有位候选人做完美团 AI 全栈的 AI Coding 题,在面经末尾求助:有没有文档推荐,学习一下 AI Coding 做题步骤,「我是和 AI 在那乱说,感觉我没参与什么,一直是 AI 在改改改」。
这句话差不多就是这道题的考点。面试官问你平时用什么工具,真正想听的是你在这个过程里干了什么。
这是 Agent 高频面试题单第 2 题的详解。题单里这题是 65 位作者、83 场面试,和第 1 题 RAG 链路只差两位作者。写这篇时,我又在牛客把 8 月 18 日到 10 月 18 日的面经专门重扫了一遍,这次不限岗位。结果是 208 位作者、332 场面试问到了 AI Coding。标题写明 AI、Agent 或大模型岗位的只有 107 场;标题是后端、全栈、前端、客户端、测开这些岗位的有 126 场,其余大多没写岗位。这题已经不只是 Agent 岗在问了。
题单里排第 25 的「怎么保证 AI 生成代码的质量」,在面试里常常和这题连着问,这篇一起讲。
重扫的 332 场,问法大致分五类,按作者数排:

一场面试常常不止问一类,所以场次加起来比 332 多。工具名里,Codex 出现在 55 位作者的面经里,Claude Code 48 位,Cursor 15 位。国产工具很少:Trae 6 位,Qoder 3 位,GLM 和 Kimi 各 2 位。所以这篇不按工具分节,讲各家都有的机制。
下面按面试官追问的顺序讲:会用,懂原理,能把关。最后讲上机题,它是把这三层放到现场一起考。

一、会用:讲清你自己的流程
1. 工具说到什么程度
开头这一问,面试官多半只是起个头:「用过哪些 AI Coding 工具?」照实说就行,说你真用过的,再说清楚各用在什么地方。比如终端里的 Agent 用来改多个文件、跑测试;IDE 里的对话和补全用来改手头这一段。不用罗列产品,面试官接下来会顺着你说的往下问。
有些追问是在核实你是不是真的在用。比如百度一位面试官问「你有付费使用 Codex,Claude Code 嘛?」,另一场面试直接让候选人共享屏幕,打开 Codex 看看订阅的是什么套餐。用 Claude Code 的,可能被问底层配的是什么模型。只装过、没用熟的工具,别写在简历上。
最容易答坏的是比例问题:「项目是不是全部用 AI Coding?」「两个项目中 AI 辅助编程大概占多少比例?」说「全是 AI 写的」不丢人,说不清自己做了什么才丢分。更稳的答法是把分工讲清楚:哪些是你定的(需求拆分、接口和数据结构、技术选型),哪些交给 AI 写,哪些是你逐行看过、改过的。
2. 规则文件:把一次次的提醒写下来
用得久了,一般会把反复跟 AI 说的话写成文件,每次开工自动带上。面试官问「是否做过规则配置(如 .cursorrules)?」「用过 Hooks 等特性吗?」,看的就是这个。
各家的叫法不同,思路是一样的:
Claude Code 读项目里的 CLAUDE.md,每次会话都会带上。官方文档里写着,仓库里已经有给其他 Agent 用的 AGENTS.md,Claude Code 也能读它,不必再写一份。
Codex 读 AGENTS.md。它从全局目录开始,再从项目根目录一路读到当前目录,逐层拼起来;离当前目录越近的文件排得越靠后,优先级也越高。默认合起来最多 32 KiB。
Cursor 的规则放在 .cursor/rules 下,是带元数据的 .mdc 文件,可以按文件路径自动生效,也可以手动调用。它同样支持 AGENTS.md,包括子目录里嵌套的。
迅雷有位面试官问过:「如果 CLAUDE.MD 的话,大家 Coding Agent 不一样,怎么办?」团队里有人用 Claude Code,有人用 Codex,规则就该放在大家都认的 AGENTS.md 里,各家的专用文件只放各自独有的部分。我自己的写作仓库就是这么做的,约定只写在 AGENTS.md,CLAUDE.md 里只有一行 @AGENTS.md 把它引进来。
规则文件里写什么,比用了什么格式更重要。值得写进去的是:项目怎么构建、怎么跑测试,代码风格,哪些目录不能动,以及踩过的坑。Hooks 管的是「每次都必须做」的事,比如改完文件自动跑格式化和 lint,不用每次都提醒 AI。
3. 一个完整流程怎么讲
「你平时使用 AI Coding 工具的完整开发工作流是什么?」这类问题,按一个需求从接到到合入讲一遍最清楚:
先让 AI 读代码、出方案,不急着写。你确认方案,改掉不对的地方。
把任务拆小,一次只做一块,每块做完能单独验证。
让它写完就跑测试、跑 lint,失败了自己修。
你看 diff,挑重点逻辑追问,确认没问题再提交。
