先说一个真实的故事
[
2025 年 11 月，我在 LinkedIn 上看到一位资深前端工程师的长 post，标题是「被 Meta 拒了，但我才意识到问题出在哪里」。
他的经历是这样的：
- 有 7 年经验，过去三次 FAANG 面试都通过
- 这次面 Meta E5，拿到 onsite
- Recruiter 提前告诉他，第二轮编程会让他使用 AI 助手
- 他当时想："AI 辅助？那更简单了。"
- 结果：被拒。
重点是他拿到的 debrief 理由 —— "候选人表现出过度依赖 AI，缺乏对生成代码的理解"。
他在 post 里说：「我按照过去面试的方法做题 —— 快速粘贴 AI 生成的代码、跑通测试、然后继续。我以为这就是 AI 辅助面试的玩法。但面试官看到的是一个 candidate 在用 LLM 骗面试官。这跟我想象的完全不一样。」
这不是个例
[
翻遍 LeetCode、Blind、Reddit 的候选人反馈，类似的故事反复出现：
- "Claude Sonnet 在练习时表现完美，在真实面试里连 Bug 都诊断不出来。"
- "我以为 60 分钟 1 道题很简单，结果差点没做完阶段 2。"
- "面试官全程静音，我不知道该说什么，就一直粘贴 AI 回复。"
- "到了阶段 3 我才发现，我根本不理解自己前面写的代码。"
- "我 offered Google 和 xAI，却败给了 Meta —— 因为我没想过 AI 辅助轮的玩法完全不同。"
这些故事有一个共同点：候选人都很优秀，但他们准备的是"老时代"的面试。
AI 时代的面试到底变了什么
[
过去 10 年，大厂编程面试的"游戏规则"大致是这样的：
- 刷 500 道 LeetCode 题
- 凭记忆快速写出最优算法
- 45 分钟解决 2 道题
- 代码干净、有测试、考虑边界
- 最后讲清楚复杂度
规则非常明确。培训班、刷题书、YouTube 教程全都围绕这个。
2025 年 10 月，Meta 把这套规则掀了。
新的游戏规则是：
- 一道题 · 三阶段 · 60 分钟 —— 先修 Bug，再实现，再优化
- 必须用 AI —— 内置 6 个模型（Llama 4、GPT-5、Claude Sonnet 4.5、Gemini 2.5 Pro 等）
- 面试官看你每一条 Prompt —— 不是测你能不能写出来，是测你怎么跟 AI 协作
- "能不能抓住 AI 的错误"比"能不能自己写出来"更加分
- 做不完阶段 3 不扣分，但中途沉默会扣分
这不是"加了一个工具的传统面试"。这是一个完全新的物种。
为什么这件事会扩散
[
过去 3 个月的信号非常明显：
- 2026 年初，Meta 把 AI 辅助轮推广到所有 SWE 和 EM 岗位，覆盖 E3 到 E7
- Shopify、Canva、LinkedIn、xAI、Perplexity 相继跟进
- Microsoft 内部已在 Azure AI 团队试点
- Google 部分团队给候选人有限的 Gemini 访问权
趋势已经不可逆：
到 2027 年中，FAANG + 硅谷头部 AI 公司大概率都会采用 AI 辅助面试。
这对你意味着什么？
- 如果你 2026 年面 Meta：你一定会遇到这一轮
- 如果你 2026-2027 年面 FAANG：你很可能会遇到这一轮的变种
- 如果你 2026-2028 年面硅谷 AI 公司（OpenAI、Anthropic、xAI、Perplexity）：你几乎必然会遇到
这门课和别的课有什么不一样
[
网上已经有一些零散的资料：
- Hello Interview、interviewing.io、Coditioning 各自写了一两篇文章
- LeetCode 讨论区有碎片化候选人反馈
