有哪些公司在面试时考察AICoding？

这个部门是做 AI Coding 的，应该属于对 Agent 理解最深的那帮人之一，整体氛围感觉挺好的。跟大家分享两个有意义的开放性问题。第一个问题：AI Coding 在你开发里占比多少？还有什么代码是手写的？我直接说接近 100%，老实说真的很少古法编程了。复杂方案设计这块，我脑子里先有一个 idea，然后和 AI 讨论方案优劣，反复 debate 之后收敛。AI 能很快枚举出我自己没想到的边界情况，最后出来的方案比我自己想的更成熟。功能实现就更不用说了，需求描述清楚之后交给 AI，我偶尔给点技术选型的建议，但从不古法编程。Bug 排查也是，我提供上下文，比如日志、报错、复现路径，有时候甚至上下文都让 AI 自己去获取，然后它来定位和修复，顺便帮我验证。面试官说他们做 AI Coding，首先要求的就是候选人积极拥抱它——如果其他朋友也面这个部门的话可以注意一下。然后话锋一转，来了第二个问题。第二个问题：不担心编码能力退化吗？不怕失业吗？我说我一点都不担心。第一，不写不代表不懂。核心逻辑我一定会 review，比如架构合不合理，这些判断力不会因为不亲手写就退化。第二，技术本身就一直在往更高抽象走。我一直在想，从汇编到 C 到 Python，开发者离底层越来越远；开车从手动挡到自动挡，也没人觉得这是能力退化。AI Coding 本质还是代码的又一次高层抽象。第三，与其焦虑不如行动。AI 减少岗位是必然的，但我选择做最早适应的那批人——不是盲目乐观，而是至少比抗拒的人多一些缓冲时间。整体感受：这个 leader 问的基本都是这种开放式问题，聊的过程中感觉氛围挺好，对 AI 的接受度也很高。想做 AI Native 产品的同学可以冲。面试的时候如果问到是否还古法编程，得注意一下回答方式了。

应公司要求，最近我们部门部分岗位的面试开始正式考察AI Coding能力。面了十几场之后，发现了一些大家普遍存在的问题。很多同学被问到“有没有用过AI Coding工具”时，回答就停在“用过”两个字上。再追问“那你觉得它和Copilot有什么区别”“你在实际项目中遇到过什么问题”，就开始含糊了。还有不少同学把AI当成一个高级搜索引擎——问一句，拿一段代码，粘上去跑通就完事了，完全没有“协作”和“工程化”的意识。同学还不清楚面试官到底想考察什么。如果把时间拉回到2025年的暑期和秋招，这类问题当时还只出现在少数比较前沿的公司和团队里。但到了今年，它已经明显铺开了。原因其实也不复杂，因为很多公司都...

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

美团二面大概率要寄了，写了一个ai coding，搭了一个fastapi，环境都没装好更别提运行了。提示词更是一坨...到底要考这个干嘛，真是服了

今年觉得笔试面试都多了ai coding，写了几个想法。希望和牛友们一起交流。

一、什么是AICoding考察？不是写复杂代码！美团会给出一个贴近真实生活/学习场景的小命题，你可以借助AI工具，用自然语言快速做出一个功能、页面或产品Demo。没有技术背景也能上手。二、哪些岗位会收到AICoding考察？【转正实习】产品经理【转正实习生】AI产品经理此外，部分校招岗位也可能在面试前或面试中设置AICoding题目，牛友们记得及时留意邮件通知。三、出题形式（3种）伴随笔试一起发面试官邀约面试时出题面试过程中实时出题具体形式以实际收到的邮件为准~四、AICoding和笔试的关系？二者不互相替代。你必须先有笔试成绩，才能进入后续面试环节。AICoding作品是额外加分项。五、时间限制与迭代机制统一出题：48小时内提交作品链接提交后仍可在NoCode或其他平台继续优化，重新部署更新即可其余出题形式以邮件或面试官要求为准六、面试官会看到作品吗？会！你的AICoding作品会呈现给面试官，并可能在面试环节中讨论：设计思路作答细节未来的迭代方向七、考察核心是什么？（重点）目标不是找会写代码的产品经理，而是通过AICoding考察你的产品思维。评分维度：✅需求理解✅产品设计✅审美品味✅迭代意识三大评分标准：创新性实用性完整性好作品≠只是能运行更要有：清晰思路+贴合场景的设计+细节感八、搭建流程小技巧推荐分步走：先确定页面布局再跑通本地交互再接入数据库最后优化细节+一键部署九、推荐工具任意AICoding工具（自然语言生成代码/页面）或使用美团自研的零代码AI编程工具：NoCode

