我做了七年多前端面试官经手过几百场技术面试。直到去年深秋的一个下午这种“经验”第一次让我感到了真实的困惑。那天我照例在面试一位五年经验的候选人。在“如何实现一个高性能的虚拟列表”这个经典问题上他的回答堪称完美——边界情况、缓存策略、滚动优化面面俱到。但当我把问题改成“假设我们的用户主要来自非洲网络条件很差手机内存只有1GB你的虚拟列表方案需要做什么调整”时他明显愣住了。后来复盘时我意识到一个让我后背发凉的事实刚才那套完美的答案大概率是AI在面试前替他准备的。而那些追问才是属于他的真实水平。AI时代的面试正在经历一场深刻的信任危机。但比危机更值得思考的是当AI能写出80分的代码我们到底在筛选什么一、传统面试的“失效时刻”过去五年前端面试经历了从“八股文”到“工程化”的演变。我曾经也习惯问这些问题“说一下浏览器从输入URL到渲染页面的完整过程”“手写一个深拷贝”“React的diff算法原理是什么”这些问题的本质是知识点的存量测试。在信息获取成本极高的时代能记住这些细节本身就是一种能力。但现在任何一个人打开ChatGPT三十秒内就能获得比教科书更完整的答案。更尴尬的是我观察到两个让我不安的趋势第一AI正在制造“伪高级工程师”。有些候选人简历光鲜面试对答如流甚至能给出多种技术方案的对比。但只要追问“你当时为什么选择方案A而不是B考虑过团队的学习成本吗”或者“如果现在让你重新做一遍会有什么不同”他们就会露出破绽——那些决策痕迹不属于他们。第二AI让“造假”变得极其廉价。以前伪造项目经验需要编造细节、自圆其说成本很高。现在AI可以帮你生成一整套虚拟的技术方案连代码示例、踩坑记录、性能数据都可以伪造得滴水不漏。当一个人的“知识库”和“经验”都可以被AI低成本伪造时我们曾经引以为傲的面试体系正在面临系统性失效的风险。二、AI时代的工程师真正值钱的是什么我花了很长时间反思这个问题。最终我得出的结论可能有些反直觉AI时代工程师最稀缺的能力恰恰是那些“非技术”的东西。1. 架构直觉权衡的智慧AI可以生成代码但它无法理解“为什么这个项目不需要微前端”无法感知“三个月后这个功能大概率会变成核心业务”。架构的本质是在不确定性中做权衡——用多少复杂度换取多少灵活性代码写得“脏”一点可以抢出多少上线时间这些决策依赖于对业务、团队、甚至公司政治的理解。AI没有商业压力没有KPI没有产假带来的交接风险。它能写出完美的代码但它不知道什么是“恰到好处”。2. 调试的韧性面对未知的勇气我职业生涯中最有价值的技能不是写代码而是在黑暗里摸到线头的能力。当一个诡异的线上Bug出现所有文档都查不到AI也给出似是而非的建议时真正能解决问题的是那种近乎偏执的探究欲——打开Chrome DevTools一步步追踪在源码里打断点甚至去读编译后的代码。这种能力无法通过刷题获得也无法被AI替代。它来自于一个人面对不确定性的勇气和耐心。3. 语言的可翻译性这是我最近两年最在意的能力。优秀的工程师能把复杂的技术问题翻译成产品听得懂的语言能让老板理解为什么“重构”不是在浪费工时能在跨部门协作中减少90%的沟通损耗。AI的“沟通”是单向的信息输出而人类的沟通是双向的共情、博弈、妥协。这一点在AI时代反而更加珍贵。4. 代码的“手感”这是一种很难量化的能力。一个有经验的工程师写出的代码即使功能简单你也觉得干净、舒服、有层次感——变量命名恰到好处边界条件处理周全不会过度设计也不会偷工减料。这种“手感”来自大量的真实项目历练来自无数次Code Review的打磨来自被线上事故教训后的肌肉记忆。AI可以模仿风格但很难真正拥有这种积累出的判断力。