说实话，现在“AI Coding”这玩意儿，已经开始从“加分项”变成“默认技能”了，有些公司的笔试确实已经不只是难，而是换赛道在考你了。先说你提的这个蚂蚁的情况——蚂蚁这类大厂现在的AI Coding题，一般不太会考你“纯手写算法”，而是更偏向：给你一个需求，让你用AI工具（比如Copilot、ChatGPT）辅助完成代码看你怎么提问（prompt能力）看你能不能判断AI代码对不对、能不能改bug有时候还会让你解释AI生成代码的逻辑简单讲一句话：不是考你会不会写，而是考你“会不会用AI把代码搞对”而且难点在这几个地方：AI生成的代码80%是对的，但20%很坑你如果不会debug，就会被坑死prompt写不好，AI直接带你跑偏所以很多人会觉得：“我算法还行，但这题怎么做得这么别扭？”其实不是你菜，是考点变了。那哪些公司在考 AI Coding？现在可以大致分三类：第一梯队：已经“明显在考”的这些公司已经把AI Coding当正式能力在看了：蚂蚁字节（尤其是飞书、AI相关部门）腾讯（部分部门开始试点）百度（尤其偏AI方向岗位）他们的特点是：题目里会明确让你用AI工具或者考察“你如何和AI协作”第二梯队：开始“隐性考察”的这些公司不一定明说，但已经在暗搓搓考你了：阿里其他BU美团京东快手表现形式一般是：给你一个复杂需求，时间很紧实际上就是默认你要用AI，不然写不完看你代码风格像不像AI写的（没错，他们看得出来）面试会问：“你平时怎么用AI提升开发效率？”第三梯队：还在传统，但迟早会变一些中厂、传统互联网公司外企部分岗位目前还在考：算法手写代码基础知识但趋势已经很明显了：未来1–2年基本都会跟进你现在该怎么准备（这个很关键）别再只刷算法了（当然算法还得刷），你要补这三块：Prompt能力（真的很重要）比如你要学会：怎么把需求讲清楚怎么限制AI输出格式怎么让AI一步一步推理Debug AI代码重点来了：AI最坑的不是不会写，是：写得“看起来对，其实错”你要能：快速看出逻辑漏洞用测试用例卡它改它，而不是重写“解释代码”的能力很多笔试/面试会问：“这段代码是怎么实现的？”如果你是AI生成的但你解释不出来，直接挂

🐜ai infra一面1、面试官人真好啊，自我介绍完我就说我的项目偏业务，看jd上的模型训练、模型推理我都没搞过。他说没事，数据库啊啥的都会涉及到。后面果然一句infra的都没问，哈哈白看了一个周末的infra理论了。2、然后拷问第二个项目。2.1 你这个LangGraph路由是如何设计的，为什么要用它?本质是个状态机，定义了xx状态，实现思路（全局状态、node定义、workflow串起来节点）2.2 源数据是什么？如何做的预处理？论文pdf，向量那一路用的固定长度token+overlap，语义切分那一路按段落切的（回车）2.3 评估是怎么做的？怎么判断切的好不好？其实我没做Recall@k这些，于是扯我做了证据溯源2.4 你用GraphRAG了吗，怎么样，有什么优缺点？用了，优点就是对特定专业领域，比如需要检索一些关键词的隐含关系的场景（科研）上效果好，（面试官补充：源数据准确），缺点就是离线阶段有点耗时，比如二三十篇论文的话差不多二十来分钟，单卡跑的话。（面试官说那已经很快了）3、拷问第一个项目。3.1 为什么做这样一个项目，出发点是什么？我看你部署到vercel了，怎么样？vercel没跑通（尴尬，面试官怎么知道我传到vercel了）3.2 web端还是移动端？以一个用户的角度，进去后可以干嘛？3.3 你这个姿态分析是怎么做的？视频是放在minio里，然后是怎么处理的？我一开始说我调了MediaPipe pose的库做姿态识别，识别到人体关机的三十多个点，然后点点相连成为向量，用cos做相似度分析，最后打分，调llm做个总评。面试官一直在追问这里，说视频具体是如何分析的，有没有什么难点。我有点没听懂，他说他的出发点是觉得调库+向量相似 会有些简陋。唉能不简陋吗，我就开始扯我遇到了两个视频如何对齐的问题，目前的解决方式是设置了个滑杆用户手动调节这个偏差，后期的话可以考虑用音乐来实现。3.4 redis缓存了什么数据？是什么类型的？key和val分别是什么？列表内部的数据究竟是什么？有没有涉及到序列化啥的？唉这块是真尴尬，我只从功能上说了我缓存了用户自己的视频列表和姿态分析的结果。等下快去补补好嘛好的。3.5 如果一个用户上传了个非常大的视频会怎么样，比如几G？我说我做了限流，只可以上传小于500MB的，然后也限制了一个用户一分钟只能执行两次ai分析。他就追问说，如果我现在这个视频就是很大又必须要上传呢？我就说那可以设置个会员功能，付费才能上传大视频。哈哈哈哈面试官笑了一下3.6 MQ为什么用RabbitMQ？我就说RabbitMQ简单，可以满足可靠性。追问可靠性是如何实现的？发送端生产者开启确认机制，存储端设置队列持久化、消息持久化，消费端任务完成之后再ack，还设置了死信队列用来兜底。追问消息进入死信队列会被如何处理？答不上这个。只回答了什么时候会触发死信队列。4、ai 相关。你这个aicoding笔试，我看你问了个“云原生架构是什么”，“会被aicoding取代吗”，真想找个角钻了，原来面试官还能看到我当时的prompt啊，然后他就问我会不会被取代。你是如何看待ai coding的发展的？如何提升aicoding的能力？唉当时顺不好口条，面试官又让我总结了一下我想说啥。5、开放题假如有一个业务需要你用agent实现，如何设计? 需要考虑什么？我问什么场景，他说假设现在有个很厉害的agent来做姿态分析，而不是传统后端这一套了，如何达到生产级别？我说我实在是不懂多模态，如果是文本信息的话，生产级别肯定需要考虑多个用户同时访问的并发压力，比如看有没有一些请求能够合并，或者看这些请求有没有通用/复用的地方，设置个缓存来提高响应速度。面试官问还有啥嘛?then，我大脑空白了几秒钟。憋出来个，或许还可以预训练个模型，搞个舞蹈学习的垂直模型？还有啥需要考虑的，想不出来了。6、反问反问了业务，面试官说了一大串，完全没听懂。反问了agent在业务中如何体现。反问了那您觉得aicoding会取代程序员嘛哈哈哈哈总共50来min，无手撕，好煎熬好漫长的50min。

26号有事顺延到今天来做了进去就看到一个类似于vscode编辑器，然后有一个md文档描述要实现的一个项目整体下来的感受就是：手写代码几乎为0，纯纯靠写promopt来实现功能，和我实习的时候一模一样

不得不说，AI Coding 用起来是真的爽。我没遇到 3.29 那批说的输出慢的问题，整体用着很顺畅，感觉他们内部应该是优化过了。这次题目是一个 README.md 文档，让做一个简历筛选和排序的助手。输入是 MD 格式的简历（大概 60 篇）和职位要求，输出是一个 result.json，里面是筛选出来的候选人排序结果。功能上要求实现特征提取器、归一化（要处理同义词问题）、还有评分器。交付的东西包括源码、说明文档、输出结果、测试代码，以及后续可以优化的点。我的做法是让 AI 先给架构和规划，然后一步步实现。大概 30 分钟搞出来一个简单的 MVP，剩下的时间就一直在优化、优化、再优化。整体体验还不错。