Google近期推行的软件工程师面试改革，在网络上引发了广泛讨论。

根据新的试点方案，应聘者可以在面试过程中使用Gemini，考核的重点也随之调整。

除了传统的从零编写算法题，Google现在也期望候选人能够理解他人编写的代码、识别问题所在，并评估AI给出的解决方案是否可靠。

有网友兴奋地评论：“AI终于终结了LeetCode面试。”

除了编写代码，Google还要考察你如何阅读代码

对于许多立志进入顶级科技公司的程序员而言，LeetCode是一个再熟悉不过的名字。

刷算法题、钻研时间复杂度、在规定时间内写出正确的代码，这些几乎成了技术面试的必备环节。

而Google正在探索一种不同的评估模式。

据Business Insider在5月7日的报道，在Google试点的全新环节——代码理解（Code Comprehension）中，候选人需要针对一份已有的代码，进行阅读、调试和优化。

人工智能也能参与其中。Google发言人证实，试点中提供给候选人的工具正是Gemini。

既然可以直接询问AI，面试官又如何评判候选人的能力呢？

Google给出的答案是“AI熟练度”（AI fluency）。

面试官会关注候选人如何设计提示词、如何验证AI的输出，以及如何调试代码。候选人需要有能力判断AI给出的建议是否合理，并对其最终结果负责。

这意味着，即使Gemini迅速找到了一个bug，候选人也需要核实修复方案是否可行，并评估这次修改是否会导致其他问题。

当然，目前这还只是一项有限范围内的改革。

相关安排针对今年下半年，主要涉及美国部分团队的初级和中级软件工程师岗位。Google Cloud、平台与设备部门等组织参与了试点，未来是否推广将取决于实际效果。

Google招聘副总裁Brian Ong表示，调整面试流程是为了更准确地反映工程师在AI时代的实际工作方式。

除了代码理解环节，Google也计划在部分面试中增加对候选人过往项目的技术设计讨论，让初级候选人处理更开放的工程问题。

目前可以确认的是，考察范围正在扩大。除了能否从零写出代码，企业开始考察候选人能否处理一份已经存在、甚至由AI生成的代码。

Karpathy：手写代码能力开始下降，但读代码是另一回事

Google为什么要调整面试方式？看看Google自己的工程团队正在发生什么，就不难理解。

今年4月，Google CEO Sundar Pichai透露，公司75%的新增代码已经由AI生成，再交由工程师审核。去年秋季，这个比例还是50%。

短短半年左右，AI在软件开发中的参与程度就有了显著提升。

对于个人开发者来说，类似的变化发生得更快。

今年1月，Andrej Karpathy在X上分享了自己使用Claude Code的经历。

他发现，自己的编程习惯仅用了短短几周就发生了近乎颠覆性的变化。

2025年11月，他大约80%的编程工作仍然由自己手动完成，或者借助代码自动补全；到了12月，约80%的工作已经交给Agent，自己只负责剩下的修改和完善。

Karpathy感慨，这是他近20年编程生涯中，工作方式发生的最大变化之一。

如今，他的大量编程工作已经转变为使用自然语言向AI描述需求。

这种变化甚至带来了一点意想不到的影响：Karpathy发现，自己手动编写代码的能力开始逐渐退化。

不过，他特别区分了两种能力：

“生成（写代码）与辨别（读代码），是大脑中不同的能力。”

编写代码往往要求程序员记住许多具体语法和实现细节，而审查代码更依赖理解已有逻辑、判断实现是否合理。因此，一个人即使开始不擅长从零写代码，仍然可能读懂代码、发现问题。

但AI的代码也越来越难以检查。

Karpathy在帖子中提到，编程模型如今犯下的错误，已经不再主要是简单的语法问题。

相反，它们可能在理解需求时做出错误假设，然后顺着这个假设继续完成整套实现。有时，模型会写出上千行复杂代码，而工程师指出更简洁的实现方式后，它又能迅速将代码缩减到百行左右。