点击下方小卡片免费获取前端资料前端资料https://mp.weixin.qq.com/s/iBmSycbmeTCSRNKJQ10EuA三、面试的进化从“知识测试”到“场景共演”基于这些思考我在过去一年彻底重构了我的面试方式。核心思路是不再把面试看作“考试”而是看作一次“真实的协作预演”。1. 开放AI但追踪思考我现在明确允许候选人使用AI工具但会提一个特殊要求“请把屏幕共享打开我希望能看到你如何使用AI。”我观察的重点是Prompt的质量——是“给我写一个表格”还是“我需要一个支持虚拟滚动、行高可变的表格考虑内存占用”批判性使用——是否会照搬AI的答案还是会质疑、修改、追问AI知识的边界——当AI给出错误建议时能不能识别出来2. 设计“无法被AI回答”的问题这些问题通常有两个特征强上下文依赖和多目标约束。比如我会给一个真实的场景“我们现在有一个老项目用了jQuery Backbone技术债很重。产品要求在下个月上线一个类似Notion的协同编辑功能团队只有三个人。你建议怎么推进技术选型、人力分配、风险控制都说说。”这种问题没有标准答案AI可以给出泛泛的建议但真正的思考在于候选人能否追问清楚现有系统的细节能否权衡新老技术的融合成本能否预见团队能力与目标之间的差距3. 重视“决策痕迹”我会在面试中反复追问同一个问题“当时还有其他方案吗你为什么选了现在这个”一个好的工程师他的决策往往是可追溯的——他记得当时的技术限制、团队状态、业务压力甚至记得某个关键决策是在什么会议上、和谁讨论后确定的。这些细节很难伪造也是区分“真经验”和“AI包装”的试金石。4. 引入“反向面试”环节我会留出15分钟让候选人问我问题。不是客套的“你问吧”而是明确告诉他“现在你可以问我关于团队、技术栈、业务、发展空间任何问题。我想通过你问的问题了解你在乎什么。”一个在乎工程质量的人会问“你们的CI/CD流程是怎样的”一个在乎成长的人会问“团队的技术氛围和分享机制”一个只想要个饭碗的人可能会问“加班多吗”。四、面试官的自省我们被时代追赶这一年的改变也让我不断审视自己。我渐渐意识到真正需要进化的不只是面试标准还有面试官本身。经验正在成为负担。我曾经引以为傲的知识积累现在AI三秒就能生成。如果不及时更新判断维度我可能会错过很多新范式下的优秀人才。偏见需要不断破除。面对一个习惯用AI辅助工作的候选人第一反应不该是“这人不诚实”而是“他是否比不用AI的人更高效”。技术中性的道理我们都懂但在面试中往往很难做到。面试本身也需要重新定义。当代码不再是护城河面试的价值就不再是筛选“能写代码的人”而是识别“能驾驭代码创造价值的人”。这意味着面试官需要更懂业务、更懂协作、更懂人。五、写在最后技术人的终极追问AI的到来对技术人来说其实是一场终极追问。我们曾经引以为傲的“技术壁垒”——那些我们花无数个夜晚啃下的源码、记下的API、练出的手速——正在被技术本身瓦解。当代码不再是稀缺品什么才是我想是对复杂系统的理解是在不确定中做出判断的勇气是与人和机器协作的能力是把一个模糊想法落地为可用产品的工程直觉。这些东西无法被压缩成一个Prompt也无法通过一次考试获得。它们来自于真实世界的摸爬滚打来自于失败后的复盘来自于对“创造”这件事本身的敬畏。作为面试官我的责任不是筛选出“知道最多的人”而是识别出那些在AI时代依然能创造独特价值的人。这不仅是对候选人的考验也是对我自己的审视——在这个技术加速迭代的时代我是否也在成长毕竟AI不会淘汰技术人但会用AI的技术人可能会淘汰那些拒绝拥抱变化的同行。而面试官不过是这个变化中的一个缩影点击下方小卡片免费领取前端资料前端资料https://mp.weixin.qq.com/s/iBmSycbmeTCSRNKJQ10EuA
我面试了AI时代的第一批前端，感觉后背发凉
