2025技术面试巨变！🔥AI领域工程师炙手可热，传统前端/后端遇冷。面试难度升级，DSA和系统设计要求更高，降级offer增多。初创拥抱AI工具和实践，FAANG仍坚持传统。团队匹配成新筛选关卡，LeetCode刷题已不够！
译自：The Reality of Tech Interviews in 2025
作者：Gergely Orosz; Evan King; Stefan Mai
大家好 – 这是Gergely为您带来的每月免费 Pragmatic Engineer Newsletter。在每一期中，我都会从工程经理和高级工程师的角度来探讨大型科技公司和初创公司面临的挑战。如果您收到了这封转发的邮件，您可以在这里订阅。
据广泛报道，技术招聘市场比2020-2022年要冷淡得多；软件工程职位空缺的数量在所有主要地区都在国际范围内下降，并且全远程职位的数量正在稳步下降。与此同时，其他指标表明，技术招聘开始复苏——至少对于高级工程师而言——正如上个月在文章《招聘人员眼中的初创企业和规模化企业招聘市场现状》中所述。所有这些都使得候选人和雇主都处于需要努力适应的状态。
本文试图通过关注参加面试的工程师所看到的情况，来阐明技术面试是如何变化的。为此，我找到了Evan King和Stefan Mai，他们是面试准备初创公司Hello Interview的联合创始人。在创办这家公司之前，Evan曾在Meta担任Staff工程师4年，Stefan曾在亚马逊担任工程经理6年，并在Meta担任高级工程经理。他们已经进行了数百次面试，而Stefan也曾担任招聘经理。自从推出他们的新业务以来，他们已经帮助了数千名工程师准备面试，并收集了有关就业市场脉搏的信息。
在阅读了他们关于系统设计面试的实用且新颖的观点后，我联系了他们，以了解他们对当前环境下在初创公司和大型科技公司面试的开发人员的坦诚看法，特别是与几年前相比。今天，我们将讨论：
- 技术招聘的新现实。市场正在反弹，但仍远低于2021-2022年的峰值。
- 分析技术招聘市场。人工智能（AI）和相关领域很热门，而前端/后端/移动端则不然。对于应届毕业生来说，这比有经验的工程师更难。
- 面试流程的变化。DSA和系统设计面试的形式保持不变，但要求更高。降级更为常见，并且团队匹配已悄然成为另一个需要克服的障碍。
- 初创公司和大型科技公司的面试形式有所不同。初创公司更倾向于实践性面试和AI工具，而大型科技公司在改变方法方面似乎不太灵活。
- 按经验划分的准备策略。针对入门级、中级、高级、Staff+技术专业人员以及EM的建议。
- 一线希望。大型科技公司的招聘人数正在增加，人工智能职位蓬勃发展，并且面试的剧本是公开的。
在下面的文章中，我们将介绍对人工智能领域工程师的需求如何保持强劲。有关掌握工程实践的技巧，请参阅深入探讨的文章《现实世界中的人工智能工程》和《与Chip Huyen一起进行人工智能工程》。
接下来，交给Evan和Stefan：
三年前，如果您是一位拥有3年以上经验的合格软件工程师，那么您很可能会收到招聘人员发来的大量职位邀请。公司争夺工程人才，向候选人提供非凡的薪酬待遇，在某些情况下，甚至会忽略较差的面试表现，以便更快地完成招聘。2020-2021年的技术招聘狂潮是特殊的；许多人现在怀着怀旧和难以置信的心情回顾这段时期。
快进到2025年，情况发生了巨大的变化。作为HelloInterview.com的联合创始人，我们一直在前排观察这些变化，观察了各种规模公司的数万次工程面试过程。在本次深入探讨中，我们旨在通过候选人今天的真实经历，向您展示2025年技术面试的真实情况。
我们观察到大型科技公司的招聘量同比增长了约 40%。 这些数据来自目前在后期公司工作的候选人，他们中的绝大多数使用我们的平台来准备他们已经安排好的面试。 这为整体技术招聘趋势提供了一个可靠的参考，因为我们平台上的候选人有直接、具体的面试日期。 越来越多的候选人获得更多面试机会表明，2022-2023 年技术寒冬最糟糕的时期已经过去，并且有更多有吸引力的职位值得准备。 尽管如此，我们仍在以根本不同的市场规则、期望和挑战运营。
