现场用AI工具写一个功能，我们观察你怎么用”。面经里提到，Meta、Shopify等公司已把编码面试改成“AI-Enabled Coding”，观察维度是Prompt质量、迭代策略、错误判断、边界意识。知乎这一条我暂未独立核实，先当一家之言，但方向本身值得留意。
再补一个背景数字：十年经验的作者提到，约70%的公司会有coding环节，而且“如果你在这一环节耗时太多（超过 20 分钟），你的面试大概率就失败了”。知乎
变化二：八股文没消失，但更新了
不少还在资料里流传的旧知识，现在一开口就会被判定“过时”。
最典型的是Core Web Vitals。2024年3月起，INP（Interaction to Next Paint）已正式取代FID成为核心交互指标，现在的阈值是LCP不超过2.5秒、INP不超过200毫秒、CLS不超过0.1，回答时还只提FID，面试官会立刻判定知识陈旧。知乎这是谷歌的官方标准，不是哪家公司自定的要求。
其次是“你还在写useMemo吗”。React Compiler在2025年10月发布1.0稳定版，编译阶段自动做表达式级别的memoization，手写useMemo、useCallback在很多团队眼里已成反模式，面经里的说法是“增加30-50%的包装代码和维护成本，编译器能自动完成”。知乎面试官通常还会追问：什么时候才需要手写？答案是Profiler证明过的重计算场景——能拿出数据的那种。
这个趋势还在加速。今年6月，Meta把React Compiler用Rust重写，完整移植版合并进主干，整个PR包含330个commits，新增超过12.3万行Rust代码。知乎按文中引述的基准测试，核心转换逻辑快了10倍，Babel插件模式下约3倍，差距来自跨语言数据转换开销。
这次重写里更值得琢磨的是PR描述最后一段话：开发者花大量时间设定架构、测试策略、增量迁移方案，“但大部分代码是 AI 生成的”。知乎架构是人设计的，代码是AI写的，1725个测试用例一个不少地卡着质量线。你看，连“消灭手写优化”的工具本身，也是AI写代码、人做判断的产物。
虚拟列表也不再是背一句“用虚拟列表”就能过的。追问会到定高与不定高的实现、高度缓存、白屏与抖动、分片渲染和Canvas替代方案。字节AI搜索岗还有道真实场景题：AI搜索结果页返回的超长Markdown带公式和代码块，渲染性能怎么优化——面经里说，这类AI场景“天然出现长聊天记录、Markdown、代码块、动态高度、流式更新，传统滚动方案极易卡顿”。知乎
变化三：“给AI做前端”整套成了新考点
想往AI前端、AI应用方向走的，还有一套传统八股不覆盖的考点。
SSE流式是被问得最多的。为什么AI对话场景用SSE而不是WebSocket？为什么很多项目不用原生EventSource？因为它不支持POST、不方便自定义Header和Token鉴权，所以很多项目自己实现SSE协议解析。知乎
粘包半包怎么处理也是高频追问，面经里说这是腾讯、字节、美团特别喜欢问的点。知乎LLM返回的数据不是按完整消息给的，前端要自己维护buffer、切分、拼接残缺chunk再解析；Fetch加ReadableStream怎么实现流式输出、AbortController怎么中途停止生成，都是连带追问。
这里有个被写成复盘的真实坑：某保险公司的智能顾问上线SSE流式输出后，用户投诉机器人说话只说一半。排查下来问题出在网关：Nginx的proxy_read_timeout默认60秒，而长回答生成经常超过60秒，模型还在认真输出，网关认为上游60秒没给完整响应，直接断开连接。知乎这种工程细节，比背概念定义更能让面试官记住你。
RAG是AI项目的默认知识点。面经里的说法是，简历里写了AI工作流、AI平台、Agent、MCP、知识库，基本都会问RAG，向量检索、Chunk切分、召回率、Embedding一路追下去。知乎
MCP是2026年最火的架构考点。错误答案是“MCP是一个协议”，正确答法是讲清它解决什么问题——本质是让大模型安全调用外部工具的协议标准，类似AI时代的RPC，解决了N乘M的集成问题，字节和美团的面试都已考到。知乎
提醒一句：这套考点简历里没写过AI项目经历的，一般不会被深问，别反向硬背。
该先准备什么？按优先级给个清单
P0，一周内过一遍：
把CWV新指标背熟并理解：INP取代FID，各自阈值是多少。这是被判定知识过时最快的一项。
搞懂SSE与流式渲染的原理，至少能讲清为什么选SSE、为什么不用原生EventSource、粘包半包怎么处理。
把自己的AI工作流整理成能分阶段讲的东西：怎么给上下文、怎么拆需求、怎么审查AI代码、怎么做安全检查。从没总结过的，现在就拿两个真实需求跑一遍。
怎么保证AI代码的质量，社区已经有工程化的做法。开源工具code-review-graph把代码库解析成结构化知识图谱，AI审查时只读这次改动“影响半径”内的文件，不用再翻整个项目，公开的实测数据能把Token消耗降到全库扫描的约1/71。知乎
P1，两到四周：
React原理仍是高频硬通货，Fiber架构、Hooks原理、性能优化，外企和中厂都很看重。知乎
把性能优化的回答从“背手段”升级成“闭环”：定指标、找瓶颈、出方案、拿数据。面试官想听的是这条链，不是“压缩图片、开启Gzip”。
准备3到5个项目、覆盖不同维度、用结构化的方式讲出来，面经作者建议用CARL框架（Context、Action、Result、Learning）。
P2，加分项，看目标岗位：
AI前端岗：RAG、MCP与Agent架构、AI生成内容的安全问题（富文本渲染里的XSS要特别注意）。
高性能岗：WASM、WebGPU。面经里给了组对比数据：同样跑7B-4bit模型，纯CPU用WASM约5-8 TPS，WebGPU能到14-22 TPS。知乎
可以略过的：
FID这类旧八股；
“背完通过率超99%”这类标题，那是卖资料的；
背AI题答案。增长最快的题型是现场给AI代码挑错，背不出来，只能真做过。
三种内容，慎用
第一，面经本身也是流量产品。本文引用的两篇面经，文末都带推广（一处挂GitHub资料库，一处留联系方式），样本都是单人经历，“70%的公司”“十来家”这类数字只能当体感参考，不是市场统计。
第二，焦虑帖收获点赞，但不给你可执行的信息。“前端完蛋了”说不出你具体缺哪个考点，面试官倒是会：被挂的原因“真的太多准备不到位的细节”。小红书
第三，“某某团队解散”这类传言没有官方证实，别拿它做职业决策。
最后
这轮面试变化的底层逻辑，一句话就能说完：面试官要的不再是“会写代码的人”，而是“能判断和驾驭AI写的代码的人”。这对中级开发者其实是抬高了门槛——纯执行工作确实更容易被AI做掉，但审查、取舍、工程判断反而更值钱了。那个841次AI提交对13次人类提交的仓库就是最好的注脚：写代码变便宜了，知道该在哪里把关才贵。
秋招面试集中在9、10月，有个信号值得继续盯：等秋招真题流出后，验证“AI代码审查”和“流式处理”是不是真的高频，到时候可以再对一次答案。
如果你最近刚面试或被面试过，遇到过面经里没写的真题，评论区聊聊——真实样本比任何题库都值钱。