发布时间：2026/6/3 6:51:51
我做了七年多前端面试官经手过几百场技术面试。直到去年深秋的一个下午这种“经验”第一次让我感到了真实的困惑。那天我照例在面试一位五年经验的候选人。在“如何实现一个高性能的虚拟列表”这个经典问题上他的回答堪称完美——边界情况、缓存策略、滚动优化面面俱到。但当我把问题改成“假设我们的用户主要来自非洲网络条件很差手机内存只有1GB你的虚拟列表方案需要做什么调整”时他明显愣住了。后来复盘时我意识到一个让我后背发凉的事实刚才那套完美的答案大概率是AI在面试前替他准备的。而那些追问才是属于他的真实水平。AI时代的面试正在经历一场深刻的信任危机。但比危机更值得思考的是当AI能写出80分的代码我们到底在筛选什么一、传统面试的“失效时刻”过去五年前端面试经历了从“八股文”到“工程化”的演变。我曾经也习惯问这些问题“说一下浏览器从输入URL到渲染页面的完整过程”“手写一个深拷贝”“React的diff算法原理是什么”这些问题的本质是知识点的存量测试。在信息获取成本极高的时代能记住这些细节本身就是一种能力。但现在任何一个人打开ChatGPT三十秒内就能获得比教科书更完整的答案。更尴尬的是我观察到两个让我不安的趋势第一AI正在制造“伪高级工程师”。有些候选人简历光鲜面试对答如流甚至能给出多种技术方案的对比。但只要追问“你当时为什么选择方案A而不是B考虑过团队的学习成本吗”或者“如果现在让你重新做一遍会有什么不同”他们就会露出破绽——那些决策痕迹不属于他们。第二AI让“造假”变得极其廉价。以前伪造项目经验需要编造细节、自圆其说成本很高。现在AI可以帮你生成一整套虚拟的技术方案连代码示例、踩坑记录、性能数据都可以伪造得滴水不漏。当一个人的“知识库”和“经验”都可以被AI低成本伪造时我们曾经引以为傲的面试体系正在面临系统性失效的风险。二、AI时代的工程师真正值钱的是什么我花了很长时间反思这个问题。最终我得出的结论可能有些反直觉AI时代工程师最稀缺的能力恰恰是那些“非技术”的东西。1. 架构直觉权衡的智慧AI可以生成代码但它无法理解“为什么这个项目不需要微前端”无法感知“三个月后这个功能大概率会变成核心业务”。架构的本质是在不确定性中做权衡——用多少复杂度换取多少灵活性代码写得“脏”一点可以抢出多少上线时间这些决策依赖于对业务、团队、甚至公司政治的理解。AI没有商业压力没有KPI没有产假带来的交接风险。它能写出完美的代码但它不知道什么是“恰到好处”。2. 调试的韧性面对未知的勇气我职业生涯中最有价值的技能不是写代码而是在黑暗里摸到线头的能力。当一个诡异的线上Bug出现所有文档都查不到AI也给出似是而非的建议时真正能解决问题的是那种近乎偏执的探究欲——打开Chrome DevTools一步步追踪在源码里打断点甚至去读编译后的代码。这种能力无法通过刷题获得也无法被AI替代。它来自于一个人面对不确定性的勇气和耐心。3. 语言的可翻译性这是我最近两年最在意的能力。优秀的工程师能把复杂的技术问题翻译成产品听得懂的语言能让老板理解为什么“重构”不是在浪费工时能在跨部门协作中减少90%的沟通损耗。AI的“沟通”是单向的信息输出而人类的沟通是双向的共情、博弈、妥协。这一点在AI时代反而更加珍贵。4. 代码的“手感”这是一种很难量化的能力。一个有经验的工程师写出的代码即使功能简单你也觉得干净、舒服、有层次感——变量命名恰到好处边界条件处理周全不会过度设计也不会偷工减料。这种“手感”来自大量的真实项目历练来自无数次Code Review的打磨来自被线上事故教训后的肌肉记忆。AI可以模仿风格但很难真正拥有这种积累出的判断力。