40% 的反弹仅仅是故事的一部分。 是的，从总体上看，技术招聘正在缓慢复苏，但这是一种有选择性的、战略性的复苏，让一些合格的工程师难以驾驭现在更加苛刻和不宽容的流程。 曾经迫切需要填补空缺的公司现在变得有条不紊和谨慎，在招聘决策中优先考虑精确性而不是速度和数量。
我们所目睹的不仅仅是市场调整； 而是评估标准中一种微妙但意义重大的转变。 虽然大型科技公司的核心面试结构基本保持不变，但标准已经全面提高了大约一个标准差，并且在 2021 年能够获得 offer 的表现今天可能甚至无法通过筛选阶段。
以下是我们对当前就业市场的看法。
从原始数据来看，技术招聘似乎呈现出稳步上升的趋势。 TrueUp.io 的职位趋势跟踪显示，技术职位发布量已从 2023 年的 163,000 个低点上升到今天的约 230,000 个； 大约增加了 41%。
科技初创公司、科技独角兽公司和上市科技公司的技术职位空缺数量。 来源： TrueUp
职位空缺增加 42% 与我们在 HelloInterview 使用指标和模拟面试量中观察到的情况一致，当我们调整安排了面试的候选人的数据时。
不过，我们仍然远低于 2020-2022 年的狂热高峰。 那时，空缺职位达到近 50 万个。 目前的复苏虽然意义重大，但仅使我们恢复到该峰值的 46% 左右。
与之前技术招聘周期中水涨船高的局面不同，今天的市场以极强的选择性为特征。 公司在投入人力方面变得更加挑剔，机会因专业、经验水平和前雇主的声望而异。
某些专业领域的工程师看到了很多相关的职位空缺， 例如：
- AI 基础设施
- 机器学习运维
- 生成式 AI 应用程序开发
这些领域的招聘让人想起 2021 年的峰值； 通常有多个 offer、积极的薪酬和快速的面试流程。
例如，一位在 Google 专门从事 AI 基础设施的湾区 staff engineer 最近收到了 Meta 的 AI 基础设施团队的竞争 offer，总薪酬超过 100 万美元。 以前在 Google，这样的数字通常是为高级 staff 职位保留的。 但是在更换公司时获得大幅加薪，同时保持在同一级别，并不是一个孤立的事件； 我们看到高性能计算、ML 系统设计以及专门从事负责任的 AI 开发的人员也获得了类似规模的薪酬方案。
“核心”领域的工程师看到的机会较少。 “核心领域”指的是前端、后端服务、移动开发和类似领域。 以前在这些领域维持多个团队的后期初创公司已经与更强大的全栈工程师合并。 专注于全栈会导致总体员工人数减少、职位空缺减少以及更具选择性的招聘流程。 我们看到在这些领域拥有强大背景的候选人通常需要很长时间才能找到职位，而且当他们获得 offer 时，薪酬增长很少高于他们目前的收入。 Gergely 的说明：我们之前已经看到原生移动工程师面临着更严峻的就业市场，并且变得更加全栈是提高就业能力的明智策略。
经验丰富的工程师仍然可以获得多个 offer，尤其是那些与招聘公司有直接相关经验的工程师。这可能是深厚的领域专业知识（例如，在基础设施领域工作，然后面试基础设施团队；在金融领域工作，然后面试金融科技公司等），或者可能是对雇主来说至关重要的深厚技术专业知识。与此同时，技能不那么容易转移的工程师面临着一场艰苦的战斗。狭窄的技能组合通常是在 Google 或 Meta 等公司工作时形成的，在那里，人们专门研究更广泛市场上不存在的专有系统、工具和技术。
当前的市场也按职业阶段划分，为工程师创造了截然不同的现实，具体取决于经验：
**初级工程师和应届毕业生面临着最大的挑战。**我们与一位在印度的求职者进行了交谈，他毕业于 IIT——该国最负盛名的计算机科学大学。他们分享了一份精心维护的求职电子表格：
- 6 个月的搜索
- 联系了 100 家公司；所有公司都知道从 IIT 招聘
- 4 次初步面试
- 零 offer
曾经维持强大的大学招聘计划的公司已经大幅缩减了这些计划，这令人担忧，因为这可能会造成影响行业多年的经验差距，并可能表现为工程师的“缺失一代”。这可能会造成整个行业早期和中期人才的短缺；可能会阻碍创新，因为进入该领域并挑战既定做法的新鲜视角减少了。
