"神译局是旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
  
  编者按：当前的科技招聘呈选择性复苏之势：AI领域需求激增，传统岗位门槛提升，资深工程师优势凸显。本文基于Meta、亚马逊前高管实战洞察，解析面试流程变革与分阶备战策略，为求职者厘清科技招聘新逻辑。文章来自编译。
  现在的科技市场可谓是一半是海水一半是火焰，面试流程正经历剧变。
  有大量报道证明当前的科技招聘市场要比2020-2022年间冷了不少：全球主要地区的软件工程师职位数量都在下降，纯远程岗位持续减少。但另一方面，也有其他数据显示科技招聘正开始复苏——至少对资深工程师而言是这样的。这种冰火交织的状态导致求职者和雇主都需要在不确定当中摸索前行。
  本文试图通过一线工程师的视角，厘清技术面试的变革趋势。为此，我采访了面试辅导平台Hello Interview的联合创始人Evan King与Stefan Mai。创业前，Evan曾在Meta担任过4年的高级工程师，Stefan则在亚马逊当过6年的工程经理，后任Meta高级工程经理。两人参与过数百场面试，Stefan还曾担任招聘经理。自创办Hello Interview以来，他们已帮助数千名工程师备战面试，并积累了行业动态的一手数据。
  在看过他们对系统设计面试的务实新解后，我邀请他们分享对当下初创企业与科技巨头面试生态的洞察——尤其是相较往年的变化。今日探讨的重点包括：
  
   技术招聘新常态：市场在复苏，但距离2021-2022年的巅峰状态还差得远
   解析技术招聘市场：人工智能（AI）及相关领域火热，前端/后端/移动端遇冷，应届生状况比资深工程师更艰难
   面试流程变革：数据结构与算法（DSA）及系统设计的面试形式未变，但要求更高；岗位降级更普遍，团队匹配悄然成为新关卡
   初创企业与巨头的面试差异：初创企业倾向实践型面试与AI工具，巨头对调整面试方式更保守
   分阶段备战策略：针对初级、中级、资深、专家级工程师及工程经理的建议
   一线希望：巨头招聘量回升、AI岗位激增、面试方法论日趋透明
  
  下文将详述AI领域工程师需求为何持续坚挺，且看Evan与Stefan的深度分析：
  1. 技术招聘新常态
  三年前，如果你是一名拥有3年以上经验的合格软件工程师，招聘官的职位邀约可能早已塞满邮箱。企业为争夺技术人才不惜开出天价工资，甚至为了快点招到人而对面试表现欠佳者网开一面。2020-2021年的招聘狂热堪称空前，现在再回望这段历史，很多人仍觉得恍如隔世。
  时间快进到2025年，局面已翻天覆地。作为HelloInterview.com的联合创始人，我们见证了数万名工程师在不同规模企业的面试历程。本文将通过真实案例，揭开2025年技术面试的残酷真相。
  数据显示，科技巨头的招聘量同比增长约40%。这个结论源自使用我们平台的成熟期企业员工——这些人当中绝大多数已手握面试邀约并为此备战。由于平台用户均有明确面试日程，该数据可视为行业趋势的可靠缩影。面试机会增加表明2022-2023年“科技寒冬”最艰难时期已过，值得争取的优质岗位正在涌现。不过，当前市场的规则与预期已经完全不一样了，挑战也已今非昔比。
  40%的回升仅是冰山一角。尽管科技招聘总量逐步回暖，但这是一场有选择的、战略性的复苏——许多合格工程师在更严苛的流程中举步维艰。曾饥不择食的企业如今变得谨小慎微，宁要精准匹配，不求规模速度。
  我们目睹的并不是简单的市场调整，而是评估标准的深刻转向。尽管巨头核心面试框架未变，但整体门槛已提升了约一个标准差——2021年足以斩获offer的表现，如今可能连初筛都过不了。
  2. 技术招聘市场解析
  以下是我们对当前就业市场的观察。
  选择性复苏
  从数据看，科技招聘呈明显上升趋势。TrueUp.io的职位趋势追踪显示，科技岗位数量已从2023年低谷期的16.3万增长至当前的约23万，增幅达41%。
  