面试官接着可能问:「你人在整个开发过程中主要参与的环节是哪一些?」答案就在上面四步里:定方案、拆任务、定验收标准、看 diff。
团队协作的问法也开始出现了:「复杂项目多人用 AI Coding 开发时,上下文怎么处理?」「多个人用不同 AI 工具开发同一个功能时,你们怎样协作?」可以从三处答:规则文件进版本库,大家共用;方案和接口约定先写成文档,再分头让 AI 实现;合入前照常走 code review 和 CI,不因为是 AI 写的就放松。
有人会问到 SDD(Spec-Driven Development,规格驱动开发):先把需求写成一份可以验收的规格文档,再让 AI 照着实现。被问「采用的是哪套 AI Coding 工作流,例如 SDD、Superpowers 或其他流程?」时,用过就讲你怎么用的,没用过就讲你自己的流程,不用硬套名词。
还有一类是关于国产工具的。重扫里问到的不多,但问法很直接:「有用过国产的 AI 工具吗,体验如何?」「企业内部不能使用 Claude、Codex 这类国外工具,只能使用国产内部模型,会不会影响你的开发产出效率?」不少公司的上机环境给的也是国产模型,后面讲上机题时会说到。平时哪怕只是用国产模型跑过同一个任务,也比只会说「没用过」强。
面试常问:用过哪些 AI Coding 工具,为什么选它?Codex 和 Claude Code 各自更擅长解决什么类型的任务?项目里哪些代码是你写的,哪些是 AI 写的?用 Claude Code 有哪些使用规范和提效小技巧?为什么会切换多款不同的 AI 工具?是否做过规则配置?用过 Hooks 吗?作为服务端开发,使用 AI Coding 时需要给 AI 哪些特殊的上下文和约束?你的 AI Coding 工作流是怎样的,有没有更 native 的做法?怎么判断两个人 AI Coding 的能力?
二、懂原理:工具本身就是一个 Agent
Agent 岗爱问这一层。面试官问 Claude Code 怎么压缩上下文,其实是借一个你天天在用的东西,考你懂不懂 Agent。这一层和第 5 题(上下文太长怎么办)、第 9 题(Harness、Agent Loop)是连着的,这里只讲 AI Coding 工具里的样子。
1. 一个循环
Claude Code 的官方文档把它的工作方式描述成一个循环:收集上下文,采取行动,验证结果,三步交织着反复进行,直到任务完成,人随时可以打断。模型负责推理,工具负责动手:读写文件、搜索、执行命令、上网查、看类型错误。文档还专门说,模型外面这一层提供工具、管理模型看到的上下文,这就是常说的 Agent Harness。
面试里被问「Claude Code 的原理、组成和工作流是什么」,按这个说就有骨架:一个循环,一组工具,一套上下文管理,再加一层权限控制。
2. 上下文怎么压缩
工具原理里,这一点被问得很多,Claude Code 和 Codex 都有人问。
按 Claude Code 官方文档的说法:上下文快满时,它先清掉较早的工具输出,必要时再把对话总结压缩。你的请求和关键代码片段会保留,但对话早期的详细指令可能丢失,所以长期要遵守的规则应该写进 CLAUDE.md,不要只在对话里说一次。想控制压缩时保留什么,可以在 CLAUDE.md 里加一节「Compact Instructions」,或者手动运行 /compact 并带上重点,比如 /compact focus on the API changes。用 /context 能看到上下文都被什么占着。

另外几个机制也是为了省上下文:
Skill 按需加载。启动时只看到每个 Skill 的描述,用到时才加载全文。
MCP 的工具定义默认延迟加载,用到某个工具时才把它的定义拿进来。
子 Agent 在自己的上下文窗口里干活,做完只把一段摘要交回来,中间的工具调用不占主对话的上下文。
Codex 也有 /compact,文档里的说法是把之前的轮次替换成一段简洁的摘要,腾出上下文,同时保留关键细节。
面经里有人被问 Claude Code 的「三层压缩」。官方文档里没有这个说法,网上的源码分析说法不一。被问到时,先讲文档里能确认的部分,再说明哪些是你看社区分析得来的,比编一个层数稳妥。
3. 怎么在大仓库里找代码
「面对大型代码库和有限上下文窗口,Coding Agent 如何理解整个项目?」还有一个更尖的版本:「之前用 RAG 检索代码,现在却直接用 grep 检索,原因是什么?」
Claude Code 文档里列的内置搜索工具,就是按文件名模式找文件、按正则查内容。为什么这样做也行,可以从几方面说:代码一直在改,向量索引要跟着同步;代码里大量是函数名、错误码这类要精确匹配的符号,第 15 题讲过,这正是向量检索的弱项;Agent 可以多轮搜索,一次没找到就换个词再搜,读到一个文件又顺着引用找下一个。再加上规则文件里写好的项目结构说明,大仓库也能一步步摸清。