**中级工程师：获得 offer 需要更多的面试轮次。**我们所说的中级工程师是指在受人尊敬的公司拥有大约 3-4 年经验的专业人士。具有这种背景的候选人通常可以获得面试机会，但他们获得 offer 所需的面试轮次已大大增加。
例如，一位在湾区工作、在 Amazon 拥有 4 年经验、成就卓著的中级工程师，在不同的 scaleup 和科技公司经历了十一次完整的面试轮次，才收到他们的第一个——也是唯一一个——offer！
具有高需求专业知识的高级和 staff 工程师：高薪和多个 offer。公司愿意为在 AI、基础设施和安全方面经过验证的专业知识支付远高于市场价格的薪酬。此类候选人通常可以自由地在相互竞争的 offer 之间进行选择并积极谈判。
Evan 最近的一位学员是一位首席 SDE，位于湾区，在 Microsoft 的一个 AI 基础设施团队工作。这位首席 SDE 收到了来自 NVIDIA、Snowflake、Meta 和其他地方的相互竞争的 offer——所有这些都在一个月内！
工程经理面临着艰难的市场。2022-2023 年，大规模的组织重组席卷了科技行业，消除了整个管理层级，此后公司一直没有迅速恢复这些职位。因此，许多合格的工程领导者现在争夺的机会大大减少。日益激烈的竞争改变了招聘标准。
过去常常被管理者忽视的技术能力现在受到了仔细评估，系统设计技能也变得不可或缺。过去，管理者通常主要根据领导能力来招聘，但今天，他们需要证明自己的领导能力，并且能够亲身参与技术、软件工程和软件设计。
领导角色的优先级也发生了巨大变化。许多科技公司以前专注于大型组织技能，以在大型团队中建立一致性。今天，这些公司正在寻找能够专注于执行并支持更高管理层的资深领导者；他们通常不寻找只想留在高层、只对指导方向感兴趣的资深领导者。
这种对工程领导者期望亲力亲为的转变引发了关于工程经理和技术主管之间区别的长期争论。毕竟，今天的工程领导者看起来非常像昨天的技术主管！这种变化正在重塑公司对工程领导者的期望。
技术面试正在发生变化，以下是我们观察到的与几年前相比最大的变化。
一方面，技术面试的基本结构并没有发生根本性的变化。另一方面，期望变得更加苛刻。公司只是为构成合格的表现设定了更高的标准。
在数据结构与算法（DSA）面试中，工程师们在流程的每个阶段都会遇到明显更难的问题。一位在 Google 工作的高级工程师在 2021 年接受了面试，去年又再次参加了面试。他们告诉我们：
“我过去认为 [LeetCode ‘hard’ problems] 在 Google 从来不会被问到。现在 [在 2024 年] 它们似乎已经成为常态。”
除了纯粹的难度之外，我们还看到对实现完整性的更多强调。面试官现在通常期望以下内容：
- proper error handling
- robust input validation
- clean code
……所有这些都在与之前相同的时间限制内完成。
**几乎没有动力去通过那些没有完全正确完成一切的人。**当面试池中有如此多合格的候选人时，这就是严峻的现实。
系统设计面试也经历了同样显著的提升。我们交谈过的高级候选人表示，他们需要展示对现代分布式系统概念的熟悉程度，而这些概念以前可能只对 staff 级别的人员有要求。
专业知识甚至已经渗透到标准面试中。例如，地理空间索引曾经被认为是小众的，但现在在流行的系统设计问题中变得很常见，例如“查找附近的朋友”、类似 Yelp 的应用程序或像 Uber 这样的网约车平台。我们现在建议所有级别的候选人至少要基本熟悉诸如 geohashing 和空间数据结构（如 quadtrees 或 R-trees）之类的概念——听起来很傻。与 DSA 相同的趋势也适用：更多的候选人，更多的竞争，更高的招聘门槛。
我们合作过的一位 staff 工程师候选人真的很突出。他在西雅图的 Google 工作了近 15 年，这是他第一次重新进入市场。与他加入 Google 时相比，他被现代面试的期望所震惊。作为一个以前从未从事过流处理系统工作的人，他发现他面试的公司期望他非常熟悉诸如 exactly-once semantics、 windowing techniques 和 watermarking algorithms 等概念，这让他感到沮丧。他告诉我们：
