去年一个秋天的深夜，我当时出于好奇的想法，尝试用GPT去理解一道hard的 LeetCode 题，结果 GPT 在不到 20 秒内就给出了完整解法——包括边界条件处理和时间复杂度分析。我看了一眼代码，逻辑清晰，甚至比我自己写的还要优雅。 感觉在 AI 看来，它们跟 Hello World 没什么区别。
我 2014 年研究生毕业后，出于各种原因，不停跳槽，一路到现在的 Meta。每一次跳槽，LeetCode 都是绕不过去的一关。我估计这十年下来，光在 LeetCode 上花的时间加起来得有上千小时。这些时间值不值？过去我会毫不犹豫地说值。但现在，这个答案没那么简单了。
正在发生的事
2025 年底，Meta 开始在面试流程中试点一种全新的 AI-enabled coding round。候选人在 CoderPad 环境中，右侧面板直接嵌入了 AI 助手。面试题不再是两道独立的算法题，而是给你一个多文件的小型代码库，让你在上面做扩展、修 bug、加功能。
这个变化背后的逻辑很直白：既然工程师日常工作中已经离不开 AI，面试为什么还要假装 AI 不存在？
一个经历过这种面试的候选人这样描述：”最难的不是写代码，而是在跟 AI 交互的同时，还要跟面试官保持沟通，解释你为什么接受或者拒绝 AI 给的建议。”
与此同时，Google 在 2025 年重新引入了线下面试，部分原因就是远程面试中 AI 作弊太严重。Canva 则走了另一条路——直接鼓励候选人在面试中使用 AI 工具，考察的是你如何驾驭 AI 而不是你能不能脱离 AI。
行业的共识正在分裂：有人觉得算法面试该死了，有人觉得算法思维反而更重要了。
一个尴尬的现实：AI 作弊工具已经产业化
如果你关注过这个领域的地下市场，会发现事情比想象中魔幻得多。
Interview Coder、LeetCode Wizard、Interview Solver——这些工具的名字一个比一个直白。它们宣称自己对屏幕共享不可见，可以实时截取面试题目并生成答案，有的甚至号称通过率超过 90%。一个哥伦比亚大学的学生做了个 AI 面试作弊工具，自称拿到了 Amazon、Meta、TikTok 的 offer，这个工具月收入已经达到 17 万美元。
这不是小打小闹，这是一条完整的灰色产业链。
这条产业链的存在，本身就说明了一个问题：当一个筛选机制可以被工具系统性地绕过时，这个机制的有效性就值得怀疑了。 这就好比你用防盗门防贼，结果小偷可以从窗户爬进来。门本身没有错，但只靠门显然不够。
算法面试到底在考什么？
回头想想，LeetCode 式面试在过去二十年能统治行业，不是没有原因的。
在面试场景下，算法题有几个天然优势。它可以在 45 分钟内给出一个相对标准化的评估结果。它对面试官的要求不高——不需要深入了解候选人的背景就能出题和评分。它提供了一个看似公平的竞技场：大家做同样的题，用同样的标准评判。
但问题出在”看似”两个字上。
我在 Google 做了两年多，在 Meta 做了快两年。回顾我的日常工作，真正需要从零手写一个图遍历算法的场景，坦白说一次都没有。我的时间花在什么地方呢？读别人的代码，理解一个几万行的代码库的设计意图，在已有的系统上做增量修改，跟产品经理和其他团队讨论技术方案的取舍，在系统出故障时快速定位问题。
这些能力，传统的 LeetCode 面试几乎都测不到。
有人会说，算法题考的不是算法本身，是思维能力。这话有道理，但只有一半的道理。背了 200 道 LeetCode 能体现的思维能力，和在一个陌生代码库里快速理清依赖关系所需要的思维能力，并不是同一种东西。前者更接近模式匹配，后者更接近系统思维。而在 AI 时代，模式匹配恰好是 AI 最擅长的事情。
面试会怎么变？
基于我看到的趋势和自己在 Meta 的近距离观察，我觉得未来两三年，技术面试会往几个方向演进。
第一，AI 辅助面试会成为主流。 Meta 的试点只是开始。当一家 FAANG 公司带了头，其他公司通常会跟上。2026 年很可能是 AI-enabled coding interview 大规模铺开的一年。面试不再禁止 AI，而是把 AI 作为面试环境的一部分，考察你怎么用它。
第二，题目形态会从”解谜”变成”工程”。 与其给你一道抽象的图论题，不如给你一个小型项目，让你读代码、改代码、加功能、修 bug。这更接近真实工作场景，也更难被 AI 单独搞定——因为 AI 不知道业务上下文，不知道哪些改动会影响其他模块，不知道这个系统的设计者当初为什么做了某个妥协。
第三，沟通和判断力的权重会上升。 面试官会更关注你怎么跟 AI 交互：你是直接把 AI 的输出复制粘贴，还是先 review 再选择性采纳？你能不能向面试官解释 AI 给的方案的利弊？你能不能在 AI 犯错时快速识别并纠正？这些软技能在传统面试中几乎不被考察，但在新模式下会变成关键的评判维度。