- Prepfully、IGotAnOffer 卖几百美元的付费指南
但是没有一份资料把「概念 + 流程 + 评分 + 策略 + 真题」完整串起来。
这门小册是我的尝试：
别的课有的
这门小册有的
形式介绍
形式 + 分钟级拆解 + 面试官视角
"用 AI 很重要" 口号
5 条黄金规则 + 6 组 Prompt 正反例
一两道样题
40 道真题 × 3 阶段走读 × 双语言可运行代码
文字说明
18 张手绘配图（蓝色 #4a6cf7 基调）
"祝好运" 结尾
AI 时代工程师的职业路径 和 新定位
更关键的：每一道题都是按真实面试形式设计的。
- 每道题的 starter 都植入了一个真实可发现的 Bug
- 每道题都分 3 阶段，对应 Meta 的真实面试节奏
- 每道题都标注了"面试官观察的正负信号"
- 每道题都配有"好 Prompt vs 坏 Prompt"对照
你学完应该长什么样
[
学完这 15 章，你应该能做到：
- 🎯 5 秒钟说出 Meta AI 辅助轮的形式、长度、评分维度
- 🎯 30 秒钟在任何一道题上指出可能的算法族、状态定义、复杂度
- 🎯 全程叙述 —— 不会在面试中沉默超过 30 秒
- 🎯 识别 AI confabulation —— 看出 AI 什么时候在胡说
- 🎯 写出细粒度 Prompt —— 知道哪些任务适合 AI、哪些需要自己做
- 🎯 跟进阶段 3 —— 时间不够也能大声描述修复方案，赚到信号
- 🎯 在 Meta E5/E6 onsite 中表现得像是准备了 4 周 —— 不管你实际准备了多久
本课程的学习哲学
[
有三条贯穿始终的原则：
原则 1：先自己做，后用 AI
[
每道题都练两遍。第一遍 solo（30 分钟），第二遍用 AI（30 分钟）。这是建立"AI 什么时候错"直觉的唯一途径。
原则 2：过程 > 最终答案
[
在 AI 辅助轮里，没写完不扣分，但没叙述会扣分。整本小册的重点都在"过程"—— Prompt 粒度、验证节奏、叙述脚本、决策树。
原则 3：你是机长，AI 是副驾
[
你决定去哪里。你决定检查什么。你读每一个仪表。
副驾驶打字更快，但你让他往山上飞他就往山上飞。
这句话会贯穿整本小册。
课程结构
[
整本小册 15 章，分 4 个阶段：
阶段 1 · 认知与准备（第 1-3 章） —— 先建立正确的认知
- 第 1 章：AI 面试新浪潮（为什么发生、谁在变）
- 第 2 章：Meta 真题池全景（9 道已报告题一览）
- 第 3 章：60 分钟怎么过（onsite 流程 + 分钟级拆解）
阶段 2 · 环境与策略（第 4-6 章） —— 掌握工具和心法
- 第 4 章：CoderPad 环境实战
- 第 5 章：四维评分精讲
- 第 6 章：AI 协作 5 条黄金规则
阶段 3 · 真题实战（第 7-10 章） —— 40 道题全拆解
- 第 7 章：迷宫系列 9 题（Meta 已报告池）
- 第 8 章：图与回溯 13 题
- 第 9 章：状态 DP 与字典树 9 题
- 第 10 章：调试与设计 9 题
阶段 4 · 冲刺与未来（第 11-15 章） —— 从备考到职业定位
- 第 11 章：2 周 / 4 周备考计划
- 第 12 章：15 大常见错误避坑
- 第 13 章：面试前中后 Checklist
- 第 14 章：高频问题答疑
- 第 15 章：AI 时代工程师新定位
一句话
[
如果你 2026 年要面 Meta、xAI、Shopify、LinkedIn，或者 2026-2027 年要面任何 FAANG 公司，这本小册是你能找到的最完整的一份准备材料。
Meta 已经改了游戏规则。这本小册教你怎么玩新规则。