“我已经构建和维护关键基础设施十多年了，但突然我被期望在与我的专业知识完全无关的领域拥有专业知识。这太令人沮丧了。”
很容易产生同情。与此同时，也很容易看到选择候选人的奢侈如何导致这种情况。技术期望的提升并非随意；由于招聘量减少，公司可以更加挑剔，而且许多公司都在专门寻找能够为更广泛的问题做出贡献的工程师。在这个环境中，拥有深入但狭窄专业知识的工程师的机会较少。
降级似乎是一种新趋势。由于招聘门槛提高和当前的市场状况，我们看到候选人经常收到低于其当前职位的职位邀请，尤其是在高级和 staff 级别。
在一个案例中，Stefan 与 Meta 的一位候选人合作，该候选人成功完成了高级职位的面试流程，但 offer 被撤回，他们被提供了一个中级职位。这种降级是由于一项新政策，要求候选人至少有六年高级职位的工作经验。就我个人而言，看到公司以这种方式强迫人才，真是令人心碎——而且是武断的！这位候选人最终接受了 offer，因为无法获得更好的 offer。
这种趋势对于 staff 级别的工程师尤其如此，即使他们满足但不轻易超过 staff 级别的标准，许多人也会被提供高级职位。公司已经计算出，由于人才竞争减少，他们可以实施更积极的职级评定做法，并且许多候选人在经过几个月的搜索后接受了较低级别的 offer。
这会对长期职业生涯产生重大影响，因为它通常需要 2-3 年才能恢复到以前的水平。尽管这对职业发展轨迹产生了影响，但我们看到降级 offer 的接受率显着提高，因为候选人优先考虑在不确定的市场中的稳定性。来自 Gergely 的说明：我们之前在 The seniority rollercoaster 中介绍了降级。
面试过程中也许最显着的结构性变化是团队匹配的演变。这是一个现在在 Meta 和 Google 流行的过程，候选人首先通过面试，但在与团队匹配之前不会收到 offer。 这种团队匹配方法已经在更大的科技公司中得到更广泛的应用，但带有一种略显丑陋的转变：它越来越多地作为一种额外的筛选，而不是为了候选人的利益。
我们观察到，团队匹配为候选人引入了一系列与招聘经理进行的新的“面试”。它被定位为一个相互选择的过程，但现实情况是，它已经成为候选人在获得录用通知之前必须克服的另一个障碍。
值得注意的是，Meta在2024年彻底改革了其招聘流程，取消了其长期存在的“训练营”计划的大部分内容，在该计划中，新员工首先加入公司，然后在训练营期间找到自己的团队。取而代之的是，他们实施了一个团队匹配系统，要求候选人在收到最终offer之前，先要获得团队匹配。
对于许多候选人来说，结果一直存在问题。我们合作过的一位staff engineer，在Meta通过了所有技术轮，并获得了强烈、积极的反馈，却在团队匹配的等待中度过了四个月。更糟糕的是，当团队匹配完成时，他们所有其他的竞争offer都已经过期了！
当最终匹配成功时，offer大大低于最初的预期，在没有其他选择的情况下，几乎没有谈判的空间。我们看到，Meta的团队匹配积压似乎最近已经清理完毕，但等待数月仍然很常见，尤其是在像纽约市这样竞争激烈的市场。
事实上，一些公司似乎正在战略性地利用团队匹配的延迟作为一种谈判策略。与此同时，团队匹配流程已经从给候选人提供选择，演变成额外的筛选层，合格的候选人经常发现自己被淘汰或陷入困境。
尽管公司努力以其他方式呈现，但团队匹配已经演变成事实上的第二次面试。 通过我们与招聘经理的对话，我们发现他们通常会面试十位候选人来填补一个职位。这些经理强烈建议候选人为这个阶段做好充分的准备，并专门为他们想要加入的团队定制他们的演示。
Stefan建议候选人为此阶段做好计划，并利用它来发挥自己的优势。诚然，团队匹配过程很慢——但这可以创造一个机会，通过安排稍后没有团队匹配的面试来同步offer。拥有多个offer可以在谈判中提供关键的筹码。
随着人工智能的兴起以及对传统编码面试的日益怀疑，我们看到大型科技公司和新兴公司之间的面试方式差距越来越大。