第四，线下面试可能会回归。 为了防作弊，Google 已经在试点。这不是倒退，而是在新技术条件下找平衡。面对面的交流仍然是最难被”外挂”干扰的形式。
但有一件事大概不会变：算法和数据结构的基础知识不会消失。 Meta 的 AI-enabled 面试看起来很新，但它的评估维度里，问题解决能力和代码开发理解力仍然排在最前面。你不需要背 500 道 LeetCode，但你需要看到一个问题时，能判断这是 BFS 还是动态规划，能评估 AI 给出的方案的时间复杂度，能在 AI 生成的代码里找到那个隐藏的 off-by-one error。
换句话说，你不再需要当一个”算法解题机器”，但你需要当一个”算法裁判”。
程序员该怎么看这个变化？
不要把这个变化当成”不用刷题了”的好消息。 我见过一些人听说 Meta 允许面试中用 AI，就高兴得不行，觉得以后面试只要会 prompt 就够了。这是误解。允许用 AI 不代表降低标准——恰恰相反，因为有了 AI 辅助，面试官对输出的期望值更高了。在传统面试中，45 分钟做出两道 Medium 就算不错。在 AI-enabled 面试中，同样的时间，你被期望完成更大体量的工作。门槛不是降低了，是换了个形状。
也不要恐慌。 “AI 要取代程序员”这种叙事喊了好几年了，到现在为止，真正被取代的不是程序员，而是”只会复制粘贴 Stack Overflow 答案的那种工作方式”。如果你本来就具备扎实的工程能力、良好的沟通习惯、和对系统的深层理解，AI 的普及对你来说是利好——因为你的竞争优势会更加明显。
关键是要想清楚：在 AI 能写代码的世界里，你的不可替代性在哪里？
我的答案是三个方面。
一是判断力。AI 可以给你十种方案，但选哪一种、为什么选这一种，这个决策需要对业务场景、系统约束、团队能力的综合理解，这是 AI 做不了的。
二是系统思维。我在 Meta 做广告投放的 pacing 系统，里面牵扯到预算分配、实时竞价、故障降级、数据管道异常处理等多个子系统的协作。这种端到端的系统设计和权衡能力，不是靠 prompt 就能获得的。
三是沟通和影响力。在大厂里，写代码可能只占你工作的 40%。剩下的 60% 是写设计文档、做技术评审、跨团队协调、向上管理、mentor 新人。这些事情的核心是人与人之间的信任和说服力，跟 AI 没有半毛钱关系。
给还在刷题路上的朋友
如果你现在正在准备面试，我的建议是这样的：
基础仍然要打。 常见的数据结构和算法模式——BFS/DFS、动态规划、滑动窗口、二分查找——这些不需要死记硬背每一道题，但要理解核心思想，能在看到新问题时快速归类。这个基础不仅面试要用，日常工作中评估技术方案也要用。
开始练习”AI 协作式编程”。 找一些开源项目，用 Claude Code 或 GitHub Copilot 帮你读代码、改代码，刻意练习怎么给 AI 写好的 prompt，怎么 review AI 的输出，怎么在 AI 犯错时快速调整方向。这是一种新的技能，跟刷 LeetCode 是互补的，不是替代的。
重视系统设计。 系统设计面试在 AI 时代的重要性只增不减。因为这部分涉及大量的权衡决策和场景分析，AI 给出的方案往往是”正确但笼统”的，面试官要看的是你基于具体约束做出的具体选择。
练习”边做边说”。 不管是传统面试还是 AI-enabled 面试，沟通能力都是通过的关键因素。养成一边写代码一边解释思路的习惯。特别是在使用 AI 辅助时，你需要向面试官说明：为什么我选择让 AI 帮忙做这部分，为什么这部分我要自己写，AI 给的这段代码我做了什么修改、为什么。
写在最后
回到开头那个场景。AI 在 20 秒内解出一道 Hard，这确实说明了传统刷题模式的局限。但你把他放到一个线上事故的 war room 里，让他在 sub-second latency 的约束下修复一个涉及三个微服务的 race condition，AI 帮不了他太多。
面试形式会变，考察工具会变，但底层逻辑不会变：公司需要的是能解决真实问题的人。
过去十年，”解决真实问题”被简化成了”45 分钟内做出两道 Medium”。这个简化在效率上有它的价值，但在 AI 时代越来越撑不住了。接下来的变化不是算法不重要了，而是行业终于开始认真思考：除了算法之外，还有哪些能力同样重要，以及怎么在面试中考察这些能力。
对于程序员来说，这其实是个好消息。因为你不再需要把自己训练成一个做题机器，你可以把更多时间花在真正让你成为一个好工程师的事情上。
至于 LeetCode，它不会消失，但它在面试中的角色会从”主角”变成”配角”。就像高考不会因为计算器的存在而取消数学考试，但如果数学考试还在考手动开平方根，那这个考试确实需要改改了。