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。

春招技术岗笔试、面试正在进入AI Coding时代——不再只考LeetCode算法，而是直接考察AI工具使用、大模型编程、机器学习工程实现、AI辅助开发能力。蚂蚁集团率先把AI Coding定为算法/研发岗笔试必考题，直接刷掉大批只会纯算法、不懂AI工程的同学。不止蚂蚁，字节、腾讯、百度、华为、美团、拼多多、快手、微软、OpenAI、智谱AI等大厂/AI公司，2026春招已全面加入AI Coding考察。今天一次性讲透：哪些公司考、考什么、蚂蚁难度有多高、怎么准备、简历怎么加分，帮你避开雷区、一次上岸。一、蚂蚁AI Coding笔试：为什么大家都说难？2026春招蚂蚁算法岗笔试3题必含1道AI Coding，研发岗也高频出现。考生普遍反馈：比传统LeetCode难2倍，完全没准备就会直接空白。蚂蚁AI Coding典型题型（2026真题）1. ML工程实现题用numpy/pandas/sklearn实现单层GraphSAGE、KMeans聚类、PCA降维、逻辑回归流水线，必须写出可运行代码，不能只讲原理。坑：参数、数据格式、fit/transform顺序、稀疏矩阵处理，一步错全错。2. 大模型调用题用Qwen/GLM API实现代码生成、自动Debug、文本分类、语义匹配，处理prompt、异常、流式输出、上下文管理。3. AI+算法综合题大数运算+AI特征工程、字符串处理+嵌入表示、贪心/动态规划+模型预测结合。为什么难？- 纯算法选手完全不适应：会DP不会sklearn，会数学不会工程。- 时间极紧：3题90分钟，AI题要写完整Pipeline，容易来不及。- 只能Python：C++/Java没用，必须熟ML库。- 细节决定一切：少个reshape、错个axis直接0分。很多同学笔试挂在AI Coding，不是能力不行，是没练过、没准备、简历没AI项目。二、2026春招：全面考察AI Coding的公司清单（必收藏）1）互联网大厂（必看）- 蚂蚁集团 / 阿里巴巴：算法岗必考AI Coding；研发/测试岗高频；Qwen大模型相关岗深度考察。- 字节跳动：抖音/飞书/火山引擎，一面/二面手写AI辅助代码、模型推理、Trae IDE使用。- 百度：文心快码（Comate）、ERNIE开发岗，考AI代码生成、插件开发、私有化部署。- 腾讯：微信/AI Lab，考PyTorch/TensorRT推理、LLM微调、AI工程化。- 华为：码道CodeArts、盘古大模型，考AI编程、模型压缩、昇腾适配。- 美团/拼多多/快手：推荐/广告/风控岗，笔试+面试必考ML Coding、特征工程。2）AI大模型公司（重点）- 智谱AI：GLM-5、CodeGLM，全流程AI Coding、多模态编程、Agent开发。- 科大讯飞：星火iFlyCode，语音交互编程、代码智能体、行业AI应用 。- 月之暗面（Kimi）：长上下文代码、长文档分析、AI调试。- 九章云极（Alaya Code）：AI编程平台，考全链路AI开发、多模型切换。- OpenAI / 微软：GPT、Claude、GitHub Copilot，考AI辅助开发、Agent、代码生成 。3）金融/云服务/垂直AI- 恒生电子、同花顺：量化、金融AI，考AI策略、数据处理。- 阿里云、火山方舟：AI Coding Plan、模型服务，考平台使用、API工程。- 金山办公、新炬网络：低代码+AI、运维AI编程。一句话总结：2026春招，技术岗不考AI Coding的公司已经很少了。三、AI Coding到底考察什么能力？（不是考你背模型）1. AI工具熟练度：Copilot/Cursor/文心快码/Alaya Code使用、提示词、Debug。2. ML工程能力：numpy/pandas/sklearn/PyTorch熟练、数据Pipeline、模型训练/评估/部署。3. 大模型应用：API调用、prompt、上下文、流式输出、错误处理。4. AI+业务结合：推荐/搜索/NLP/风控场景下AI代码落地。5. 工程规范：可运行、可维护、注释、测试、性能。本质：从“会算法”升级到“会用AI做开发”。四、春招AI Coding怎么准备？（30天速成路线）1. 刷蚂蚁/字节真题重点练：GraphSAGE、聚类、PCA、逻辑回归、XGBoost、LLM API。2. 死磕3件套numpy（矩阵）、pandas（特征）、sklearn（模型），每天1小时练完整Pipeline。3. AI工具必须用起来日常写代码用Cursor、文心快码、Alaya Code，习惯AI辅助开发。4. 简历必须加AI项目这是最关键一步：没有AI项目，面试直接弱一档。五、品牌露出：AI Coding时代，简历才是底气很多同学笔试面试挂在AI Coding，根本原因是：简历看起来就不像是做AI开发的。HR/面试官看到你简历只有传统项目，直接默认你AI能力弱，笔试往难了出。春招赢家都在做一件事：用AI工具把简历升级成“AI Coding向”。身边大量同学用泡泡小程序AiCV简历王重构简历：- 把普通项目→AI辅助开发项目- 把打杂→AI特征工程、模型推理、代码生成- 把流水账→可量化AI成果：效率提升、准确率、性能优化简历一更新，面试率明显上升、AI Coding提问更友好、薪资议价更有底气。AI时代，简历就是你的AI能力名片。不会包装AI经历，笔试再努力也容易被刷。六、写给正在春招的你2026春招已经不是“算法刷题大战”，而是AI Coding能力大战。蚂蚁难、字节严、百度卷，但机会也更偏向会AI、懂工程、有准备的人。你不需要成为大模型专家，但必须：- 会用AI工具写代码- 会用ML库实现简单模型- 会调LLM API做应用- 简历上有AI相关项目别再只刷LeetCode了——AI Coding正在淘汰纯算法选手。从今天起，练AI工程、更要把简历改成AI向。最后一句话：春招很苦，但AI是放大器。会用AI、会展示AI，你就能比别人快一步上岸。