传统的FAANG雇主仍然在很大程度上坚持他们现有的形式，只有细微的调整。正如一位FAANG招聘主管告诉我们的那样：
"这些流程的惯性是巨大的。这些公司已经围绕他们目前的流程建立了一整套招聘机器，拥有多年的校准数据。在没有令人信服的证据表明替代方案可以在规模上更好地发挥作用的情况下，他们不愿做出重大改变。"
在组织上，面试流程的变更通常由工程主管把关，他们宁愿等待火灾发生，也不愿在出现烟雾的最初迹象时就可能制造问题。
几家中型公司已经转向更实际、更开放式的编码挑战，这些挑战能更好地反映实际工作。 采用更实际面试的例子包括Stripe、Coinbase和OpenAI。候选人不再是解决LeetCode问题，而是要解决以下问题：
- 设计一个查询引擎
- 实现一个键值存储
- 设计一个用于处理事务的内存数据库
早期初创公司已经更进一步，通常用允许明确使用人工智能工具的家庭作业项目来代替传统的编码练习。Yangshun Tay是GreatFrontEnd的创始人，他一直是领英上倡导这种转变的重要人物。他详细介绍了他的团队如何成功地实施这种方法，以更好地评估候选人解决实际问题的能力：
“来自大型科技公司，我意识到典型面试流程的缺陷。因此，在为GreatFrontEnd招聘前端工程师时，我使用了一种略有不同的流程：
- 零LeetCode
- 家庭作业
- 家庭作业是一个待办事项列表（什么？！）
- 评估产品意识
- 通过家庭作业的候选人会事先知道即将到来的面试问题，并有充足的时间准备”
- 应聘者会因为参加我们的面试而获得额外的好处 (...)
值得注意的是，这种面试过程比标准的 LeetCode 面试更耗时，并且不能很好地随着申请人数的增加而扩展。”
这种转变具有双重目的：它更好地反映了实际工作条件，同时解决了日益严重的评估欺诈问题。我们在湾区采访了一位种子期人工智能创始人，他估计至少有 20% 的应聘者在传统的编码测试中 明显 作弊。这个问题不仅限于初创公司；Evan 的一位好朋友，一位亚马逊面试官坦言，他最近面试的十位应聘者中，一半 明显在所谓的监控评估期间在辅助屏幕上使用人工智能工具。通过将这些工具明确纳入评估过程，公司正在适应工作场所的现实和评估的完整性挑战。
技术评估的创新正在从规模较小、更敏捷的组织中涌现，而大型科技公司则在幕后关注。 这是一个有趣的历史模式的倒置，在过去十年中，谷歌和其他科技巨头开创的面试实践逐渐渗透到渴望效仿其成功的小公司。现在，情况恰恰相反！一个问题是 FAANG 雇主何时或是否会适应这种新的现实。
事实是，如果没有面试后响亮的负面信号，大型科技公司不太可能对招聘流程进行更改，这些信号可能包括大量因面试信号不佳而导致的不后悔的员工流失。
我们认为，大型科技公司更有可能做出较小的调整，例如在短期内恢复现场面试。他们认识到他们当前的面试过程本质上是一种游戏，但它们确实有效地识别出愿意投入大量时间进行准备的候选人。不幸的是，对于应聘者来说，他们愿意努力完成任意的算法挑战，这与高绩效工程师的在职特征有足够的关联性，足以证明维持现状是合理的。
我们想知道，在大型语言模型 (LLM) 时代，坚持现有的面试方法是否越来越难以为继。 随着人工智能工具越来越能够解决面试中使用的精确算法难题，这些评估的信号价值将不可避免地降低。未来，任何工程师都不需要手动编写诸如括号平衡或二叉树遍历之类的算法；相反，他们会提示人工智能生成该代码。率先采用更实际、基于项目的评估的公司正在适应工程工作未来实际完成方式的现实。
显而易见的是，应聘者目前面临着一个两极分化的局面：为大型科技公司的职位准备传统的算法面试，同时培养在其他地方的机会中擅长更开放、更实际的评估的技能。
我们发现，最佳的准备策略因经验水平而异，并且不同面试组成部分的重要性随着职业发展而变化。以下是我们观察到的模式：
对于拥有 0-2 年经验的初级工程师，我们发现以下准备工作最有效：
- 80% 的准备时间：专注于算法和编码问题
- 20%：行为面试的准备
初级职位的技术门槛已大幅提高，因此掌握基本算法和数据结构至关重要。成功的初级应聘者通常在面试前解决 150-200 个不同难度级别的编码问题。在其他任何事情之前，你必须成为一个更强大的编码员。