  科技初创企业、独角兽及上市科技企业的开放职位数量。数据来源：TrueUp
  但当前水平仍远不及2020-2022年狂热期的50万职位峰值。尽管复苏显著，目前仅恢复至峰值的46%左右。
  与过去“水涨船高”的招聘周期不同，如今市场极度挑剔。企业严格把控人力投资方向，机会分布因技术领域、资历深浅和前雇主光环差异悬殊。
  领域专业化
  特定技术领域的工程师迎来海量机会，比方说：
  
   AI基础设施
   机器学习运维
   生成式AI应用开发
  
  这些领域的招聘盛况堪比2021年巅峰期：面试者手握多份offer、薪酬谈判强势、面试流程加速。
  比方说，谷歌一位专注于AI基础设施的湾区高级工程师近期收到Meta AI基础设施团队的offer高达百万美元以上。在谷歌内部，此类薪酬以往仅限资深专家岗。但平级跳槽获大幅涨薪并非个例——高性能计算、机器学习系统设计以及负责AI开发领域的专家也能斩获同等量级的薪酬包。
  “核心领域”工程师机会锐减。“核心领域”是指前端、后端服务、移动开发等传统方向。后期阶段初创企业已经将这些领域的多支团队整合了，转而倚重全能型的全栈工程师。全栈化导致岗位总量减少、招聘门槛提高。我们发现，这些领域的优秀面试者求职周期拉长了，即便获聘，薪酬涨幅也常低于现收入。（Gergely注：此前我们分析过原生移动工程师面临的困境，转型全栈是提升就业竞争力的明智策略。）
  因经验水平而异
  当前市场因职业阶段高度分化，不同资历工程师面临的境遇迥异：
  初级工程师与应届生面临的挑战最大。 我们采访了一位印度顶尖学府印度理工学院（IIT）的应届求职者。其详细求职记录显示：
  
   6个月求职期
   联系100家曾录用IIT毕业生的企业
   获得4次初试机会
   拿到0份offer
  
  企业大幅缩减校招规模令人担忧——这可能导致未来数年出现经验断层，甚至出现“工程师断代”。全行业初级与中级人才短缺有可能会抑制创新，因为缺乏新鲜血液进入，对现有实践发起挑战。
  中级工程师：通关面试轮次激增。 中级工程师指在知名企业有3-4年经验的专业人士。这类面试者通常能获得面试机会，但斩获offer所需经历的面试轮次大幅增加。
  比方说，一位在亚马逊拥有4年经验的湾区中级工程师，历经了11家成长型企业和科技公司的完整面试流程之后，才收获了唯一一份offer！
  热门领域的资深/专家工程师：薪酬优厚，offer任选。 企业愿为AI、基础设施及安全领域的已获验证的专家支付远超市场价的薪酬。这类面试者通常可从容挑选offer，具备强势的议价能力。
  Evan近期指导的一位微软AI基础设施组首席开发工程师（Principal SDE），一月内即收获英伟达、Snowflake、Meta等多家企业的offer！
  工程经理面临的市场很严峻。 2022-2023年科技行业大规模组织重组动摇了整个管理层的根基，企业恢复这些职位的速度缓慢。如今，众多合格工程管理者需争夺锐减的岗位，激烈竞争重塑了招聘标准。
  曾经被忽视的技术能力现被严格考察，系统设计技能也成为硬性要求。过去企业主要依据领导力选聘经理，如今还需证明其技术实操、软件工程与设计能力。
  领导力优先级亦发生剧变。过去科技公司看重跨大团队协调能力，如今则寻求既能专注执行又能支撑高管层的资深领导者——而不是只会指点方向的高层战略家。
  这种对工程领导者“亲自动手”的要求，再次激起了关于“工程经理”与“技术主管”角色界限的长期争论。毕竟，如今的工程领导者与昔日的技术主管已近乎无异！这一转变正重塑企业对工程领导力的期待。
  3. 面试流程变革
  技术面试正经历剧变，以下是我们观察到相较往年出现的关键转变：
  数据结构与算法（DSA）面试：技术门槛提升
  技术面试的基本框架未变，但通过标准显著提高。企业正重新定义""合格表现""的基准线。
  工程师在DSA面试各环节均遭遇更棘手的题目。一位曾在2021年参与谷歌面试、去年再次应聘的资深工程师表示：
  