淘天搜推团队的AI应用算法工程师实习岗，整整115分钟，是我面试以来时间最长的一场。整体分为五个环节：① 自我介绍（面试官也同步介绍了搜推团队的业务）② 大模型基础知识问答（30分钟）③ 项目深挖（40分钟）④ AI Coding笔试（30分钟）⑤ 反问环节（10分钟）技术问答和项目深挖尤其硬核，面试官会顺着你说的方向一直往下追问。提问：大模型基础：- Attention的QKV怎么计算，WQ/WK/WV的形状- MOE的路由机制，稀疏vs稠密的区别- KV Cache在prefill和decoding阶段的读写差异- 大模型幻觉怎么规避- 微调后出现复读机，怎么排查- SFT够用 vs 必须上DPO/RL，怎么判断- DPO损失函数的潜在问题- KL散度在模型对齐里的作用还问到了Google的TurboQuant KV Cache，这块我确实不太了解，如实说了🫠深挖了项目，简历上的两个项目都被追问得很细。建议：简历上写的每一个点都可能被问到底层逻辑，提前想清楚“为什么这么做”。AI Coding笔试第一次遇到这种形式——不是自己闷头写代码，而是和AI协作完成一道设计题。面试官说“过程比结果更重要”，让我松了一口气。我的做法是：先让AI输出整体技术方案，确认思路后，再开多个会话并行处理各模块。笔试环境有点卡，但稳住心态、把思路讲清楚就好。整体感受：115分钟对我来说确实是新纪录，中途压力不小。但面试官整体很专业，不刁难，追问都是顺着你的思路往下挖。发个面经攒攒人品，希望能过🙏

