SUN 后续面试笔试还会考算法题吗？
先说我的判断：27 届秋招里，Vibe Coding 大概率会开始进入一部分公司的笔试和面试。但今年算法题还不能丢，比较现实的情况是算法题和 Vibe Coding 一起考。至于明年会不会有公司率先砍掉传统算法题，只保留 AI Coding，我觉得有可能，但现在还别赌。
一、Vibe Coding 面试到底在考什么？
这类面试表面上是“现场让 AI 写代码”，面试官实际看的是你能不能把需求问清楚、把代码管住、把结果验出来。Cursor、Claude Code 用哪个都行，功能能跑起来也只是第一步。
我把常见考察点归成 6 个。准备时可以拿它们逐项检查：
- 需求理解：能不能先澄清目标、边界、角色和验收标准，而不是拿到题目就开写。
- 任务拆解：能不能把大需求拆成 AI 可以独立完成、你也能逐步验收的小任务。
- 上下文组织：能不能把技术栈、接口约束、目录结构、数据模型和非功能要求说清楚。
- 过程控制：能不能限制 AI 的修改范围，避免它顺手重构、重复造轮子或改变原有行为。
- 验证能力：能不能通过 Code Review、测试、日志和运行结果证明功能真的可用。
- 工程判断：能不能识别安全、性能、成本、合规和可维护性风险，并知道什么时候必须由人接管。
二、Vibe Coding 面试怎么准备？
2.1 先练熟一套固定工作流
- 先问清楚：确认用户、目标、输入输出、边界、非功能要求和验收标准。
- 再做拆解：把需求拆成小任务，优先处理数据模型、接口契约和关键业务规则。
- 分步交给 AI：每次只让 AI 完成一个明确任务，并限制文件范围和禁止修改项。
- 每步都验收：查看差异、运行测试、检查日志，不要等全部代码生成后再统一排错。
- 最后能复盘：说明 AI 帮你节省了什么、它犯了什么错、你如何发现并修正。
2.2 至少准备两个真实项目案例
一个案例讲 AI 帮你提高效率，另一个案例讲 AI 出错后你是怎么接管的。每个案例都可以按下面 5 个问题准备：
- 任务背景：当时要解决什么问题？
- AI 分工：哪些工作交给 AI，哪些由你完成？
- 关键约束：你给了 AI 哪些上下文和限制？
- 错误与修正：AI 出现了什么问题，你怎么定位？
- 最终结果：如何测试、验收，并确认可以交付？
2.3 练习时重点补齐这 4 类能力
- 代码基础：看得懂 AI 生成的代码，能独立定位常见错误。
- 测试能力：会设计正常、异常、边界、并发、性能和安全场景。
- 系统设计：知道状态机、幂等、缓存、限流、权限和数据一致性怎么落地。
- 表达能力：能把“为什么这么拆、为什么这样验收”讲清楚。
相关笔记
- AI Coding面试问答 — 高频问题与回答框架
- AI Coding面试实战题 — 完整练习案例
- Harness Engineering 实践启示
- AI辅助编程 MOC