10 月 3 日，#AI面试恐怖谷# 冲上热搜，IT之家记录当天的热度值是 186858。被顶上热搜的场面，几乎每个今年投过秋招的人都熟：屏幕里坐着一个数字人面试官，从头到尾对你微笑；五分钟自我介绍的时间一到，没人追问、没人打断，屏幕自己跳到下一环节——性格测评、职业能力测评、岗位专业题，按顺序刷新。合肥一所高校今年刚毕业的郑俊平在中央广播电视总台中国之声 10 月 9 日的报道里形容：真人面试官会点个头、顺着你的话追一句，你能感觉到他在听；这个不会。知乎
微博上更直白的吐槽是：“这年头的秋招就是一个巨大的服从性测试，每个岗位都有自己的系统，填简历填半天，测评考得莫名其妙，再来个 AI 面试，然后才轮到简历筛选”。热搜下的反应也很分裂：有人说对着机器反而放得开，说错了不用看脸色；有人说那张假笑脸全程盯着你，越面越发毛。微博微博
但热闹归热闹。把这轮讨论里知乎热榜的三个新问题、中国之声的报道、HR 从业者的复盘、以及 WIRED 转述的 Meta 面试改革放在一起看，会发现今年秋招真正值得关心的不是"恐怖谷"那张脸——而是考场已经裂成了三块：有些地方机器在筛你，有些地方人类在筛"没有 AI 的你"，还有少数地方开始筛"带着 AI 的你"。一场投递要面对至少四种不同的打分逻辑，而大多数求职者的准备时间还全押在刷题上。这就是值得拆开算账的地方。
一、先看盘子：AI 进面试，今年到底铺到了哪一步
招聘系统厂商 Moka 在 9 月引用 IDC 的数据：500 人以上企业中约 38% 已经把 AI 面试放进流程，2023 年这个比例还不到 15%。三年翻两倍半，而且用得多的是基础岗、技能维度能标准化的岗位——但秋招批量初筛恰恰是它的重灾区，现在投一家稍大的公司，第一轮跟你对话的很可能就不是人。知乎
与此同时，另外两个方向也在动：
技术面在收紧。有报道描述的流程是：进技术面，面试官丢一道算法题，明说期间不能用任何 AI 辅助，Copilot、Cursor、ChatGPT 一概不许开，手写一个反转链表，或者实现一个 LRU 缓存。
也有公司在反向放开。据知乎回答里转述的 WIRED 报道（原文发布于一年多前，今年被这轮讨论重新翻出来）：Meta 内部发帖招募"模拟候选人"，正在开发一种允许候选人使用 AI 助手的新编程面试。理由写得很直接：这更接近员工未来真实的工作环境，而且能让基于大模型的作弊没那么有效。知乎
一头把 AI 请出去，一头把 AI 递到手边——看着矛盾，其实不矛盾。这得从雇主侧另一场正在刷屏的讨论说起。同一天的知乎热榜上还有个问题："为什么越来越多资深开发者，主动限制团队使用 AI 编码？“高赞回答讲得很直白：AI 只对当前需求负责，不对整体系统负责，批量生成之后项目会变成"AI 缝合怪”——一段函数式、一段面向对象、一段硬编码暴力实现、一段过度设计封装。每个功能都能跑，整个系统没法维护；新人用 AI 偷懒，老人替 AI 擦屁股。开源社区也出现过维护者联名反对 AI 生成 PR 的事件（据该回答转述）。知乎
把这条雇主侧的逻辑接到面试上，"手写算法为什么还不淘汰"就有了新答案：企业不是不知道 AI 会写代码，恰恰是因为太知道——它们筛的不是"能不能产出一段正确代码"，而是"招你进来，会不会给团队塞一堆没人收拾得动的 AI 代码"。 AI 把产出代码这一环变便宜了，没有把"讲清楚、担得起、改得动"变便宜。
二、第一关：AI 数字人初筛，它到底在给你打什么分
这是信息差最大的一关，因为绝大多数求职者从头到尾没见过评分标准。中国之声记者梳理的流程是：这类 AI 面试大多是录播、半结构化——企业提前把考察维度、题库和评分要点定好；面试时采集你的音视频和面部信息，做语音转写、语义分析，拿转写出来的文本去比对答题内容；部分产品还会解析语速、面部特征辅助打分，最后输出一份得分报告。知乎