4. 权限和沙箱
「AI 编程助手怎么做指令安全分级,如何防止高危命令执行?」「Codex / Claude Code 等工具的本地沙箱如何做?」这两家的设计思路不太一样,正好可以拿来对比:
Claude Code 主要靠权限模式和规则。模式有几种:每次改文件、跑命令前都问;自动接受文件修改,其他命令还要问;只读代码、出计划,不改源码;还有一种由分类器在后台审查,拦下有风险的操作。常用的安全命令可以在 .claude/settings.json 里放行。另外,它改文件前会先存快照,按两次 Esc 就能回退。不过快照只管本地文件,数据库、接口调用、部署这类远端操作退不回来。
Codex 把沙箱和审批分成两层。沙箱是技术边界,规定能改哪些文件、命令能不能联网,它启动的 git、包管理器、测试这些命令也在沙箱里;审批策略决定要越过边界时,什么时候停下来问你。

答这类题,可以落到一个判断上:能撤销的操作可以放开,撤销不了的操作要拦住或者先问。
5. Claude Code 和 Codex 有什么区别
这一句在工具类问法里很常见。别答「哪个更强」,模型和版本几个月就变一轮。从你用过的机制讲区别,面试官更容易接着往下聊:说明文件怎么组织,权限怎么控制,上下文怎么管理,各自适合什么任务。上面几节已经有现成的对比点。
如果你只用过其中一个,就说只用过一个,讲清楚它的机制,再说你了解到另一个在哪些地方不同。
面试常问:Claude Code 是怎么做上下文压缩的?Codex 的上下文压缩机制有什么优势?Claude Code 在任务执行过程中收到用户新增的要求,会怎么处理和注入这条指令?Claude Code 本身用了多 Agent 架构吗?Codex 一般先读什么文件?用 Codex 迭代新功能时,历史上下文存在什么地方?你了解 Claude Code 的沙箱机制吗?如何在不修改 Codex 的情况下让它使用本地的工具?Codex 和 Claude Code 有什么区别?
三、能把关:AI 写的代码谁负责
这是并进来的第 25 题。题单里它是 16 位作者,重扫里「怎么把关」这一类有 58 位作者问到,分散在后端、前端、测开各个岗位。问法都很具体:
「AI 开发的功能,review、测试都没问题,上线后出现严重问题,是谁的责任?」
「AI 生成速度超过人工 Review 速度时怎么办?」
「如果让 AI 一次性生成成千上万行代码,代码审查应该交由 AI 自动审,还是由人工审核?」
「如何避免 AI 生成代码污染主分支?」
「为什么有时候 AI 生成的代码虽然能跑,但逻辑很烂?」
「有时候 AI 写的代码你看不懂了,这个问题你怎么解决?」
第一个问题的答案没有悬念:代码是你提交的,就是你负责。面试官想听的是你怎么让自己负得起这个责:
先审方案,再审代码。方案错了,代码写得再干净也没用。字节有一场面试问:「AI 给出的技术方案很长,人应该怎样 Review、抓重点和做取舍?」可以先看它改了哪些模块、加了哪些依赖、数据怎么流,跟你的预期对不上的地方先问清楚。
任务拆小,提交拆小。美团有位面试官直接点破了一位候选人的问题:所有任务串行跑完再让人 CR,AI 生成的代码本来就难读,一堆任务一起生成更难弄。生成速度超过 review 速度时,该做的是把每次交给 AI 的任务改小,而不是把 review 做浅。
让机器先挡一道。测试、类型检查、lint 和 CI 都跑过了,人再去看逻辑。
看不懂的代码不合入。让 AI 解释清楚,或者让它换一种你看得懂的写法。
别污染主分支:在分支或 worktree 里做,走正常的 PR 和 review,合入前过 CI。
至于「能跑但逻辑很烂」,常见原因是 AI 只看到了眼前这一段,没看到项目里已有的写法和约定,于是又造了一遍轮子,或者为了让测试通过绕开了真正的问题。规则文件里写清楚约定,方案阶段先让它找到已有的实现,能减少这类问题。
还有一种越改越乱的情况:同一个问题让 AI 修了三四轮还没修好,代码越堆越多。这时候别再接着让它改了,退回到最后一个好的版本,把问题描述清楚,或者把任务拆小,重新来一遍。
面试常问:怎么保证 AI 生成代码的质量?AI 生成的代码,你怎么验证正确性?AI 写代码的时候,怎么保证它不发散、不多写额外的东西和逻辑?在大型遗留系统里用 AI Coding 有哪些风险,怎么确保修改不影响现有业务?AI 生成的代码出了问题,脱离这些代码,怎么快速定位?自动化 review 时,AI 按自己的判断坚持另一个方案,和你的预期不符,怎么办?工作中 vibe coding 会不会把数据放进提示词里?
