LeetCode 退场后，AI 面试先考你怎么读陌生代码库

LeetCode 不考了，AI Coding 面试也没变得轻松。至少从一位候选人的彭博社面试经历看，难度只是换了个位置。

宝玉在推文里提到，现在虽然不用考 LeetCode 了，但要考 AI Coding，并不见得容易，还更玄学。他引用了一位 Reddit 发帖者的彭博社面试经历，地点在伦敦或法兰克福，第二轮是 AI codebase 面试。

发帖者说，考察的是 Python 的 Django 框架，而他对这个框架一无所知，整个代码库又非常庞大。前 30 分钟都在进行行为面试，留给写代码的时间只剩 30 分钟。

更麻烦的是 AI 工具的使用边界很模糊。面试官不会明确说允许用多大程度的 AI，也不会讲清自己的期望。发帖者用了 planning mode 和 ask mode，一个功能接一个功能推进，通过了几个测试用例，最后还是被拒。

他提到一个细节：用 AI 辅助时要阅读大量生成内容，如果同时还要和面试官沟通，几乎不可能完成。以前刷 LeetCode，题目至少是明确的，卡住了还能头脑风暴。现在光是为了搞懂庞大代码库、弄清楚问题出在哪里，就已经耗掉一半时间。

帖子还提醒，别想着靠一句提示词让 AI 一次性秒杀整道题，否则照样会被拒。发帖者的朋友就遇到过这种情况。

评论区里，有人把问题说得很直接：面试官自己都讲不清楚能用多少 AI，那考的到底是写代码，还是猜面试官心思。也有人说，以前刷题背套路，现在得现场看懂一个陌生代码库，难点从算法变成了读代码。

有网友提到“不能一键秒杀”这条潜规则最搞笑。还有人认为，只给 30 分钟写代码，又不划定 AI 使用边界，候选人准备的其实是猜题，评分口径应该由招聘方先写明。

一位网友拿自己让 Codex 采数、剪片的经历举例。他的规矩是只交一页摘要，自己只看结论和未获取的原因。前阵子 Codex 连续几天报未获取，一查是浏览器桥接程序协议 1.7 和扩展 1.8 对不上。能看懂它为什么停，比让它多写代码更难。

另一位网友说，让 Codex 写论文，它自己跑了 11 小时 3 分钟，正文一个字没写。面试只给 30 分钟，这种空转根本来不及发现，更别说还要一边跟面试官说话。所以不是不用刷题了，是验收变得更难了。

也有网友认为，现在代码大部分是 AI 写的，真正的活变成了读懂和验证它写的东西。难点在于边界不清楚：你根本不知道用到哪一步算自己的能力，哪一步会被当成作弊。有人总结得更刻薄：以前考你会不会写代码，现在考你敢不敢不看 AI 写的代码就点通过。

回复里还有一条长评值得单独看。BG-VC 认为，商业级软件的质量不只取决于代码能否运行，还取决于对业务需求、系统边界和长期演进的理解，以及架构、安全、可靠性和可维护性之间的权衡。大模型在这些方面仍有局限。Anthropic 把前端、3D 等视觉效果直观的代码能力推到大众面前，这些演示很有冲击力，却无法充分体现商业软件背后的工程复杂度。编程语言、框架和工程实践构成庞大知识体系，后端架构、设计模式和具体实现需要结合业务场景和约束做判断。Anthropic 和 OpenAI 对 Agent、Skill 的展示，有意无意地让大众以为，调用几个脚本、串联几个工具就是完整的 Agent 开发，从而低估了商业级系统真正的工程量。

这条评论解释了为什么 AI 面试容易走样。企业想考读代码、验证 AI 输出、沟通和判断，这些能力在真实工作里确实重要。但把候选人扔进一个陌生的大代码库，只给 30 分钟，还要同时做行为面试，样本太窄。工具边界和评分口径不写清楚，候选人只能猜。

评论区也有人觉得这是好事。网友 Shinda 说，自己从小刷题刷到大，中国的考试本来就是批量生产标准件，题目明确，答案唯一，不许你多想。AI 面试让人慌，恰恰是因为真实工作本来就没有标准答案。能读懂一大坨代码，还能边干边跟人沟通，这才是真本事。刷题机器的时代结束，是好事。

这个说法有道理。只是从彭博社这场面试看，AI 面试目前还没解决一个基本问题：它到底在考编程能力、工具使用能力，还是面试官心里的那套隐形规则。

原帖链接：Reddit 讨论

推文链接：宝玉的推文