点击下方小卡片免费获取前端资料前端资料https://mp.weixin.qq.com/s/iBmSycbmeTCSRNKJQ10EuA三、面试的进化从“知识测试”到“场景共演”基于这些思考我在过去一年彻底重构了我的面试方式。核心思路是不再把面试看作“考试”而是看作一次“真实的协作预演”。1. 开放AI但追踪思考我现在明确允许候选人使用AI工具但会提一个特殊要求“请把屏幕共享打开我希望能看到你如何使用AI。”我观察的重点是Prompt的质量——是“给我写一个表格”还是“我需要一个支持虚拟滚动、行高可变的表格考虑内存占用”批判性使用——是否会照搬AI的答案还是会质疑、修改、追问AI知识的边界——当AI给出错误建议时能不能识别出来2. 设计“无法被AI回答”的问题这些问题通常有两个特征强上下文依赖和多目标约束。比如我会给一个真实的场景“我们现在有一个老项目用了jQuery Backbone技术债很重。产品要求在下个月上线一个类似Notion的协同编辑功能团队只有三个人。你建议怎么推进技术选型、人力分配、风险控制都说说。”这种问题没有标准答案AI可以给出泛泛的建议但真正的思考在于候选人能否追问清楚现有系统的细节能否权衡新老技术的融合成本能否预见团队能力与目标之间的差距3. 重视“决策痕迹”我会在面试中反复追问同一个问题“当时还有其他方案吗你为什么选了现在这个”一个好的工程师他的决策往往是可追溯的——他记得当时的技术限制、团队状态、业务压力甚至记得某个关键决策是在什么会议上、和谁讨论后确定的。这些细节很难伪造也是区分“真经验”和“AI包装”的试金石。4. 引入“反向面试”环节我会留出15分钟让候选人问我问题。不是客套的“你问吧”而是明确告诉他“现在你可以问我关于团队、技术栈、业务、发展空间任何问题。我想通过你问的问题了解你在乎什么。”一个在乎工程质量的人会问“你们的CI/CD流程是怎样的”一个在乎成长的人会问“团队的技术氛围和分享机制”一个只想要个饭碗的人可能会问“加班多吗”。四、面试官的自省我们被时代追赶这一年的改变也让我不断审视自己。我渐渐意识到真正需要进化的不只是面试标准还有面试官本身。经验正在成为负担。我曾经引以为傲的知识积累现在AI三秒就能生成。如果不及时更新判断维度我可能会错过很多新范式下的优秀人才。偏见需要不断破除。面对一个习惯用AI辅助工作的候选人第一反应不该是“这人不诚实”而是“他是否比不用AI的人更高效”。技术中性的道理我们都懂但在面试中往往很难做到。面试本身也需要重新定义。当代码不再是护城河面试的价值就不再是筛选“能写代码的人”而是识别“能驾驭代码创造价值的人”。这意味着面试官需要更懂业务、更懂协作、更懂人。五、写在最后技术人的终极追问AI的到来对技术人来说其实是一场终极追问。我们曾经引以为傲的“技术壁垒”——那些我们花无数个夜晚啃下的源码、记下的API、练出的手速——正在被技术本身瓦解。当代码不再是稀缺品什么才是我想是对复杂系统的理解是在不确定中做出判断的勇气是与人和机器协作的能力是把一个模糊想法落地为可用产品的工程直觉。这些东西无法被压缩成一个Prompt也无法通过一次考试获得。它们来自于真实世界的摸爬滚打来自于失败后的复盘来自于对“创造”这件事本身的敬畏。作为面试官我的责任不是筛选出“知道最多的人”而是识别出那些在AI时代依然能创造独特价值的人。这不仅是对候选人的考验也是对我自己的审视——在这个技术加速迭代的时代我是否也在成长毕竟AI不会淘汰技术人但会用AI的技术人可能会淘汰那些拒绝拥抱变化的同行。而面试官不过是这个变化中的一个缩影点击下方小卡片免费领取前端资料前端资料https://mp.weixin.qq.com/s/iBmSycbmeTCSRNKJQ10EuA
