我们曾协助撰写《攻克编程面试》的续篇。免费阅读其中9章 →interviewing.io

AI如何重塑技术面试：变革的广度与深度

距我们发布《ChatGPT如何在技术面试中作弊？》一文已一年半。当时，我们的实验结果表明：若公司采用原封不动或稍作改动的LeetCode题目，作弊轻而易举；唯有完全定制化的题目才能有效抵御作弊。因此，我们预言技术面试必将转型，公司将转向投入更多资源创建定制化题目。尽管如此，我们坚信，即便内容和形式演变，算法面试的核心地位短期内难以动摇。

如今，我们已观察到显著的行业动向。技术面试正受到媒体的广泛关注，其中不乏哗众取宠的报道，暗示Meta、Anthropic等公司已允许AI参与面试。许多工程师们期盼以此为信号，预示着算法面试将走向终结。然而，事实果真如此吗？面试流程还将迎来哪些转变？我们是否会重回线下面试？题目难度会否攀升？作弊行为究竟多普遍，公司又将如何应对？若候选人可在面试中使用AI，未来的面试形式将如何发展？FAANG及相关企业与初创公司在此方面又存在何种差异？

为探明这些问题，我们对来自FAANG及相关公司的面试官以及部分负责公司内部面试的用户进行了问卷调查。受访者主要来自FAANG企业，亦有部分来自Stripe、Uber等FAANG相关公司。此外，我们还采访了CoderPad首席执行官Amanda Richardson和Codility产品副总裁Ilya Tilis，以了解客户如何将AI融入面试与评估流程。

调研结果显示，FAANG公司，尤其是Meta，正经历部分变革；然而，FAANG相关公司则变化甚微。部分FAANG相关面试官的反馈如下：

• “我们公司进展缓慢，尽管作弊事件频发，问题不断。”
• “说实话，我公司面试官层面变化不大。我确实会密切关注候选人是否有作弊嫌疑，但仅此而已。”

这略显意外，因为FAANG相关公司通常规模较小，理论上应比FAANG更灵活。然而，FAANG企业历来主导着技术面试的范式，其他公司则普遍效仿。上世纪90年代是微软，如今则可能是Meta（稍后将阐述Meta为何可能引领技术面试中AI的采用）。正如一位受访面试官所言：“我相信Meta在面试中探索允许使用AI所建立的先例，将被所有大型科技公司采纳。”

那么，FAANG公司究竟发生了哪些变化？

• 算法题目仍是主流，至少目前如此。
• 作弊行为（或其感知）确实存在。
• 尽管算法题目未被淘汰，但许多公司已调整题目内容，面试官也在改变提问方式。
• FAANG公司最大的流程变动是作弊检测软件的应用（但并非所有FAANG都使用）。
• Meta将于下季度在其现场面试中引入AI辅助面试环节，但它将作为现场面试的一部分，而非取代算法电话面试。
• 是否会回归线下面试尚不明朗。

值得注意的是，初创公司则呈现出截然不同的图景，它们正积极地将AI融入面试题目与流程。我将在文章末尾详细探讨初创公司的策略。

尽管FAANG+公司尚未出现大规模变革，但现有变化令人鼓舞。多年前，我在Twitch遇到的一位面试官曾说出一句我最欣赏的面试格言：“面试官的职责在于探寻他与候选人能否‘共同智慧’。”这便是成功面试的真谛。这些变革有望使行业回归正轨，避免候选人不断背诵LeetCode题目、公司不断提高门槛并期望候选人快速复述答案的“军备竞赛”。现在，让我们深入细节！

调研方法

我们向面试官库及部分用户发送了调查问卷，共收到67份回复，主要来自FAANG及FAANG相关公司，也包含少量初创企业。问卷聚焦于AI兴起后，受访者所在公司的面试流程与题目变化、作弊现象的普遍性以及对未来面试流程的预期。我们特别提醒受访者，仅基于其第一手经验作答，而非道听途说或媒体报道。

