一位刚走完 OpenAI 软件工程师面试全流程的候选人，在 Reddit 上写下了自己的经历。面试共五到六轮，没有一道 LeetCode 原题。取而代之的，是一轮还在 beta 阶段的“Agentic Coding Round”，给你一个现有代码库，加一个靠手写搞不定的大问题，要求你用 AI Coding Agent 来完成。不是所有候选人都会遇到这一轮，但它的存在本身已经说明了一个方向。在 OpenAI 眼里，“会驾驭 AI 工具写代码”正在从一个加分项，变成工程师的基本功。
一场没有 LeetCode 的面试
根据这位候选人的详细分享，OpenAI 的面试流程和传统大厂刷算法题的路子已经截然不同。
招聘电话先聊你对 AI 方向的判断，建议提前读 OpenAI 的公司章程。然后两轮各 60 分钟的技术面：一轮写代码（带版本管理的键值存储），一轮系统设计（有容错机制的任务调度器）。接着是 48 小时的 take-home 项目，要交付一个能跑的系统，分布式 webhook 投递，必须实现重试逻辑和死信队列。做完后面试官逐行过代码，每个设计决策都得解释。
现场面试四轮：两轮编程，一轮渐进式多阶段题，一轮偏系统底层，考 Python 的生成器、异步和并发；一轮系统设计，题目是“设计 ChatGPT”，重点看 GPU 分配、自动扩缩容和分布式协调；一轮行为面。行为面不收软技能套话，要的是真实的技术领导力案例，在压力下怎么推动跨团队达成共识。
最有意思的，是第六轮。Agentic Coding Round，目前还在 beta 阶段。给你一个现有代码库和一个靠手写搞不定的大问题，要求你用 AI Coding Agent 来完成。面试官想看的不是你能写出多少行代码，而是你能不能把复杂问题拆解成子系统，然后指挥 AI 去执行。
不只是 OpenAI 一家
OpenAI 不是唯一一家在改面试流程的 AI 公司。
2026 年 5 月，Google 被曝正在试点新的软件工程师面试格式，允许候选人在一轮“代码理解”面试中使用 Gemini 作为 AI 辅助。面试官将重点评估三项能力：提示工程、输出验证和调试技能。该试点面向 Google Cloud 和平台与设备部门的初级至中级岗位，计划在 2026 年下半年逐步扩展。
Google CEO Sundar Pichai 在 2026 年 4 月的 Cloud Next 大会上披露，Google 内部 75% 的新代码已经由 AI 生成并由工程师审查批准，高于六个月前的 50%。18 个月前，这一比例还只有约 25%。Pichai 在博客中写道：“我们正在转向真正的 Agentic 工作流。我们的工程师们正在编排完全自主的数字任务团队，发射 Agent，完成不可思议的事情。”他提到最近一个复杂的代码迁移项目，完成速度比一年前快了 6 倍。
Sierra AI，OpenAI 董事会主席 Bret Taylor 联合创立的 AI 公司，则直接发布了一篇名为《The AI-native Interview》的博客，宣布彻底改革其工程招聘流程。新的面试将三轮技术面试合并为一个现场 session：候选人得到两小时，用他们选择的任何 AI 工具实际构建产品。面试官离开房间，候选人可以随时调整方向，砍掉范围，或者彻底改变方法。关键是交付一个能跑的产品，而不是写出一段完美的算法。Sierra 同时取消了传统的 AI 代码面试电话轮，替换为系统设计面试，因为“用 AI 做出一个应用很容易，真正难的是以可扩展的方式把它生产化”。
为什么是现在？
这场面试改革的背后，是软件工程范式的根本性转变。
2024 年初，AI 生成的代码还只占 Google 代码总量的约四分之一。到 2025 年底，这个数字翻了一倍，达到 50%。2026 年 4 月，75%。18 个月间，从四分之一到四分之三。Fast Company 在报道中直接指出，AI 已经从“辅助性的自动补全工具”变成了 Google 的“代码生产主引擎”。
在今天的 Google，软件工程师的主要工作已经不是从零开始写代码。而是审查、调试和优化 AI 生成的代码，向 AI 提出正确的问题，捕捉 AI 犯错的地方。这个转变正在以惊人速度向整个行业扩散。
传统面试的“测不准”困境
过去十五年，LeetCode 风格的算法面试一直是硅谷招聘的黄金标准。它的逻辑是：算法能力是智力和基本功的 proxy。能解出 hard 题的人，大概率也能写好业务代码。
这个逻辑正在失效。不是因为题不好，而是因为实际工作中，工程师已经不需要自己写那些代码了。AI 能在几秒内生成一个红黑树的实现，能在几分钟内写完一个微服务的骨架。人类工程师的价值，正在从“写得出”转向“判断得对”，判断 AI 写的代码对不对，判断哪个方案更优，判断什么时候该让 AI 干、什么时候该自己来。
