OfferForge 导师 Dr. W. — 博士毕业，前 FAANG Senior MLE。研究方向为大规模分布式机器学习系统，曾在顶级国际学术会议发表多篇论文。负责团队学术方向把控与 MLE 面试辅导。
OfferForge 导师 Dr. S. — 前大厂 Senior SDE，精通分布式系统与大规模数据处理。曾在顶级技术会议发表多篇技术报告，专注于系统可扩展性与可靠性。负责课程体系设计与 System Design 面试辅导。
OfferForge 导师 Dr. L. — 前大厂 Senior SDE，深耕分布式系统与微服务架构。在服务治理、事件驱动架构方面有丰富实战经验。负责求职策略制定与 SDE 面试辅导，已帮助多位候选人斩获 Senior 级别 Offer。
AI-enabled coding 是继 LeetCode 时代之后，硅谷技术面试最大的变化之一。AI coding 面试到底是怎么考的？Interviewer看什么？要怎么准备？这一篇文章，我们来系统讲清楚。
第一种，只能用非常弱智的AI。这种情况就需要candidate设计非常详尽的prompt，才能减少AI出错的概率。大量时间会用来debug AI generated code，并且手动修复。与此同时，还需要解释thought process和不同解法的tradeoff。
第二种，可以使用相对正常的AI，而且题量不大。这类面试主要关注的是candidate使用AI的习惯和方法。第一步往往是要求candidate解读existing codebase，然后把问题拆解成若干个步骤，逐步喂给AI。每个步骤都需要解释你是怎么想的，并且分析AI生成的代码的质量，potentially还需要你主动做一些优化。所以特点是题量小，但是流程繁复。
第三种，可以使用相对正常的AI，但是拼题量（往往是自带测试的）。虽然题量多，但是不能一股脑全部交给AI，不然就没有意义了。写prompt之前，需要解释一下你是怎么想的。关于prompt本身，很多interviewer会明确禁止你直接写what，而是要把how也一并写出来，这就直线提升了难度。这里主要讲讲meta的情况。
传统的 Meta Coding 面试通常是一小时两道独立算法题，比如经典的 LRU Cache, Alien Dictionary, Subsequence Counting 等。新的 AI Coding 面试完全不同。它不是让你解算法，而是让你在一个接近真实开发环境的 CoderPad 窗口里，完成一个小型多阶段项目。