算法题目：短期内仍将是核心

首先，揭晓重大发现。在52位来自FAANG的受访者中，零人表示其公司已弃用算法题目。然而，超过半数受访者认为，在2-5年内，算法面试的重要性将不及今日。尽管如此，约20%的受访者坚信算法面试将永远存在。

作弊现象普遍，部分企业正引入检测工具

约三分之一的FAANG面试官表示曾亲手抓到作弊者，而81%的面试官怀疑候选人利用AI作弊。那么，公司是否正通过投资作弊检测工具来应对？是的。事实上，当被问及AI是否显著改变了公司面试流程时，FAANG面试官提及的唯一流程变化便是作弊检测工具的采用。然而，这仍不普遍——总体而言，仅11%的FAANG面试官表示其公司目前使用作弊检测软件。其中绝大多数（除一位来自微软的受访者外）均来自Meta。Meta似乎正全力投入作弊检测。一位Meta面试官表示：

“作弊预防目前在Meta备受关注。我们现在必须在几乎所有面试类型/级别中标记是否怀疑候选人作弊（此前仅限于编程面试），并提供理由。我们还要求候选人在大多数面试中共享整个屏幕并关闭所有背景滤镜（包括模糊）。”

我还与CoderPad首席执行官Amanda Richardson进行了交流，以获取更多关于作弊检测与预防的信息。CoderPad在技术面试工具领域处于领先地位，其客户包括Meta、部分微软团队以及众多FAANG相关公司。Amanda证实，CoderPad已为所有客户默认启用作弊检测（即监控复制粘贴、切换浏览器标签页等可疑活动）。

尽管如此，我们调查的FAANG相关工程师中，无人表示使用作弊预防工具。一位甚至表示：“我们公司进展缓慢，尽管作弊事件频发，问题不断。”

这种脱节可能源于面试官对检测机制不甚了解，或选择性禁用。然而，更可能的原因是，对于所有团队而言，正式政策的全面推行尚需时日，尤其是在“混乱指数”较高的公司。虽然我们预计作弊检测将在未来数月内更为普及，但目前FAANG+公司主要通过调整题目内容和提问方式来应对作弊。

面试问题：深度调整与难度提升

尽管算法题目未被淘汰，但58%的FAANG面试官表示已调整了算法问题的类型。以下是面试官们对变化的描述：

• Meta：“我将AI使用视为与背诵LeetCode题目类似的行为——我在面试中寻找的能力并非背诵热门题目，因此，对热门题目稍作变型是识别此类行为的有效方法。更多开放式问题旨在探究思维，而非应用已知模式。[题目描述]更长，[设置]更复杂。”
• 微软：“我们选择要求候选人流畅解释概念的编程问题，以及LLM解决方案常包含‘破绽’的更复杂编程问题。LeetCode题目的变体。或者仅仅测试他们如何利用类结构扩展现有逻辑，而非重写整个逻辑。更侧重系统级理解、更复杂的实际实现问题，[精选]以触发LLM过于具体/罕见且错误的响应。”
• 亚马逊：“我制作问题的变体，以试图迷惑潜在的AI使用者（也为了规避背诵题目的人）。减少从LeetCode复制粘贴，更多基于相同概念的思考。我选择的题目绝不会直接来自LeetCode。”
• 谷歌：“无LeetCode风格问题，取而代之的是包含多个子部分的问题，[这些问题]更侧重解决问题而非编程本身。采用AI工具未曾训练过的不同术语和抽象层。可能需要2种以上数据结构/算法技术。专注于不轻易与单一答案挂钩的更抽象概念。包含多种解决方案的问题。”
• Roblox：“由于大多数[LeetCode]问题都能立即获得答案，我们确保题目无法被标准聊天机器人解决。”

