阿里云一面直接ai coding

美团会考察AI Coding。在今天参加美团笔试的过程中，收集了信息，是否愿意考察AI Coding的。备考建议：从 “被动用 AI” 到 “主动控 AI”选 1-2 个主流工具深耕：优先 Cursor、Claude Code（处理复杂项目能力强）或国产的 Trae（免费且中文友好），用它们完成完整小项目（比如 RAG 知识库、简单 Agent 工具）。积累实战经验：至少独立完成 1 个 AI 相关小项目，能说清需求、实现过程和结果，应对 “描述你开发的 AI 功能” 这类问题。针对性刷题：除了 LeetCode，额外练习 AI 组件手写题，适配大厂新增考点。AI Coding 不是让 AI 替你写代码，而是考察你能否让 AI 成为高效助手。现在越来越多公司加入考察队列，提前掌握这种协作能力，才能在面试中更有竞争力。

面试官人超好，最后主动给我讲了面试反馈建议，全程没有问八股，都是问的技术选型/ai发展等等，收获巨大，早点上次的阿里国际也去面面了（被我睡过头鸽掉了）秋招一定再冲一下阿里简单做一下自我介绍。为什么要做 RAG 知识库这个项目？项目技术选型为什么选用 MySQL、Redis、Kafka 这些组件？除了 ES 做向量检索，还了解其他实现方案吗？做 RAG 链路，社区有没有其他现成 / 流行的方案，有没有做过调研？项目中比较有挑战的地方是什么？数据清洗、日期提取这个问题是怎么发现的？为什么不自己部署一个模型，而是用 DeepSeek API？会结合实时检索内容发给大模型吗？是模型自身检索还是 age...

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。

1. 提问艺术 (Prompt Engineering)指定角色：“你是一位资深 Java 后端工程师”。明确任务：“编写/重构/解释/优化” + 具体功能描述。设定约束：“不使用第三方库”、“遵循 PEP8 规范”、“添加详细注释”。要求输出：“只输出代码”、“先解释思路再给代码”、“用 Markdown 格式”。2. 上下文管理 (Context)提供报错：直接粘贴完整的 Error Log 或 Stack Trace。相关代码：只粘贴与问题相关的函数/类，避免过长（注意 Token 限制）。数据结构：明确输入/输出的 JSON 结构或数据库 Schema。技术栈：说明版本（如 React...