   我曾以为谷歌永远都不考LeetCode‘困难’级的题目，如今（2024年）这已成常态。
  
  除题目难度外，实现完整性愈发受重视。面试官现普遍要求：
  
   规范错误处理
   健壮输入验证
   整洁代码风格 ——且需在原有时限内完成。
  
  未能完美解题者几无通过可能。这是面试者池人才过剩催生的残酷现实。
  系统设计面试：预期拔高
  系统设计面试标准同样大幅提升。据资深工程师反馈，如今对高级岗面试者的要求已接近过去专家岗水平，需展现对现代分布式系统概念的深入理解。
  专业知识甚至渗透到了常规面试。比方说地理空间索引曾属小众领域，现已成为“附近好友推荐”“类Yelp应用”或“Uber式打车平台”等高频系统设计题的标配。尽管略显荒谬，我们建议各层级面试者至少得掌握地理哈希、四叉树/R树等空间数据结构基础——这与DSA面试趋势同源：面试者激增、竞争加剧、门槛抬高。
  与我们合作的一位专家工程师面试者经历颇具代表性。这位在西雅图谷歌工作近15年、首次重返市场的工程师，对现代面试要求与当年入职时的差异感到震惊。尽管从未接触过流处理系统，在面试中却被要求精通“精确一次语义”“窗口技术”“水位线算法”等概念，对此他坦言：
  
   我建设与维护关键基础设施已经有十多年了，如今却需精通与专长无关领域的知识，这实在是令人沮丧。
  
  这种困境很容易令人感同身受，但面试者过剩确实会导致标准拔高。技术预期提升并非任性之举——招聘量缩减令企业变得更加挑剔，许多公司刻意寻求能解决广泛问题的通才型工程师。技术专精但领域狭窄的工程师在这样的环境下机会锐减。
  岗位降级
  岗位降级渐成新趋势。受招聘标准提升与市场环境影响，面试者——尤其是资深与专家岗的面试者——经常会拿到低于现职级的offer。
  这里有个典型案例，Stefan辅导的Meta面试者通过高级岗面试后，offer突遭撤回并被降级为中级岗。这一政策源于Meta新规要求高级岗需至少6年经验。企业的这种做法令人心寒！但该面试者因无更好选择最终只能接受offer。
  专家岗工程师尤受冲击——很多人如果能力只是刚迈过专家岗门槛的话，会被降级为资深岗。企业看准人才竞争减弱，推行更激进的职级策略；许多面试者在数月求职后无奈接受低职级的offer。
  这种情况对职业发展影响深远，通常需2-3年的时间才能恢复到原先的职级。尽管会影响自己的职业轨迹，但降级offer接受率仍显著上升——面试者在不确定市场中优先选择稳定性。
  团队匹配机制演变
  面试流程最重大的结构性变化当属团队匹配机制。这种流程目前在Meta和谷歌很盛行：面试者通过面试后需匹配具体团队方能获得offer。
  更多科技巨头采用这种机制时却悄然异化：日益成为附加的筛选关卡，而非为面试者利益服务。
  我们发现团队匹配其实就是面对招聘经理新一轮的“面试”。尽管被包装为双向选择，实则是面试者斩获offer前必须跨越的又一道障碍。
  Meta在2024年彻底改革了招聘流程，废除了沿用多年的“新人训练营”机制（新员工入职后再分配团队），转而要求面试者必须先匹配团队才能获得最终的offer。
  这种机制给许多面试者造成了困扰。跟我们合作的一位专家工程师通过Meta所有技术轮面试并获得积极反馈，却在团队匹配环节苦等了四个月。更糟的是，匹配完成时其所有的其他offer均已过期了！
  最终匹配的offer远低于预期，且因无其他选择，所以议价空间极小。尽管Meta近期似乎已清理积压案例，但数月等待仍属常态——在纽约等竞争激烈市场尤甚。
  有迹象表明，部分企业正将团队匹配延迟作为谈判策略。该机制已从提供选择异化为附加筛选层，合格面试者常因此遭淘汰或陷入等待僵局。
  尽管企业竭力淡化，团队匹配已成实质上的第二轮面试。据招聘经理透露，单个岗位通常需面试十位面试者。他们强烈建议面试者为此阶段充分准备，针对目标团队定制展示内容。
  Stefan建议面试者善用这一阶段：尽管团队匹配耗时，但可借此协调其他无需匹配的面试时间来同步offer。手握多个offer将为谈判提供关键筹码。
  4. 初创企业与巨头的面试差异
  随着AI崛起与对传统编码面试的质疑，科技巨头与新兴企业的面试形式渐行渐远。
  传统的FAANG仍坚守既有面试框架，仅作微调。某FAANG招聘负责人坦言：
  
