鈦媒體生成式AI

程序員面試背了十年的八股文,被DeepSeek廢了

2026年7月13日 18:45
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。

站內 AI 整理稿

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

可靈觀察① |可靈 AI 到底適合誰?扒完 4.3 萬條評論後,我們看清了它的主場

在 AI 影片生成領域,使用者經常會感受到一種矛盾:網路上看到的示範畫面往往令人驚豔,但當自己實際操作時,卻發現要穩定產出可用的結果並不容易。反覆嘗試、抽卡式的生成過程,讓許多人對於工具的真實能力感到困惑。到底什麼場景該用哪一款工具?哪些工具只是曇花一現的噱頭,哪些又能真正融入創作工作流?為了釐清這個問題,36 氪 AI 測評團隊近期針對可靈 AI 進行了一輪大規模的用戶研究。 團隊收集了全網 43,221 條關於可靈影片生成的公開評論,其中與可靈 3.0 相關的評論就多達 18,587 條。

剛剛

北大為什麼沒出智譜?

北大在AI產業化上採取不同於清華的路徑,未孵化和智譜同級的基礎模型公司,而是聚焦具身智能、AI for Science等垂直領域,例如銀河通用和晶泰科技。兩所頂尖高校的產業基因不同,北大透過創業營、基金和成果轉化平台,持續推動AI在機器人、科學智能等領域落地。

剛剛

蘋果開始忌憚OpenAI

蘋果起訴OpenAI,指控其透過挖角員工竊取下一代硬體商業機密,但訴訟背後實為AI時代入口控制權之爭。OpenAI正積極投入硬體研發,試圖繞過iPhone生態系統建立獨立入口,而蘋果則希望透過訴訟拖慢對手進度,保住自身地位。

剛剛
鈦媒體生成式AI

前小米副總賣咖啡機器人,融資數億

前小米副總唐沐創立的影智XBOT,近期完成數億元A、B輪融資,以消費電子思維打造餐飲機器人。其咖啡機器人已在全球超過100個城市落地逾千台,累計產製400萬杯咖啡,2025年營收突破1億元,2026年訂單金額預計達3至5億元。

剛剛

我看錯了Anthropic,罵了大半年,馬斯克突然改口

馬斯克從大半年來不斷抨擊Anthropic「邪惡」、「不可能贏」,近日突然改口,稱其為當前AI領域的領導者。轉變關鍵在於Anthropic與SpaceX簽下每月12.5億美元的算力合約,包下Colossus 1數據中心全部產能。馬斯克表示即使身為競爭對手,也不會切斷對方算力,因為這不是他的風格。

剛剛