一个讽刺的事实是：当 Anthropic 和 OpenAI 在 2025 年底发布的新模型大幅提升了编码 Agent 的能力之后，传统面试中信奉的“算法题”反而成了最容易被 AI 取代的技能。你在白板上费劲写出的反转链表，Claude 或 GPT-5 半秒就写完了，还比你少几十个 bug。Anthropic 的面试体系已经明确不考 LeetCode，他们采用渐进式系统构建的方式，从简单实现开始，面试官每 15 到 20 分钟增加一层复杂度，考察候选人在压力下如何处理不断变化的需求。
Agentic Coding Round 的深层含义
OpenAI 的 Agentic Coding Round 的设计非常精妙。它不是在考你“能不能用 Cursor 写代码”，而是在测试三重能力：
问题拆解能力。给你一个大型问题，你能不能把它分解成 Agent 可以执行的模块？这实际上是在测试系统设计思维的颗粒度。
AI 编排能力。你能不能把多个 Agent 组织成一个工作流，让它们各自完成子任务？这已经不是传统的“写代码”了，这是分布式系统的指挥调度。
输出判断能力。Agent 生成的代码，你敢不敢直接上线？你能不能快速发现其中的 bug 和安全隐患？在 AI 生成代码的时代，代码审查能力比代码生产能力更重要。
这三重能力，恰好对应了 OpenAI 面试中重点考核的分布式系统、系统设计和行为判断的核心维度。Agentic Coding Round 不是额外加的一轮，而是前面所有面试环节的一个综合实操，它把“写代码”变成了“用代码思考”的载体。
谁在改，谁在观望？
Google 已在部分部门试点 AI 辅助面试，面试官将被明确指示评估候选人的“AI 流畅度，包括提示工程、输出验证和调试技能”。Meta 也开始在面试中考察候选人对 AI 工具的使用能力，多位候选人在面试 Meta 时被问到“你在日常工作中怎么使用 AI”。这一问题已经成了 2026 年 FAANG 面试的高频关卡。
但并非所有公司都在跟进。Anthropic 目前的面试流程仍然以渐进式系统构建和 bug 修复为核心，没有引入 AI 辅助面试轮。Amazon、Apple 和 Microsoft 的算法面试轮次仍然存在。一个更清晰的二分法正在形成：AI 原生公司，OpenAI、Google、Sierra，在快速拥抱“AI 原生面试”；传统 FAANG 在观望和试点。
OffscreenAI 的一篇分析指出，在 2026 年，FAANG 级别的算法面试不仅没有消失，反而变得更加严格。对于追求最高薪酬的工程师来说，LeetCode 仍然是必须跨过的门槛。但一个更深的矛盾正在浮现：如果你想去的是 AI 公司，或者任何真正拥抱 AI 原生开发范式的地方，光刷 LeetCode 可能已经不够了。
给工程师的启示
这场面试改革传递的信号非常清晰：软件工程的核心能力正在从“写代码”转向“驾驭代码生成系统”。
不要只刷 LeetCode 了。分布式系统设计、系统架构权衡、真实项目经验，这些在 OpenAI 面试中的权重远高于算法题。OpenAI 的 coding 问题是定制的，你在 LeetCode 上找不到原题。
学会用 AI 工具构建真实项目。不是“用 ChatGPT 写一段代码然后粘贴”，而是学会拆解大型问题，交给 Agent 去执行，然后审查和验证输出。你需要在面试中展示你如何与 AI 协作，而不是被 AI 替代。
准备好回答“你怎么用 AI”这个问题。这不是一个加分题，而是 2026 年 AI 公司面试的高频问题。一个模糊的回答可能直接导致淘汰。Google 的面试官会明确评估你的“AI 流畅度”。
更大的图景
Sundar Pichai 在 Cloud Next 2026 上说的那句话值得反复咀嚼：“工程师们正在编排完全自主的数字任务团队。”这不是关于未来的预言，而是正在发生的现实。当 75% 的代码由 AI 生成，当面试开始考“指挥 AI 写代码”，软件工程师的身份正在被重新定义。
你可能还在刷 LeetCode。但面试官已经不再问 LeetCode 的问题了。
那句在 X 上被转发了数千次的评论说得最直白：LeetCode 突然像健身房办了年卡还没去。而 OpenAI 的 Agentic Coding Round 传递的讯息更刺耳，在 AI 公司眼里，算法题的熟练程度已经不是判断工程师的标准了。判断标准变成了：你能不能指挥 AI 写出一套能跑的系统。
这才是 2026 年软件工程面试最真实的真相。
快报