   现有流程的惯性很大。这些企业围绕现行机制构建了完整的招聘体系，积累了多年的校准数据。若无替代方案更优的确凿证据，他们不愿冒险进行大规模改革。
  
  组织层面，面试流程变革常由工程高管层层把关，他们宁愿等到问题爆发，也不愿在苗头初现时冒险调整。
  多家中型企业转向更贴近实际工作的开放式编码挑战。比方说Stripe、Coinbase以及OpenAI的面试题包括：
  
   设计查询引擎
   实现键值存储系统
   设计支持事务处理的内存数据库 ——而非传统LeetCode题目。
  
  早期初创企业走得更远，他们允许面试者使用AI工具，把项目带回家做，而不是搞传统的编码测试。GreatFrontEnd创始人Yangshun Tay在LinkedIn积极倡导这种变革，并详述了自己的团队是如何通过这种方式来评估真实问题解决能力：
  
   我就是从科技巨头跳出来的，我深知传统面试的缺陷，因此GreatFrontEnd前端工程师招聘流程有点不一样：
   
    不用做Leeode题目
    可以把任务带回家
    任务内容是待办清单（想不到吧！）
    评估产品思维
    通过任务者可提前获知面试问题并有充足的准备时间
    面试者可获面试福利包（...）
   
   需注意，这套流程比标准的LeetCode面试更耗时，且难以应对海量申请。
  
  此举兼具双重目的：更真实反映工作场景，同时应对日益严重的考试作弊。湾区某AI初创创始人估计，传统编码测试中至少20%面试者存在明显作弊。该问题不仅限于初创企业——Evan的亚马逊面试官好友透露，其近期十位面试者中半数在监考期间用副屏调用了AI工具。通过明确允许使用工具，企业正适应职场现实与评估的诚信挑战。
  技术评估创新正从更小更敏捷的组织涌现，科技巨头沦为追随者。这与过去十年形成有趣反转——彼时谷歌等巨头的面试方法论被渴望成功的小公司效仿。但如今局势已逆转！问题在于FAANG企业何时（或是否）会适应新现实。
  现实是，除非出现强烈负面信号（如因面试评估失误导致大量人才流失），否则巨头不会轻易改革招聘流程。
  我们认为巨头更可能进行短期微调（如恢复现场面试）。他们知道，现有的面试本质是场游戏，但确实能有效筛选出愿投入高强度准备的面试者。不幸的是，面试者忍受随机算法挑战的意愿，与高绩效工程师的职场特质存在足够的相关性，使得维持现状具有合理性。
  在大语言模型（LLM）时代，固守现有面试方式恐难持续。当AI工具能轻松破解面试算法题，评估的信号价值必将衰减。未来工程师无需手动编写括号匹配或二叉树遍历代码——只需提示AI生成即可。那些推行更贴近实际的项目评估的企业，正在适应未来工程工作的真实场景。
  显然，面试者正面临双重备战格局：既需为巨头传统算法面试做准备，又要培养应对其他企业开放式实践评估的能力。
  5. 不同职业阶段的备战策略
  不同职业阶段的最佳备战策略差异显著，不同面试环节的权重随资历增长而变化。以下为我们观察到的规律：
  初级工程师（0-2年经验）
  
