AI 都会做题了，还要刷 LeetCode 吗？
面试现状实话实说：什么岗位还在考、考到什么档位、什么岗位早就不看了。点选你的目标岗位，对号入座
本页解决的问题
先给结论AI 都会做题了，还要刷 LeetCode 吗？
面试现状实话实说：什么岗位还在考、考到什么档位、什么岗位早就不看了。点选你的目标岗位，对号入座
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
点一张卡，看这个岗位的面试还考不考算法、工作中真正用在哪、以及给你的一句话建议。内容是基于 2026 年行情的经验判断，不同公司差异很大，仅供参考。
面试还考吗
工作中用在哪
给你的建议
⚠️ 以上是 2026 年主流行情的经验总结，头部大厂、初创公司、外企的口径可能完全不同——面试前一定查目标公司的近期面经。
同一场技术面试，考察重心这几年发生了明显位移。点切换年份，看四块能力的比重怎么变（示意图，非精确统计）。
验收 AI 写的代码
这是贯穿数据结构、算法两章的同一个主题：AI 写的代码能跑通 ≠ 能上线。它可能给你一个 O(n²) 的实现，在 Demo 数据上毫无破绽，数据量翻百倍后当场卡死。看得出快慢的人，在合并代码那天就能拦住它。
和技术同事说得上话
评审会上一句「这里是 O(n²) 吧，数据量上来怎么办？」，比十句「这个会不会很慢啊」更能建立信任。算法词汇是技术团队的通用语，你不需要会解题，但听得懂、问得出，话语权就完全不同。
「死刷 300 题背套路」的时代，确实过去了
这个批评是对的。AI 秒解 LeetCode hard 的今天，把题解背下来的边际价值大幅缩水——面试官也知道你可能背过原题，所以越来越多公司改成变体题、开卷 AI 协作题。真正保值的是理解思想：为什么二分要求有序、递归的代价在哪、什么时候空间换时间。思想懂了，题目怎么变都追得上；只背套路，换个皮就露馅。理解思想 > 背题，这是本章十课一直在做的事。
「对号入座 · 点选你的岗位」里的算法代价曲线
「点一张卡，看这个岗位的面试还考不考算法、工作中真正用在哪、以及给你的一句话建议。」真正训练的不是背诵步骤，而是识别重复工作：输入变大时，程序到底多做了多少次比较、移动或递归。
先找重复工作，再谈快慢
「⚠️ 以上是 2026 年主流行情的经验总结，头部大厂、初创公司、外企的口径可能完全不同——面试前一定查目标公司的近期面经」可以拆成输入规模、每轮做什么、以及是否能缩小下一轮范围三个问题。Big-O 是描述增长趋势的语言，不是对每台机器的精确计时；常数、内存和真实数据分布也会影响最终结果。
- 先对号入座 ：要不要刷题没有统一答案，岗位不同结论完全不同
- 面试重心在位移 ：手写白板降温，系统设计和「会用 AI、能验收 AI」升温
- 不面试也值得懂 ：验收 AI 代码 + 和技术同事说得上话，两个理由都够硬
别把理论最优当成无条件最优
面对 AI 写出的算法，先用小输入手算一遍，再用逐渐放大的数据做基准测试。这样才能把「这个批评是对的。AI 秒解 LeetCode hard 的今天，把题解背下来的边际价值大幅缩水——面试官也知道你可能背过原题，所以越来越多公司改成变体题、开卷 AI 协作题。真正保值的是 理解思想 ：为什么二分要求有序、递归的代价在哪、什么时候空间换时间。思想懂了，题目怎么变都追得上；只背套路，换个皮就露馅。」从一句结论变成可检查的性能判断。
从「对号入座 · 点选你的岗位」走到「面试的变与不变 · 2020 vs 2026」
「对号入座 · 点选你的岗位」先把问题落在「点一张卡，看这个岗位的面试还考不考算法、工作中真正用在哪、以及给你的一句话建议。 内容是基于 2026 年行情的经验判断 ，不同公司差异很大，仅供参考」上；到了「面试的变与不变 · 2020 vs 2026」，讨论继续推进到「同一场技术面试，考察重心这几年发生了明显位移。点切换年份，看四块能力的比重怎么变（示意图，非精确统计）」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
算法题换成真实任务后，先找出重复工作，再问输入规模如何变化，最后用一个小基准验证理论判断。这样不会把复杂度记成脱离场景的标签。
- 「对号入座 · 点选你的岗位」：点一张卡，看这个岗位的面试还考不考算法、工作中真正用在哪、以及给你的一句话建议。 内容是基于 2026 年行情的经验判断 ，不同公司差异很大，仅供参考
- 「面试的变与不变 · 2020 vs 2026」：同一场技术面试，考察重心这几年发生了明显位移。点切换年份，看四块能力的比重怎么变（示意图，非精确统计）
- 「最后的要点」：行情会继续变 ：本课是 2026 年的快照，面试前记得查目标公司最新面经
最后的「最后的要点」把讨论落到「行情会继续变 ：本课是 2026 年的快照，面试前记得查目标公司最新面经」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
✅ 这一课想和你分享的
- 先对号入座：要不要刷题没有统一答案，岗位不同结论完全不同
- 面试重心在位移：手写白板降温，系统设计和「会用 AI、能验收 AI」升温
- 不面试也值得懂：验收 AI 代码 + 和技术同事说得上话，两个理由都够硬
- 背题时代结束了：理解思想 > 背套路，思想懂了题目怎么变都追得上
- 行情会继续变：本课是 2026 年的快照，面试前记得查目标公司最新面经
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。