拥有 2-4 年经验的中级工程师 可以从更平衡的方法中受益：
- 50% 编码
- 25% 系统设计
- 25% 行为面试的准备
在这个级别，公司期望强大的实施技能和新兴的架构思维。我们合作过的最成功的中级应聘者开发了一种系统的系统设计方法，专注于他们可以组合和调整的构建块，而不是死记硬背特定的解决方案。
对于拥有 5-8 年经验的高级工程师，我们已经看到以下设置效果很好：
- 50% 的系统设计准备
- 20% 的编码准备
- 30% 的行为面试准备
这个级别的主要区别在于设计稳健、可扩展的系统，同时清楚地表达权衡取舍的能力。高级工程师应该能够很好地处理歧义，在信息不完整时提出澄清问题并做出合理的假设。
我们从高级应聘者那里看到的最常见的错误是忽略行为准备。这是一个严重的错误；在高级职位上，公司评估的不仅是技术能力，还有领导潜力、冲突解决技能和文化契合度。
我们已经看到，一些技术上非常出色的候选人，因为无法有效地沟通他们的影响、描述他们如何影响跨职能团队，或者展示对先前挑战的自我认知，而在面试中失败或被不必要地降级。行为准备不是一个复选框；它会显著影响招聘决策，尤其是在高级及以上级别。
Staff+ 工程师面临着不同的挑战：
- 编码：此时的基线；在这里跌跌撞撞，拒绝可能会很快。
- 90% 的差异化来自系统设计和行为/领导力评估。
对于这些角色，公司会超越实现细节，评估架构愿景、跨职能领导力和执行沟通技巧。成功的 staff+ 候选人会展示战略思维，将技术决策与系统设计讨论中的业务成果联系起来。
顶级 AI 实验室，如 OpenAI，有其独特的招聘模式。他们不优先考虑传统的领导技能，而是大量筛选血统或头条成就，并且非常偏爱来自精英、高知名度公司、以 AI 为重点的初创公司、著名大学以及那些可以轻松沟通其耀眼成就的候选人。如果没有这些，申请人将面临一场艰苦的战斗，无论他们的技术多么出色。
让我们承认这样一个现实：技术面试过程已经成为一种特殊的博弈，并且不断偏离日常工程工作。这并不理想，但这就是现实。公司已经确定了标准化的评估方法，这些方法并不能完美地反映实际的工作职责，而这种脱节让许多工程师感到沮丧。
好消息是，游戏的规则是公开的。 这本质上是一种“秘密握手”，你需要学会它才能进入这些公司。这个过程可能看起来很随意，但通过适当的准备，它是完全可以学习的。任何有足够奉献精神的人都可以掌握这些模式，并显著提高他们的表现。 我们承认我们在这里的偏见；作为一个面试准备平台，我们显然相信结构化实践的价值。数据本身就说明了问题：参与有意识实践的候选人始终优于那些没有参与的候选人，无论他们的天生能力或经验水平如何。这些模式在数千个面试结果中都很明显。
如果投资正式的模拟面试不符合您的偏好或预算，那是完全可以理解的，并且有很多替代方案：找一个在您的目标公司工作的朋友，在 Reddit 或 Discord 社区中与同行联系，或者与其他求职者组成学习小组。具体方法不如基本原则重要，即面试是一种可以通过实践、反馈和迭代来提高的技能。
无效的做法是假设您的日常工程工作已经为您准备好了面试环境。面试的表现方面——大声思考、处理压力、在解决问题的同时清晰地沟通——需要在模拟实际面试的条件下进行有意识的练习。如果没有这一点，即使是才华横溢的工程师也可能难以在面试过程的人为约束中展示他们的能力。
2025 年的技术招聘格局与 2020-2021 年求职者的淘金热 相去甚远。钟摆已经从“请拿走我们的钱”猛烈地摆向“证明你值得”，工程师们正在感受到压力。但不要放弃！
包括 Amazon、Apple、Microsoft、Google 和 Meta 在内的主要科技公司，总共维持着近 40,000 个空缺职位。即使这些公司内部没有增加员工人数的部门，即使在裁员的同时，仍在招聘人员来填补空缺。
人工智能领域继续经历着非凡的增长，OpenAI、Anthropic 和众多人工智能基础设施初创公司等公司都在积极招聘。忽略关于工程师即将被取代的黯淡预测；招聘的现实表明企业多么需要工程师来实现他们的目标。人工智能领域的公司通常提供让人想起 2021 年峰值的薪酬方案，特别是对于具有相关专业知识的工程师，或者那些在人工智能相邻领域表现出强大学习潜力的工程师。
