刷LeetCode的时代要过去了？大厂面试正在转向

最近，谷歌一项关于软件工程师面试的调整引发了广泛讨论。

按照新的试验方案，应聘者可以在面试过程中使用Gemini，考核内容也开始有所调整。

除了从零开始编写一道算法题，谷歌还希望应聘者能够理解他人编写的代码、找出错误，并评估AI给出的解决方案是否合理。

有网友兴奋地表示：「AI终于让LeetCode面试成为过去式了。」

编写代码之外，谷歌还要考察你如何阅读代码

对于许多准备进入大型科技公司的程序员而言，LeetCode应该是一个再熟悉不过的名字。

刷算法题、研究时间复杂度、在规定时间内写出正确代码，这些几乎成了技术面试的必备环节。

而谷歌正在尝试另一种评估方式。

据Business Insider 5月7日的报道，在谷歌的试验新环节——代码理解（Code Comprehension）中，应聘者需要对一份现有代码进行阅读、调试和优化。

AI也可以参与其中。谷歌发言人确认，试验中提供给应聘者的工具就是Gemini。

既然可以直接询问AI，面试官又该如何判断应聘者的水平？

谷歌给出的答案是「AI熟练度」（AI fluency）。

面试官会关注应聘者如何设计提示词、验证AI的输出结果，以及调试代码。应聘者需要有能力判断AI给出的建议是否合理，并对最终结果负责。

这意味着，即使Gemini很快发现了一个bug，应聘者也必须核实修复方案是否可行，以及这次修改是否会引发其他问题。

当然，目前这还只是一项有限范围的改革。

相关安排面向今年下半年，主要涉及美国部分团队的初级和中级软件工程师岗位。谷歌云、平台与设备部门等组织参与了试验安排，未来是否推广取决于实际效果。

谷歌招聘副总裁Brian Ong表示，调整面试流程是为了更准确地反映工程师在AI时代的实际工作方式。

除了代码理解环节，谷歌也计划在部分面试中加入对应聘者过往项目的技术设计讨论，让初级应聘者处理更开放的工程问题。

目前可以确认的是，考核范围正在扩大。除了能否从零写出代码，企业开始考察应聘者能否处理一份已经存在、甚至由AI生成的代码。

Karpathy：手写代码能力开始退化，但读代码是另一回事

谷歌为何要调整面试？看看谷歌自己的工程团队正在发生什么，就不难理解。

今年4月，谷歌CEO Sundar Pichai透露，公司75%的新增代码已经由AI生成，再由工程师审核。去年秋季，这个比例还是50%。

短短半年左右，AI在软件开发中的参与程度就有了显著提升。

对于个人开发者来说，类似的变化发生得更快。

今年1月，Andrej Karpathy在X上分享了自己使用Claude Code的经历。

他发现，自己的编程习惯仅用了几周就发生了近乎颠倒的变化。

2025年11月，他大约80%的编程工作仍然由自己手动完成，或者借助代码自动补全；到了12月，约80%的工作已经交给Agent，自己只负责剩下的修改和完善。

Karpathy感叹，这是他近20年编程生涯中，工作方式发生过的最大变化之一。

如今，他的大量编程工作已经变成使用自然语言向AI描述需求。

这种变化甚至带来了一点意想不到的影响：Karpathy发现，自己手动编写代码的能力开始逐渐退化。

不过，他特别区分了两种能力：

「生成（写代码）与辨别（读代码），是大脑中不同的能力。」

编写代码往往要求程序员记住许多具体语法和实现细节，而审查代码更依赖理解已有逻辑、判断实现是否合理。因此，一个人即使开始不擅长从头写代码，仍然可能读懂代码、发现问题。

但AI的代码也越来越难检查。

Karpathy在帖子中提到，编程模型如今犯下的错误，已经不再主要是简单的语法问题。

相反，它们可能在理解需求时做出错误假设，然后顺着这个假设继续完成整套实现。有时，模型会写出上千行复杂代码，而工程师指出更简洁的实现方式后，它又能迅速将代码缩减到百行左右。

这些错误看起来更像经验不足的开发者在匆忙工作中犯下的疏漏。

因此，尽管Karpathy已经很难想象自己重新回到主要依靠手写代码的开发方式，他仍然认为，需要密切关注AI写出的内容。

这就是谷歌面试的新思路。

如果AI可以在几分钟内完成大量编码工作，那么工程师的任务也会越来越多地转向理解代码、验证实现，以及在AI出错时进行干预。

代码生成越来越容易，代码审查的能力也因此变得更加重要。

谷歌不是第一家，有人甚至故意让AI写错

实际上，谷歌已经算不上最早尝试这种面试方法的公司。

去年6月，设计平台Canva就在官方工程博客中宣布，后端、机器学习和前端工程师应聘者在技术面试中将被要求使用AI编程工具。

对于前后端岗位，Canva甚至用AI辅助编程取代了基础面试环节，此前这个环节以算法和数据结构为主。

原因很直接：旧题在今天已经没那么有效了。

Canva曾经用AI测试自己的传统面试题，发现模型往往只需要几秒钟，就能生成正确且带有说明的解答，甚至无须进一步提示。

于是，Canva决定把题目变得更复杂一些。

例如，以前可能要求应聘者编写「康威生命游戏」，现在则可能让他们设计繁忙机场的飞机起降控制系统。

这种开放式问题需要应聘者自行梳理需求、确定方案、协调不同功能之间的关系。AI可以完成其中的编码任务，但很难仅凭一句简单指令，就处理好所有设计与工程细节。

Canva还分享了试验中的观察。

表现出色的应聘者往往会主动厘清需求，把复杂任务拆分成更明确的部分，再有针对性地调用AI。他们会检查生成结果，并在发现问题后调整方案。

一些有编程能力但缺少AI使用经验的应聘者，反而可能在引导AI、判断建议是否合适时遇到困难。

Meta也在开始采用类似方式。

2025年7月，媒体披露Meta正在开发允许使用AI的编码面试。随后，Meta官方公开介绍了这一试验，并鼓励参与的应聘者使用经过批准的AI工具。

Meta特意强调，在这样的面试中使用AI，已经不算作弊，因为这本来就是工程师实际工作中会使用的工具。

而到了今年10月，招聘技术平台Codility发布了新的面试功能，允许面试官在应聘者使用的AI编程工具中加入隐藏指令。

比如，让AI故意写出存在bug的代码，或者采用不够合理的编程方式。

应聘者不会看到这些指令。面试官则能够观察应聘者的处理方式，他们究竟会认真检查生成结果，还是直接复制粘贴、照单全收。

平台还支持在不同考核任务中控制AI的使用权限，让企业既能评估应聘者与AI协作的表现，也能检查其独立解决问题的能力。

过去，为了防止应聘者通过AI获得答案，面试官可能需要想办法识别AI的使用痕迹。现在，AI反而可以直接进入考场，甚至成为面试官用来检验应聘者的工具。

以前，一道编程题可能从「请实现这个算法」开始。

未来，面试官可能直接把一份AI代码交给你，再问：「这段代码已经能运行了，你觉得它有什么问题？」

而手边的AI工具，未必能帮你答对这道题。

就像有的网友调侃：「要求应聘者使用Gemini完成任务，本身就是一个很好的面试题」。