   80% 时间：聚焦算法与编码题
   20% 时间：准备行为面试
  
  初级岗技术门槛飙升，掌握基础算法与数据结构成硬性要求。成功面试者通常在面试前刷题150-200道（覆盖了各种难度）。首要任务是成为更强的编码者。
  中级工程师（2-4年经验）
  
   50% 编码
   25% 系统设计
   25% 行为面试
  
  企业的预期是有扎实的代码实现能力，并且初步展现出一定的架构思维。成功面试者会建立系统设计方法论——要聚焦模块化组件的组合与适配，而不是死记硬背特定的解决方案。
  资深工程师（5-8年经验）
  
   50% 系统设计
   20% 编码
   30% 行为面试
  
  核心竞争力在于设计健壮可扩展的系统，并能清晰阐述如何进行权衡取舍的能力。企业的预期是资深工程师能妥善处理模糊性：在信息不全的时候提出澄清问题并做出合理假设。
  资深面试者最常见错误是忽视行为面试准备。这是非常致命的——企业在这个阶段不仅要评估你的技术能力，更会考察领导潜力、冲突解决能力与文化适配度。
  我们目睹过面试者因尽管技术卓越，但因为无法有效阐述自身影响、描述跨团队协作经验或反思过往挑战而失败或遭降级。行为面试不是走过场——这会显著影响录用决策，资深及以上岗位尤其如此。
  专家级工程师（Staff+）
  
