程序員面試背了十年的八股文,被DeepSeek廢了

重點摘要
程序員面試背了十年的八股文,被DeepSeek廢了字母AI2026.07.13 18:44 · 來自北京全文4464字00:00 / 12:17在招人這事上,所有AI公司都應該向梁文鋒看齊。文 | 字母AI自李博傑稱DeepSeek面試官說他寫代碼的時候作弊一事過後,許多程序員都在網上表示,自己在面試DeepSeek的時候,都要經歷兩輪非常嚴苛的代碼能力面試。
DeepSeek 的面試流程近來在程式設計師社群引發熱烈討論。起因是前阿里技術專家、自媒體博主「軍哥程序員」在影片中分享自身經歷,指出 DeepSeek 的面試官完全不走傳統套路——全程緊盯程式碼實戰能力,不給任何背誦「八股文」的機會。這套做法不僅讓許多習慣刷題、背面經的求職者措手不及,更直接戳破了業界多年來心照不宣的應試產業鏈。軍哥程序員描述,面試官開啟鏡頭後幾乎沒有寒暄,只讓他做了三四十秒的自我介紹,便直接緊咬簡歷上的專案經歷展開連環追問。整場面試長達七十分鐘,從頭到尾都圍繞著程式碼實作與線上維運的真實情境。
他直言,若求職者只會用 LangChain 寫個示範專案,沒有真正經歷過線上系統的坑,絕對撐不過二十分鐘。DeepSeek 的考題設計充滿「實戰感」。舉例來說,面試官會問:「你的對話記憶用的是 message window 還是 token window?線上環境為什麼這樣選?」背後的考量是:大模型本身沒有記憶,必須靠把歷史訊息回傳給模型才讓它「記得」先前對話。message window 是按條數存,適合輪數多但每輪短的客服場景;token window 則按字數存,適合長文件或整個程式碼庫分析。這道題沒有標準答案,面試官要聽的是你做過取捨、知道選錯會造成什麼後果。
另一個經典問題是:「Redis 持久化時,對話過期策略怎麼訂?」用戶聊天的對話暫存在 Redis 中,但 Redis 需要成本,容量有限,不能永遠保留。是設定用戶半小時未發話就清除,還是保留七天?如果用戶突然回來發現歷史消失,體驗會受影響。這些都是在寫 demo 時不必考慮、只有上線才會遇到的細節。軍哥程序員還提到業界一個真實笑話:某公司為了定時清理磁碟,在 crontab 中設定每月 30 號凌晨清理一次日誌,卻忘了二月沒有 30 號,結果導致二月資料未被清理,到了三月磁碟被撐爆。「有沒有遇過並發對話衝突?」同樣是常見的線上問題。
用戶在手機上跟 DeepSeek 聊了一半,回到公司打開電腦網頁版繼續聊,兩個裝置登入同一帳號、寫入同一個對話,兩邊都在寫 Redis,會不會互相覆蓋?若同時發送訊息,上下文該如何拼接?會不會讀到髒資料?這道題檢驗的是對分散式系統一致性的掌握。最考驗功底的題目之一是:「長期記憶用向量庫存儲,記憶越來越多,檢索越來越不精準,怎麼優化?」向量庫將文字轉為數字,靠數學相似度找出最相關的記憶。剛上線時幾千條記憶檢索很準,等到幾十萬條時,雜訊記憶開始干擾,真正相關的那條可能被推到很後面的位置。
這正是 DeepSeek 付費大戶經常碰到的情境:兩週前用戶說「我是做 Java 的,主要搞支付系統」,今天請它寫重試機制,理想上它該記得用 Java 回應,但如果中間聊了幾百輪生活話題和 Python,它很可能吐出一段 Python 程式碼。這些問題的共同點在於:全部來自線上實戰,沒有任何一道能靠背書過關。軍哥程序員回憶,當他對某個線上故障排查點回答含糊時,面試官連續追問三個問題,一直追到具體改了哪塊邏輯、效果提升了多少百分比才罷休。
所謂「八股文」,原是明清科舉的固定文體,如今被程式設計師圈借用來形容面試中反覆出現的標準化題目,例如 HashMap 原理、JVM 記憶體模型、synchronized 與 volatile 的差別等。這些題目出現次數一多,就有人整理成「面試寶典」,再搭配「面經共享」——面完的人把題目發上網,後來的人背同一套答案去應試。圈內流傳一句話:「面試造火箭,入職擰螺絲」。而 DeepSeek 的面試直接打破了這條潛規則,它不問你背了什麼,只問你做過什麼。DeepSeek 奉行「程式碼即正義」。無論求職者是應屆畢業生還是華為天才少年,前兩輪就是純程式碼面試。
這套做法的好處極度公平:程式碼寫得出來就是寫得出來,無法靠包裝簡歷蒙混。對於不善社交的程式設計師族群來說,這反而成了最友善的招聘方式——你只需要把程式碼寫好,其他都不重要。但 DeepSeek 也明白程式碼不是一個人的全部,因此第三面完全不問技術,而是聊認知與判斷,例如「你怎麼看 Agent 這個賽道?最大的瓶頸在哪?」這等於把程式碼當作入場券,過了之後才檢視更高層次的視野。相比其他大廠,每家企業的招聘哲學截然不同。
字節跳動的 AI 演算法崗筆試加三輪技術面再加 HR 面,題目偏向標準化知識點,如 RoPE 旋轉位置編碼的數學推導、DeepSpeed ZeRO 的並行策略等,這些都是可以提前刷題準備的「高級八股」。騰訊則採層級遞進,一面考模型基礎,二面聊底層優化與專案匹配,三面看系統設計與潛力,程式碼權重在三家中最低。三種模式各有優劣,但若論誰最能篩選出真正享受編程、經歷過線上洗禮的人才,DeepSeek 的「實戰化」面試無疑給整個行業帶來了新的標竿。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。

可靈AI核心技術骨幹王鑫濤被曝離職
快手可靈AI核心技術骨幹王鑫濤被曝離職,去向未知,快手官方與本人均未回應。王鑫濤是圖像與視頻生成領域知名開源項目主要作者,被視為可靈從0到1的關鍵推手。其離職發生在可靈完成獨立融資、估值180億美元的關鍵階段,可能影響研發進度與競爭優勢。