在我们看来，任何能推动行业摆脱强制候选人背诵题目的举措，都是积极的。当然，公司并非仅仅出于“正确”的理由改进面试流程，而是迫于现实需求，而作弊行为正是推动变革的催化剂。遗憾的是，许多公司仍依赖于在LeetCode题目上稍作改动。在我们一年半前的作弊研究中，我们发现微小改动不足以阻止作弊——在原版LeetCode题目和轻微修改版LeetCode题目中作弊的候选人，其面试结果并无显著差异。若要题目真正防作弊，公司必须投入精力创建定制化题目。我们将在文章末尾的附录中探讨具体方法。

此时，您可能会疑问，面试问题是否也变得更难了？答案似乎是“并非如此”。仅有21%的FAANG面试官承认故意提高题目难度。然而，即便问题本身并非刻意变难，我们的数据显示，过去几年中，成功面试的标准确实有所提升。

面试官提问方式的转变

调研中我们发现的一个更为微妙的变化，并非关乎所问题目，而是约三分之一的FAANG+面试官提问方式的改变。用他们自己的话来说：

• Meta：“我观察候选人解决问题的方法模式。AI有特定的模式，若解决方案看起来更像是AI生成的，我会进一步探究候选人。评估候选人时，我不仅看他们能否给出正确答案，更看他们是否真正理解。我更关注‘为什么’而非‘如何’。同时，我会尝试提出不同参数/约束的追问，以快速评估适应性。”
• 微软：“我会问更多关于他们在问题中使用的基本数据结构的深入后续问题，以测试他们是真正了解该数据结构，还是仅仅知道它在问题中的用法。更细致的[后续]问题，例如‘这行代码是做什么的’/‘如果我们移除这行代码，这个函数会发生什么’，以及更多‘刁钻’的问题，例如‘你能用不同的方式实现吗？’”
• 亚马逊：“对主题/内容的更深入理解。不仅仅是知识[的掌握]。更侧重于通过探究来评估理解和问题扩展能力。”
• Netflix：“提问更多澄清性问题。有时我会在5分钟后以不同方式重复问之前的问题，以观察答案是否一致。”
• Atlassian：“我认为关键不在于问什么问题，而在于如何提出后续问题或引导候选人解释他们的思路/代码。”
• DoorDash：“更快速的问题。不会将完整问题直接粘贴给候选人。”

与问题内容的调整一样，这些面试官行为的转变是积极且值得欢迎的信号。它们普遍指向更深入的面试官参与、更具探究性的问题以及与面试者更紧密的协作。

Meta新型AI辅助面试：替代抑或补充？

在文章开头，我提到Meta很可能成为定义AI辅助面试模式的领导者。如前所述，Meta似乎是唯一一家全力投入作弊检测的FAANG公司。据我们所知，Meta也是唯一一家积极试验AI辅助面试的FAANG企业。部分面试官提及Meta正在测试AI辅助面试，这也正是WIRED早前报道的主题。那么，这种新型AI辅助面试会取代算法面试，还是作为补充？您需要了解以下几点：

• 目前，这种新型AI辅助面试正在Meta进行测试。计划于本季度/下季度面向部分候选人推广。
• 它不会取代算法电话面试。相反，它将作为现场面试的一部分，可能会取代当前面试循环中的一个环节。

一位Meta面试官表示：“Meta正在积极测试这些，并计划在第三季度推出，所以时间不远了。这并非暗示AI辅助面试将在本季度末前适用于所有职位/候选人，但它们将开始面向真实候选人推出…… 像Meta的大多数事情一样，这很可能会采取‘小范围启动，快速迭代’的形式。我认为这很可能意味着…… 在现场面试阶段针对一部分候选人进行测试，然后根据结果/反馈再看下一步如何发展。”

Codility的Ilya表示：“根据我们与技术领导者的对话，大多数人将AI技能视为面试流程中的额外环节，而非在每个阶段都进行替代。”

正如一些面试官所说：

• 微软：“AI正笼罩在面试之上，但尚未产生实质性影响。”
• 谷歌：“AI‘摧毁LeetCode’的说法被夸大了。”