   编码：基础能力，此处失误可能直接出局
   90% 差异化竞争来自系统设计与行为/领导力评估
  
  对于这种级别的面试者，企业关注重点已经不是实现细节，还要评估架构视野、跨职能领导力与高管级沟通能力。成功面试者需在系统设计讨论中展现出战略思维，将技术决策与商业结果紧密关联。
  OpenAI等顶级AI实验室的招聘逻辑独特：他们会弱化传统领导力，强推“血统论”——偏好出自顶尖知名企业、AI初创企业、顶尖学府的人，或拥有易于传播的亮眼成就者。缺乏这些光环的技术精英将举步维艰。
  高效备战法则
  必须承认：技术面试已变成了偏离日常工程工作的特殊游戏。尽管这不是我们想要的理想状态，但现实就是这样。企业采用标准化的评估体系——虽不能完美映射实际职责，但这是既定规则。
  好消息是这场游戏的规则透明。规则如同进入企业的“通关密语”，看似武断却完全可习得。只要有足够投入就能掌握规律并大幅提升表现。
  （我们承认自己存在立场偏向：作为面试辅导平台，自然推崇结构化训练。）数据证明一切：无论天赋或经验，系统备战者表现始终优于随机应战者——数万面试结果皆印证了这一规律。
  就算你无力承担模拟面试的成本，替代的方案也很多：联系目标企业员工、加入Reddit/Discord求职社群或组建学习小组。方法各异，核心原则不变——面试是项通过练习、反馈与迭代来提升的技能。
  致命误区是认为自己的日常工作就是已经为面试做好准备了。面试的“表演性”——边解题边阐述思路、压力应对、清晰沟通——这些都需要在模拟真实场景中刻意训练。否则，即便是卓越工程师也可能在面试框架中折戟。
  6. 一线希望
  2025年的科技招聘市场与2020-2021年求职者面对的淘金热相去甚远。钟摆已从“请收下我们的钱”猛烈摆向“证明你的价值”，工程师们倍感压力。但也不要轻言放弃！
  亚马逊、苹果、微软、谷歌和Meta等科技巨头仍有近4万个岗位开放。即便在裁员潮当中，这些企业内部人员有进有出也是正常的。
  AI领域的爆发式增长仍在持续，OpenAI、Anthropic及众多AI基础设施初创企业正在积极招聘。不要理会“工程师即将被取代”的悲观预言——招聘实况已印证企业对技术人才的迫切需求。AI企业常提供媲美2021年巅峰期的薪酬方案，尤其青睐具备相关专长或展示出AI领域强学习潜力的工程师。
  当前脱颖而出的工程师深谙现代技术面试已变成一场规则武断、传统怪诞的“竞技运动”。他们把面试看作是表演而不仅仅是一次技术评估，并投入相匹配的刻意训练时间。
  随着AI重塑工程的工作方式，面试流程终将革新——因为旧流程不能再去测试已被AI淘汰的那些技能。但当前我们仍处在尴尬的过渡期：既要会玩传统的算法游戏，也要熟悉新兴的评估实践。
  虽说已是老生常谈，但我们已观察到一种很明确的模式：备战投入与面试成功率强相关。即便在更挑剔的环境中，系统训练的面试者仍更可能斩获多个offer。
  游戏或许更难，但至少规则公开。通过足够刻意训练与适配资历的策略，你仍能在严峻市场中胜出。
  核心洞见
  几点反思：
  零利率时代终结预示就业市场会日趋紧缩。一年前我们分析过零利率终结对软件工程师的影响，关键结论包括：竞争加剧、跳槽减少、工程经理处境艰难。Evan和Stefan的前线观察印证了这点。从某种程度而言，这种可预见的经济效应解释了当前招聘困境。
  AI火热，顶尖AI公司极度重视“血统”。令人略感意外的是OpenAI与Anthropic等企业近乎严苛的精英筛选机制。细想却合理——这些公司被海量申请淹没，如果有条件从最耀眼的科技公司挖人，何乐而不为？
  这提醒我们：即使身处AI工程领域，若无公认行业专长，从小公司跳槽至顶尖企业几无可能。如果志在于此，需规划多阶段职业路径：从不知名企业积累AI经验，逐步跳向知名公司，最终叩开顶尖之门。
  求职需更高时间投入。开发者常抱怨技术面试耗时——备战LeetCode式算法面试需大量刷题，复杂的带回家项目则需要持续数日时间。
  作为合格的工程师，你或许认为企业应认可你的专业能力、跳过繁琐评估直接发offer给你就行。但在招聘经理看来，每份录用都是风险。因技能差距或动力不足导致的错误录用堪称噩梦。面试本质是验证技能与动机的防火墙。
  我们已从2020-2022年的买方市场转向卖方市场。在这样的环境下，你很可能需投入更多时间备战面试。值得安慰的是，面试形式不会快速全盘革新，备战成果不会白费。
  行业预期持续攀升。我在Uber时，经理曾表示同职级绩效预期只升不降——因业务高速增长，每位新人都需抬高基线。这意味着各职级的“达标”标准会随时间通胀。
  如今整个行业正上演相似剧情。因大量合格工程师竞争岗位，对各职级的预期也会水涨船高，降级现象因此会更加普遍。
  如果你拿到了一份降级的offer：首先还是要祝贺你！在当前市场下这本身就是成就。评估结果时要考虑到当下的市场环境，勿过度沮丧。若尚未获得offer，也要知道这是十年来最严峻的时刻，求职周期较以往更长，所以请稍安毋躁，付出总会有回报的。
  译者：boxi。"