面试时长半小时，没有手撕代码环节，大部分时间在深挖项目经历，穿插少量八股文问题。1. AI coding / 工具使用有没有用过 Cursor 或其他 AI coding 工具不同 AI coding 工具之间的设计差异你怎么看多 task 执行这种设计是否合理AI 生成代码的主要问题是什么2. 项目深挖 - 系统设计系统里的缓存（比如 Redis）一般怎么使用如果要支持高并发，你会怎么设计服务一般是怎么部署的你怎么理解“可扩展”3. AI 项目（RAG 方向）效果提升是怎么评估的，有没有 baseline 对比技术选型是怎么考虑的怎么判断效果好不好，有没有遇到过 bad case4. Agent / AI 系统理解对 MCP 和 tool calling 有没有了解skills 为什么能减少 token 消耗5. 实习经历为什么既做产品又做技术这段经历最大的收获是什么6. AI 行业认知有没有了解过 AI coding 类的产品7. 项目难点讲一个你遇到的技术难点有没有用 AI 工具解决过实际问题

我投的测开岗AI Coding的形式是随机的，我收到的是一个数据分析场景的任务，目标很明确，直接喂给AI稍微调一下就能搞定。但我看也有同学说遇到的是让做一个系统的那种任务——我面试前几分钟打开视频链接，里面显示了两个任务，一个是我做过的数据分析，另一个就是用NoCode设计做一个系统。当时离面试就几分钟了，我也是一脸懵，索性就没管那个。面试的时候，我的面试官全程没问AI Coding相关的内容。不过这个我不敢打包票，毕竟每个面试官风格不一样，岗位可能也有区别。总之大家不用太担心这个考察环节，祝一切顺利～

是主包跟 AI 对话的水平太差了吗？Nocode 怎么能做到——反反复复修改一个页面跳转的逻辑，永远都不成功？而且每 update 一遍细节，还会对本来已经完好的功能产生新的干扰。但你要是用定向编辑吧，场景又很有限……别管了，主包决定交上去一坨……给还没做的牛友分享一些tips：1.不要一次性在对话框里喂太多功能需求一定一点一点喂，效果更好。2.记得创建 database否则后续很多逻辑和同步性容易出错。3.自动优化提示词这个功能还是好用的但记得自己再检查一遍，确认它没有扭曲你的意思，或者添油加醋太多。祝大家都找工作顺利

研发/后端岗位对于普通开发岗，面试官主要考察你如何利用 AI 提效，以及是否具备“驾驭 AI”的能力。“你日常使用什么 AI 编程工具（Cursor/Copilot/通义灵码）？请举例说明你是如何用它们提升效率的？”“在使用 AI 生成代码后，你如何进行 Code Review？如何保证 AI 没有引入安全漏洞或幻觉 Bug？”场景题：现场出题：可能会要求你在10分钟内利用 AI 实现一个具体功能（如“实现一个淘宝首页”或“设计一个短链接系统”），重点看你的 Prompt 迭代过程和最终代码的可用性。调试能力：给一段报错的复杂代码，看你是否能利用 AI 快速定位根因，而不是盲目试错。算法/大模型岗位如果你面试的是算法岗，AI Coding 的门槛会非常高，不仅要会用，还要懂底层。底层原理与手写：手写算子：虽然允许用 AI，但可能会让你手写 Transformer 的核心模块（如 Self-Attention）、RoPE 旋转位置编码或 FlashAttention 的简化版。框架理解： “Megatron-LM 是如何实现 Tensor Parallel 的？”、“ZeRO 优化器的三个阶段分别解决了什么问题？”业务场景落地：电商场景： “在电商导购场景中，如何利用 RAG（检索增强生成）解决大模型幻觉问题？”、“如何设计一个支持海量用户实时聊天的系统？”数据处理： “如果让你用 AI 清洗 TB 级的电商评论数据，你会设计怎样的 Pipeline？”

面试链接里也没提前说，面试官一上来就问我本地能不能跑 AI Coding。我本地配好了 Claude Code，用 CC Switch 管理的 API。但用面试官提供的 API Key 和 Base URL，死活就是连不上模型。有没有大佬成功连上过？或者知道 CC Switch 上到底该怎么配？据说阿里现在都是要求 AI Coding 的，慌得一批。