对照这个流程，有三条反常识值得记住：
1. 机器杀的不是内向的人，是"碎片腔"。 某高校就业数字化平台的孙鹏试过半年第三方 AI 面试工具，最后自己停掉了，理由耐人寻味：「求职者表达能力不行，或是回答问题的习惯不太好，但不代表人家做不了技术类工作」。注意他说的不是技术能力被误判，而是"说不清楚"被标低。真正会被转写卡住的，是答案里塞满自己懂的省略、跳步和内部叫法的人——落到文本上变成一串没头没尾的碎片。同一段缓存经历，转写出来可能是两种东西：
「那个……我们当时是用 Redis 做的，然后就是先查缓存，没有就查库，然后回填，大概这样。」
「这个接口的读请求先走 Redis；没命中就回源数据库，把结果写回缓存，过期时间十分钟。缓存击穿那块是我加的互斥锁。」
说的是同一件事。第二段有主谓宾、有条件、有数量，语义分析能对上评分要点；第一段在机器眼里就是一串噪音。内向的人完全可以输出一份干净的答案；外向的人在这种录播里反而少了听众可以带动，全靠说出去的话自己站住。
2. 那张脸基本不是你挂掉的原因，录播形态才是。 换成纯语音、换成在线填表，流程一点都不变——一样是录播、一样的倒计时、一样没人追问。所以练表情这件事没有证据支持，值得练的是"自带收尾"：五分钟倒计时到点就跳，没人给你递话，每个答案都要结论、一句为什么、一个例子，说完就停，别留"等他问我"的钩子。
3. 过了不代表什么，挂了也别当判决书。 报道里两位招聘方给了同一个口径：这一轮是第一轮筛选、批量初筛。做过甲方 20 年招聘负责人的 HR 从业者 DanielZou 在知乎拆得更细：AI 擅长的是标准化初筛（一千份简历真人筛三天，AI 十分钟）、有标准答案的题（编程、逻辑、听力，判分比人准）、在性别年龄长相上做"盲评"；它测不了动机、韧性、文化匹配和临场应变。他还举了两个翻车方向：一个候选人因为太想要这个 offer、语速快了一倍，被 AI 判成"表达不清晰、逻辑混乱"直接刷掉，真人面试捞回来才发现是好苗子；另一个语速快、用词积极、表情管理满分，AI 给了高分，真人五分钟就看出来答案全是背的，一问细节就露怯。知乎
对求职者的含义：初筛挂了你无法反驳（也没人可反驳），但它只说明你没对上那套转写口径，不说明能力；过了也远不到庆祝，真正定价的技术面在后面。
三、第二关：手写技术面，考官要的是"关掉 AI 之后剩下的你"
手写面试的考题本身二十年没怎么变：反转链表、LRU、TopK。变的是它要回答的问题。知乎那篇把 WIRED、CNN 报道和两篇论文串起来的高赞分析把目标说得很清楚：一场把 AI 关在门外的面试，测的不再完全是工作能力，而是你在有人看着、有约束、有时间压力的情况下，能不能把思路讲清楚。
还有一篇回溯了二十年技术面试、收集 911 份回忆评价的论文，结论比"算法面试无用论"微妙得多：面试考到的知识，大部分在真实软件工程项目里有合理用处——出问题的不在考什么，在怎么考。题目一旦累积到超出岗位本身、被塞进人为条件、拿跟岗位无关的尺子去量，一堆合理的知识点也能拼成一个不合理的过程。论文给的方向是：让面试变成岗位的压缩版，而不是候选人为了拿岗位才去学的平行专业。知乎
另一篇调查了 131 个正在备战技术面的候选人的论文，则指出了备考侧的真问题：技术面本质是"一边写代码一边对着观众讲解"，但候选人很少在接近真实的环境里练习，学校课程也接不上，最后全落在紧张和准备不足上。换句话说，大多数人不是题不会，是"说出来"从来没练过。知乎
所以这一关的练习账应该这么算：一半时间把手写基本功练到不查资料能写出来，另一半时间练"出声写"——对着镜子或录音笔，一边写一边讲清取舍、边界和卡住时你会先想到什么。后半段过去不算考点，现在正在变成考点。