四、上机题:面试官在看什么
重扫里有 33 位作者记了 AI Coding 上机题,字节、阿里、美团、快手都有。形式大致有三种:
提前发题。面试前两小时发题,不限 AI 工具,面试时共享屏幕演示,讲代码含义和思路,展示用 AI 解题的过程。字节好几个部门这么考,美团也有。
现场做。阿里淘天一场是 30 分钟写一个商品计价系统,要能随时更新优惠策略;快手一场是做一个满多少钱送赠品的页面;美团一场是做订单详情页。阿里云一场给了 120 分钟,要实现一个动态写入系统,考虑各种异常情况。美团有自己的 AI Coding 平台,有候选人吐槽平台里的模型太慢。
和手撕二选一。滴滴、字节客户端都出现过。滴滴那位候选人选了 AI Coding,半个小时做出第一版,被面试官说做得太假,又改了半小时被叫停,面试官给了不少 AI Coding 思路上的建议。
做完以后,追问大多是这一类:「讲一下这道题 AI Coding 时你的思路是什么,技术选型的原因是什么,AI 起到什么样的作用?」携程一位候选人的总结是:考的不是让 AI 帮你写代码,而是你能不能把工程思路讲清楚。
我们公司怎么考
我们公司的上机题也是这个路子。限时一般二三十分钟,用的是一个在线 IDE,带云端环境,类似 Cursor 那种,工具不能自己选。模型可以选,主要是国产的,比如 DeepSeek、GLM、Kimi。题目一般是一个业务小功能,举个例子,比如做一个微博 timeline 页面。
我主要看两件事。一是实时看候选人怎么跟 AI 沟通。二是代码生成以后,候选人对这份代码是什么态度:会自己做 review,还是完全信任 AI。
我会专门挑 AI 容易出错的地方问。最容易出错的是复杂逻辑,特别是比较长的函数或方法。我会指着一段问:这个是干什么的,主要功能是什么?还会重点看容错和边界 case 有没有考虑到。iOS 开发里的线程安全也是重点。还有一个是 UI 性能,没有相关经验的人比较容易漏掉。
遇到问题时,自己动手解的候选人很少,大多还是继续追问 AI。这本身没问题,区别在于追问的时候有没有自己的一套方法,还是想到哪儿问到哪儿。很多人问不到重点。
追问 AI 可以这样准备
拿 timeline 页面举例,下面这套方法可以提前练:
先让 AI 讲,再让它写。动手前让它说清楚数据怎么流、状态放在哪、分页怎么做。它讲不清的地方,写出来多半也有问题。
长函数让它逐段解释,你自己能复述出来才算过。面试官问「这段是干什么的」,你得答得上来。
按风险清单逐项问,不要想到哪问到哪:
边界和容错:数据为空、翻到最后一页、网络请求失败、用户连续下拉刷新。
线程安全:数据源会不会在多个线程里同时被改,UI 更新有没有回到主线程。
UI 性能:cell 有没有复用,图片是不是异步加载和解码,高度怎么算,长列表滑动会不会卡。
- 让 AI 自证,而不是问它一句「有没有 bug」。要它构造边界输入、写测试,跑一遍给你看。题单里有个问法正好对得上:「AI 审查完说没问题,这个结论可靠吗?」不可靠,所以要让它拿测试结果来证明。
这份清单针对的是客户端页面,换成后端题,第 3 步换成并发写入、幂等、超时重试、事务边界就行。重点是在开始追问之前就想好要查什么。

上机还有一个难处:时间短,环境陌生。字节一位候选人的经历可以参考:做提前发的题时,本地的 Agent 工具全罢工了,找备用工具接备用 API 折腾了很久,最后用 GLM 踩点跑完。平时多换几个工具和模型做同一件事,上机时就不会被环境卡住。
面试常问:拿到 AI Coding 题以后,你是怎么解读、实现的?讲一下你 AI Coding 的思路。AI 在这道题里起了什么作用?这道题实际花了多长时间?AI 给出的方案很长,你是怎么取舍的?