有个ai飞行员试炼，直接硬控我两个小时

去年鼠鼠还有幸拿到了WXG的技术架构团队的面试，一上来就是一小时的coding时间，然后coding给了5道题，最后一道题就是允许你使用AI进行完成，也是一道比较综合的场景设计题，需要考虑多个边界条件，如果没有给够prompt，AI给出的基本上都无法实现对应功能，需要自己挖掘并补充，在整道题完成后，面试官还会对着你的AI coding部分进行提问。后面想估计是因为想考察你对AI的依赖程度，很大多数人就能跑就行的用AI，AI写了啥都不知道。

在牛客一直刷了好多帖子我发现现在大公司对aicoding都是有要求的基本有一定规格的公司都在要求ai 如果考虑进大厂 拿高薪 那你肯定要拥抱时代不要放弃了

题目是实现一个带 TUI 的命令行视频剪辑工具。核心要求有三点：能应对真实输入，稳定运行不崩交互流程清晰，用户知道下一步该干什么输出结果可验证、可复现，不能随缘素材放在 video_res/ 目录下。需要注意：里面的视频格式不统一，有不同容器（MP4、MOV 等）和编码格式（H.264、H.265 等），甚至可能混了异常文件。所以工具必须考虑兼容性，不能假设所有素材都是标准 MP4。必做功能要求1. TUI 交互（核心）需要实现四个基本操作：浏览素材列表（能看到有哪些视频可用）设置切分区间（比如只保留 00:30 到 01:20 这一段）调整片段顺序（多个片段可以重新排序后再合成）执行导出 + 展示结果（导出完告诉用户成功了还是失败了）2. 剪辑与合成单个视频能切分（取其中一段）多个视频能拼接到一起（比如 A 的前半段 + B 的后半段）输出常见的可播放格式（MP4 最稳妥）3. 错误处理用户输入非法（比如时间输成负数、选了不存在的文件）必须明确提示禁止静默失败——出了错就要让用户知道，不能偷偷崩掉约束条件：所有交互提示要面向普通用户，别直接抛底层报错（比如 "FFmpeg returned code -2" 这种）。用户看不懂，等于没提示。必做验收方式需要自己设计验证方案，至少覆盖四点：基础功能对不对（切分、拼接能不能正常工作）正常输入能跑通（给标准素材，按标准操作走一遍）异常输入要能扛住（给损坏的视频、不存在的文件、乱输参数）连续执行要稳定（跑一次没问题，连续跑十次会不会崩）交付物清单源码 + 启动命令（比如 ./run.sh 或者 python main.py）使用说明（关键操作怎么用、参数什么意思）示例输入与输出结果（别人照着做能复现）验证证明（场景描述、执行命令、结果摘要）已知限制与优化方向（坦诚交代哪里没做好、后续怎么改进）加分项如果必做做完了还有时间，可以考虑：时间线/片段预览能力：不只是一个列表，能让用户看到片段顺序、时长、大概位置任务队列与取消机制：导出可能需要时间，用户可以排队多个任务，也能中途取消可配置导出参数：码率、分辨率、帧率这些用户可以自己调，而不是写死在代码里一点思路分享拿到题目后，建议先别急着写代码。用模型帮你把必做功能拆成最小的 MVP 模块，比如：先实现素材目录扫描和列表展示再实现单个视频切分导出然后实现多视频拼接最后把 TUI 交互串起来加分项最后再做，而且尽量不破坏基础功能的代码结构。验收的时候，建议按题目要求的四点（正确性、兼容性、鲁棒性、稳定性）逐个跑一遍，截图或录屏留证，最后整理到验证证明里。另外注意素材目录里可能有异常文件，你的工具遇到这种情况不能崩，至少要提示“该文件无法处理”然后继续让用户操作其他素材。

大部分互联网大厂都会考察AICoding，比如蚂蚁，字节，腾讯。考察能力如下Prompt 工程：能不能精准描述需求、纠错、引导 AI代码审查能力：快速判断 AI 代码对错、漏洞、复杂度、可读性问题拆解：把大需求拆成 AI 可解决的小任务调试与优化：AI 跑不通时，你能不能定位、修正、提升性能系统思维：整体设计、模块划分、数据流向、边界处理表达：讲清思路、权衡、为什么这么选