这些错误看起来更像经验不足的开发者在匆忙工作中犯下的疏漏。

因此，尽管Karpathy已经很难想象自己重新回到主要依靠手写代码的开发方式，他仍然认为，需要密切关注AI写出的内容。

这就是Google面试的新思路。

如果AI可以在几分钟内完成大量编码工作，那么工程师的任务也会越来越多地转向理解代码、验证实现，以及在AI出错时进行干预。

代码生成越来越容易，代码审查的能力也因此变得更加重要。

Google不是第一家，有人甚至故意让AI写错

实际上，Google已经算不上最早尝试这种面试方法的公司。

去年6月，设计平台Canva就在官方工程博客中宣布，后端、机器学习和前端工程师候选人在技术面试中将被要求使用AI编程工具。

对于前后端岗位，Canva甚至用AI辅助编程取代了基础面试环节，此前这个环节以算法和数据结构为主。

原因很直接：旧题在今天已经没那么有效了。

Canva曾经用AI测试自己的传统面试题，发现模型往往只需要几秒钟，就能生成正确且带有说明的解答，甚至无须进一步提示。

于是，Canva决定把题目变得更复杂一些。

例如，以前可能要求候选人编写“康威生命游戏”，现在则可能让他们设计繁忙机场的飞机起降控制系统。

这种开放式问题需要候选人自行梳理需求、确定方案、协调不同功能之间的关系。AI可以完成其中的编码任务，但很难仅凭一句简单指令，就处理好所有设计与工程细节。

Canva还分享了试点中的观察。

表现出色的候选人往往会主动厘清需求，把复杂任务拆分成更明确的部分，再有针对性地调用AI。他们会检查生成结果，并在发现问题后调整方案。

一些有编程能力但缺少AI使用经验的候选人，反而可能在引导AI、判断建议是否合适时遇到困难。

Meta也在开始采用类似方式。

2025年7月，媒体披露Meta正在开发允许使用AI的编码面试。随后，Meta官方公开介绍了这一试点，并鼓励参与的候选人使用经过批准的AI工具。

Meta特意强调，在这样的面试中使用AI，已经不算作弊，因为这本来就是工程师实际工作中会使用的工具。

而到了今年10月，招聘技术平台Codility发布了新的面试功能，允许面试官在候选人使用的AI编程工具中加入隐藏指令。

比如，让AI故意写出存在bug的代码，或者采用不够合理的编程方式。

候选人不会看到这些指令。面试官则能够观察候选人的处理方式，他们究竟会认真检查生成结果，还是直接复制粘贴、照单全收。

平台还支持在不同考核任务中控制AI的使用权限，让企业既能评估候选人与AI协作的表现，也能检查其独立解决问题的能力。

过去，为了防止候选人通过AI获得答案，面试官可能需要想办法识别AI的使用痕迹。现在，AI反而可以直接进入考场，甚至成为面试官用来检验候选人的工具。

以前，一道编程题可能从“请实现这个算法”开始。

未来，面试官可能直接把一份AI代码交给你，再问：“这段代码已经能运行了，你觉得它有什么问题？”

而手边的AI工具，未必能帮你答对这道题。

就像有的网友调侃：“要求应聘者使用Gemini完成任务，本身就是一个很好的面试题”。

骰宝赔率专题按照玩法类别整理赔付资料与概率解释，帮助读者区分规则表中的不同表达。页面关注组合条件、资料口径及版本差异，通过示例说明核对方法，便于将赔付信息与具体选项联系起来阅读。相关内容将骰面组合、点数分类与赔付说明分开整理，帮助读者明确每类资料回答的问题。示例分别交代组合条件，方便比较名称相近的选项，查找普通情形与特殊结果之间的区别。对涉及概率的部分，介绍其与具体规则的联系，便于从基础计点继续理解组合分布，并通过主题问答回顾容易混淆的表达。

骰宝赔率专注通过主题问答回顾易混淆表达，强化对规则细节的理解。，为用户提供专业可靠的体验。

围绕骰宝赔率，骰宝赔率持续打磨更优质的服务。

• 骰宝赔率深耕骰宝赔付资料领域，用心服务每一位用户。
• 精选针对普通情形与特殊结果进行区分说明，辅助准确核对赔付选项。内容，骰宝赔率与你一同发现更多精彩。
• 在骰宝赔率表方面，骰宝赔率提供贴心周到的支持。
• 骰宝赔率以骰宝概率为核心，带来高效便捷的体验。

想了解更多骰宝玩法分类相关内容，尽在骰宝赔率。