五、看法题:别喊口号
「你认为目前 AI Coding 最大的问题是什么?」「有 AI Coding 工具后,程序员还要会写代码吗?」「AI 写代码,哪些可以交给 AI,哪些不能?」这类问题在重扫里有 35 位作者被问到。
有位候选人在腾讯 IEG 二面被问对 AI Coding 的认识、人和 AI 在开发中应该扮演什么角色,这位候选人的感受是「完全没给喊口号的机会」。面试官会顺着你的回答往下问,所以最好用自己踩过的坑来回答:哪类任务 AI 做得好,哪类任务它反复出错,你后来是怎么调整的。说「AI 是工具,人要有判断力」,下一个问题就会是「举个例子」。
六、面试怎么答
两分钟左右的主线:
工具:用哪几个,各用在什么场景,不夸大。
流程:先出方案再写代码,任务拆小,跑测试,你负责定方案和看 diff。
配置:规则文件里写了什么,为什么写这些。
把关:怎么 review,怎么验证,出过什么问题,后来怎么防。
原理:被追问时,能讲清你用的工具怎么管上下文、怎么控制权限。
最好带一个具体的例子:一个需求,AI 第一版哪里写错了,你是怎么发现的,怎么让它改对的。
几个常见的失分点:
只报工具名,说不出自己怎么用。
说项目全是 AI 写的,却讲不清哪些是自己定的。
被问到上下文压缩、沙箱这些原理,只能说「它很智能」。
上机题全程只在跟 AI 对话,问到代码细节答不上来。
出处
文中的面试问法都出自下面这些面经,括号里是发帖日期,链到牛客原帖。
开头的例子:美团面试(AI 全栈)(10-17)
会用:百度 Agent 一二三面(08-28)· xx 科技一面(09-23)· 超参数二面(09-09)· 小红书 Product Engineer 一面(09-24)· 小厂全栈面经(08-26)· 阿里千问二面(08-28)· 美团 AI 后端一面(09-10)· 迅雷 Agent 一面(09-23)· 字节 Agent 秋招一面(09-16)· 理想汽车 IT 全栈一面(10-09)· 快手生服测开一面(09-17)· 快手 AI 应用二面(09-24)· 美团 AI 后端一二面(10-01)· 腾讯技术咨询三面(09-02)· 药明康德二面(09-23)· 百度前端一二面(09-03)· 合合信息前端一面(09-16)· 豹趣科技一面(09-24)· 字节 Agent 全三轮(10-18)· 百度后端二面(08-21)
懂原理:百度大模型研发一面(08-25)· 快手效果营销二面(08-25)· 字节业务中台 AI 全栈(10-12)· 阿里边缘 BU 一面(09-03)· 百度后端一面(08-20)· 字节即梦后端一面(10-15)· 字节后端日常一面(08-25)· 科大讯飞 AI 应用一面(09-24)· 百度 Agent Harness 一面(09-08)· 中科曙光前端一面(09-29)· Shopee 后端一面(09-12)· 蚂蚁 Agent 一面(08-31)· 中兴 AI 算法一面(09-23)
能把关:欢乐互娱前端一面(08-24)· 美团 AI 后端二面(09-14)· 汇川数字化全栈一面(09-22)· 网易 Agent 一面(10-17)· 字节 AI 应用二面(08-30)· 趣链科技 Java 面经(09-14)· 字节抖音电商 Agent 一二三面(10-07)· 美团一面(09-16)· 东方财富一面(09-18)· 平安银行一面(10-13)· 恒生电子二面(10-14)· 华顺信安 golang 实习(10-16)· 华为 OD 面试(09-22)
上机题:字节秋招二面(09-04)· 字节全栈一二三四面(10-17)· 字节抖音电商二面(09-15)· 美团一面(09-08)· 阿里淘天 AI 应用一面(08-27)· 快手 AI 全栈一面(08-25)· 美团一面(09-02)· 阿里云 Agent Infra 一面(09-01)· 美团 AI 全栈二面(09-23)· 滴滴一面(09-10)· 字节抖音电商客户端一面(09-15)· 淘天 AI 应用一面(09-15)· 美团 Agent 一面(10-12)· 携程一面(10-09)· 字节二面(双非前端)(09-05)
看法题:腾讯 IEG 后台二面(10-01)· 字节后端一面(09-24)· 嘉为科技一面(10-13)
官方文档:How Claude Code works · Codex:AGENTS.md · Codex:Sandbox · Codex:斜杠命令 · Cursor:Rules