根据Meta实验的结果，我们预计其他FAANG+公司将效仿，但部分公司可能需要更长时间。目前，我们并未发现任何证据表明AI辅助面试将取代算法面试。

线下面试：回归在望？

50%的FAANG面试官预测FAANG公司将很快回归线下面试，而FAANG相关面试官中仅有29%持此观点。然而，即使是同一FAANG公司的面试官，对于是否回归线下也常意见不一。事实上，尽管55%的Meta受访面试官认为Meta将很快回归线下，但一位面试官表示：“我们再次尝试了[Meta的]现场面试，结果彻底失败。我们不太可能回归线下。”

同样，尽管半数亚马逊面试官认为线下面试将很快回归，但少数人明确提到亚马逊尚未尝试：“我预计面试会回归线下，但亚马逊尚未表现出任何迹象。亚马逊尚未在内部解决[线下面试]问题，但我们需要尽快处理。”

下表展示了各FAANG公司中预期线下面试将回归的面试官比例：

公司	预期线下回归的面试官比例
亚马逊	50%
苹果	100%
谷歌	67%
Meta	55%
微软	78%
Netflix	50%

从这些引述和数据来看，我预计，除了苹果，尽管桑达尔·皮查伊可能在播客中提及，FAANG公司尚未有自上而下的指导意见。而在FAANG相关公司，我敢打赌，短期内回归线下可能不在计划之内。

初创公司：AI面试的先锋

尽管我们的调查主要针对FAANG面试官，但我们确实收到了一些初创公司工程师的回复，它们讲述了一个截然不同的故事。67%的初创公司受访者表示，AI已显著改变了他们公司的面试流程，而FAANG和FAANG相关公司这一比例为0%。这些变化包括：

• 取消算法题目。
• 在现场面试循环中增加AI辅助面试。
• 取消家庭作业（这有道理，因为家庭作业在初创公司中比FAANG更常见）。
• 将电话面试改为AI辅助。
  
  CoderPad的Amanda表示：“我们正在见证算法家庭作业的迅速消亡。那已成为过去。但我认为我们看到的是，人们正在用更项目制的家庭作业来取代它。”

展望未来：AI面试的下一步

CoderPad和Codility均表示，AI辅助面试仍处于早期阶段，但它正在发生，并且越来越多公司对此有需求。据CoderPad的Amanda称，约20-30%的客户正积极在面试流程中使用AI，“候选人使用AI理解代码库…… 从中调试，并以许多人设想的未来编码方式实际进行编码。”CoderPad客户已进行了超过35,000次AI辅助面试。Codility的Ilya表示：“我们集成AI助手的用户量在过去几个季度里明显加速增长…… 这直接内置于我们的VS Code环境中，并具备开发者日常工具所期望的功能。”

AI辅助面试是否降低门槛？

我们在调查中提出的一个问题是：您是否认为编程面试中的AI辅助能让原本无法通过的较弱候选人成功通过面试？75%的人回答“是”。鉴于Meta可能采用AI面试的消息引发的反应，许多候选人也相信能够使用AI会给他们带来优势。

然而，在您做出过多假设之前，请回想您的第一次开卷考试。您可能最初感到兴奋和解脱。但如果您的经历与我相似，当您真正看到考卷并意识到没有任何东西，尤其是开卷，能拯救您时，那种解脱感便会被纯粹的恐惧取代。几个月前，当我就公司是否应允许候选人在面试中使用AI接受《商业内幕》采访时，我使用了开卷考试与闭卷考试的类比，这个类比也成为了文章标题。这个比喻很贴切，因为开卷考试的本质不同，它不再要求您复述记忆的知识。它要求您综合已理解的信息，并用它来解决困难的新颖问题。开卷考试不会降低门槛。它评估的是不同的东西…… 甚至可以说，是更难的东西。