四、第三关：允许用 AI 的面试——"会 Copilot"不再是加分，"会解释 Copilot"才是
Meta 那套 AI 可用面试还在开发中，用"模拟候选人"磨题目——一个靠手写算法筛了二十年的行业，正在用最笨的办法先试新尺子。但不用等它普及，风向已经能从国内的岗位面经里读到。小红书上这两天的秋招内容，信号高度一致：一个发帖的面试官说"面了不少 AI 开发，大模型理论能背不少，一问 Agent 落地架构就乱了，企业现在不看你能背多少概念"。另一边是"大模型面试题""Agent 面试必会题库"这类笔记在密集更新——考的东西正在从语法和八股，转向 RAG 链路、评测维度、架构取舍这类"讲得出为什么"的东西。小红书知乎
这类考点对你现有准备其实是个好消息："用 AI 把一个需求拆开、验证、再讲清楚"恰好就是日常干活的样子——只是大多数人用 AI 时从没想过要把它讲给别人听。准备方法是：挑一个你真用 AI 做过的项目，能白板复述整条链路——prompt 怎么给的、生成的代码你改了哪、怎么验证正确、哪里判断 AI 是错的。讲不出"AI 哪里错了"的那部分，恰恰是面试官确认"你不是只会复制"的部分。
五、时间怎么切：三类人四种分，别把 100% 押在刷题上
这是这篇内容最想给的东西。四个打分器——ATS/机器初筛、AI 数字人面、手写技术面、AI 可用面——各吃一种准备。按你的处境切时间：
2027 届应届、投的是批量初筛严重的厂（大头在这类）：优先级是 ①录播表达，占三成——按录播规矩掐时间自说自话，每个答案自带收尾，说完就停；练完拿模拟面试工具按倒计时走两遍，对着复盘挑废话；②基础题广度，占三成——像"混凝土里的膨化剂在市场上叫什么"这种细切口、有边界答案的题，会就是会不会就是不会，铺开覆盖一层比反复打磨一个项目故事划算得多；③简历关键词对齐 JD，占两成；④剩下的时间才留给手写题。
工作 1-3 年、跳槽面对手写技术面的：练功分对半开——不查资料写出 LRU 的能力，和把方案讲出来的能力，五五开。每个项目准备两版叙事："无 AI 版"讲你亲手处理过的边界和故障，"AI 协作版"讲你让 AI 干活、以及你判断它错在哪。后一版是面试风向变化里最值钱的增量。
转 AI 应用方向/Agent 开发的：别背概念题库（面试官已经明说了不看这个），把时间花在"能讲清一条落地链路"上：RAG 为什么召回不行、Agent 评测维度怎么设计、出问题怎么定位。题库当提纲用，别当答案背。
共同底线：AI 数字人那一关，把它当作一场"格式转换考试"——你在把口头碎片腔转换成机器可读的完整句。转换能力是可以练的，而且练三周就见效，这可能是今年秋招性价比最高的一项投入。
六、接下来盯三个信号
Meta 式"AI 可用"面试会不会公开化。留意头部公司面试邀请邮件的措辞变化——一旦有公司明示"可以带 AI"，手写算法的备考权重就该往下调。
"面部特征辅助打分"会不会被管。这轮热搜里担心采集面部信息的声量和嫌假脸的一样大，中国之声的报道已经问了这个问题；如果出规范，录播面试的打分项结构会变。
雇主侧"AI 代码谁来收拾"的争论会不会传导到笔试。知乎 555 万浏览的相关热题已经在问这个——笔试放开/禁止 AI 的口径，正在变成下一个值得逐厂核对的 JD 细节。
这个用 AI 改造世界的行业，入口这道门正在被 AI 加上两套尺子。但把账算完会发现要准备的从来不是"成为 AI 专家"——机器不会追问、不会背锅、不会把一个烂尾的 AI 缝合怪项目改到能维护。面试考的就是这些它不会的事。你的准备清单上，"说人话"三个字，今年终于排进了正文。