CoderPad的Amanda表示：“AI问题涉及1000-2000行的代码库，你必须在短时间内添加一个功能。开卷考试更能代表实际工作，但这使得面试更难，没有AI几乎不可能完成。”

Codility的Ilya表示：“想象一下，面试任务不仅仅是解决一个小型、孤立的问题。相反，候选人被置于一个庞大、不熟悉的代码库中，并被要求使用集成的AI工具完成一个实际任务。这可能是实现一个新功能、解决一系列安全漏洞，或者重构服务使其更易维护。”

因此，对于那些过早庆祝这种新型面试的人，我将引用Amanda的一句精彩总结：“AI面试是一种‘补充’而非替代。我想不出有哪个团队会说‘我们不需要知道你是否会写代码’。这仍然很重要。”

结语

那么，这一切将我们引向何方？在文章开头，我曾想，我是否有权说“我早就说了！”这一次，与我们预测招聘何时复苏不同，我认为我们这次说对了。算法面试不会消失，但AI驱动的作弊已成为推动面试问题和面试机制改进的强大动力。未来，我预计AI辅助面试将成为每个面试循环的一部分，但它不会是全部，就像闭卷考试和开卷考试各有其功能一样。

那么，这一切对面试官素质意味着什么？毕竟，技术面试声名狼藉的主要原因并非题目，而是面试官。我希望可以说，对候选人深入互动、探究理解、提出追问的新关注，将迫使公司更密切地关注面试官培训和激励——毕竟，如果你希望工程师成为更好的面试官，你就必须奖励这种行为，而不是将面试视为代码提交之间的中断。但是，在这个行业摸爬滚打了十五年后，我不确定公司是否会进行这项投资，至少在另一个未来的强制因素使其不可避免之前不会。但愿有朝一日，那种心不在焉的面试官（开着另一个标签页，只等着面试者复述完美答案）的刻板印象将成为历史。

感谢Mike Mroczka在起草本次调研中的帮助。同时感谢Amanda Richardson、Natalia Panowicz和Ilya Tilis提供了关于公司如何使用AI进行面试的宝贵信息。最后，感谢所有参与调研并提供详细而深刻评论的人。尽管我确信本文发布时所有内容均准确无误，但行业格局瞬息万变。如果您阅读本文后发现任何不准确或过时之处，请随时通过邮箱[email protected]与我联系。

附录：如何设计高效且防作弊的定制问题：

• 避免仅仅改变现有问题的“皮肤”：
  • 仅仅改变LeetCode问题的措辞或背景是远远不够的。
  • 看起来定制的问题仍可能与现有题目完全相同。
  • 您需要独特的输入和输出以防止AI识别。
• 建立团队问题日志：
  • 创建一个共享文档，团队成员记录他们解决的有趣问题。
  • 包含任何问题，无论大小。
  • 无需担心细节；只需捕捉核心概念。
  • 这些将成为反映您公司实际工作的面试问题的种子。
• 将实际问题提炼为面试形式：
  • 剔除不必要的复杂性与准备时间。
  • 专注于核心的解决问题能力。
  • 确保候选人能快速理解问题。
  • 移除会引起混淆的公司特定背景信息。
• 预期迭代：
  • 您自创问题的初版不会是完美的。
  • 在使用前在内部测试问题。
  • 根据其区分候选人的效果进行优化。
  • 投入的努力将带来对实际解决问题能力的更准确评估。
• 勿惧于保留数据结构与算法（DS&A）成分：
  • 我们并非主张将数据结构与算法从技术面试中移除。它们是评估候选人潜力的强大工具，无需他们了解可能快速变化的特定语言或框架。DS&A问题因糟糕、不投入的面试官和公司懒惰地重复利用LeetCode题目（其中许多质量不佳）而声名狼藉。在优秀的面试官手中，这些问题既强大又实用。如果采用上述方法，您将能够提出具有实际基础和组件的全新数据结构与算法问题，这些问题将吸引候选人，并让他们对您正在做的工作感到兴奋。

---