现在那些表现出色的工程师明白，现代技术面试基本上已经成为一项奇怪的运动，充满了武断的规则和奇特的传统。他们将面试视为表演，而不仅仅是技术评估，并且他们投入了相应的练习时间。 随着人工智能不断重塑工程工作的方式，面试流程也必须随之发展，因为它们不能再继续测试那些会被人工智能淘汰的技能。但就目前而言，我们仍处于这个尴尬的过渡阶段，你既需要掌握老派的算法游戏，也需要掌握更新、更实用的评估方法。
冒着老生常谈的风险，在 Hello Interview，我们看到了一个清晰的模式：准备投入与面试成功之间存在很强的相关性。即使在当前这种更具选择性的环境中，那些花时间进行结构化练习的候选人仍然更有可能获得多个offer。
游戏可能更难了，但至少规则是公开的。只要有足够的刻意练习和适合你水平的准备策略，即使在更艰难的市场中，你仍然可以脱颖而出。
Gergely 再次发言。
非常感谢 Evan 和 Stefan 总结他们在科技市场中看到的情况。他们通过与使用 Hello Interview 的开发者互动收集了大部分见解，Hello Interview 是他们共同创立的模拟面试和面试准备服务平台。
我正在思考的一些有趣的事情：
由于零利率的结束，人们预测就业市场会更加紧张。 一年前，我们分析了 0% 利率的结束对软件工程师意味着什么。一个最重要的结论是，预计就业市场会更加艰难：竞争更加激烈，更少的“货比三家”，尤其是工程经理会遇到困难。这反映在 Evan 和 Stefan 从招聘前线报告的情况。在某些方面，由于这是一个可预测的影响，因此更容易理解为当今招聘挑战的原因之一。
人工智能很热门，热门的人工智能公司非常看重出身。 令人有点惊讶的是，从 Evan 和 Stefan 那里了解到，像 OpenAI、Anthropic 和其他顶级公司似乎非常注重筛选候选人的出身。考虑到这些公司收到了来自各地的海量申请，这也许并不令人惊讶：如果他们有能力从最耀眼的科技公司招聘，为什么不这样做呢？
这提醒我们，即使你身处人工智能工程领域，如果没有公认的行业专业知识，也很难从一家不太知名的公司进入顶级公司工作。如果你的目标是有朝一日在这样的公司工作，你可能需要为多步骤的职业生涯做好准备，从不太知名的地方开始从事与人工智能相关的工作，逐步走向更知名的公司，然后，也许有一天，进入“顶级”公司。
找到一份工作需要投入更多时间。 开发者们一直在抱怨准备技术面试是多么耗时。如果是进行 Leetcode 式算法面试的公司，问题在于事先练习所花费的时间。同时，如果是需要完成复杂作业的公司，抱怨的是完成作业本身所花费的时间。
作为一名合格的工程师，你可能会认为雇主应该接受你精通自己的技能，跳过所有看似毫无意义的耗时评估，直接给你offer，对吗？
但从招聘经理的角度来看，新员工始终是一种风险。没有什么比因为技能差距、动机或任何其他原因而导致招聘失败更糟糕的了。面试旨在验证技能和动机。
我们已经从 2020-2022 年的求职者市场转变为今天的雇主市场。在这种环境下，你很可能需要投入更多的时间来准备和参加面试。好处是，这种准备不会浪费，因为面试形式不会变化得那么快。
期望值正在上升，并将继续上升。 在 Uber，我当时的经理告诉我，Uber 对同一级别的绩效期望只会朝着一个方向发展：上升。这是因为业务增长迅速，对任何新员工的期望都是提高标准。这意味着随着时间的推移，对任何职业级别的“正常”期望都在不断膨胀。过了一段时间，这感觉很自然，但适应起来很奇怪！
我觉得我们今天在更广泛的行业中也看到了类似的情况。由于大量合格、有能力的工程师申请工作，所有职业级别的期望都在上升，这就是降级更为普遍的原因。 如果你收到了降级录用通知：首先，恭喜你获得录用！在当前的就业市场中，这本身就是一项成就。在对这个结果感到过于失望之前，考虑到当前的就业市场状况是有帮助的。如果你还没有收到录用通知，要知道现在的市场比过去十年都要艰难，所以求职时间比以前更长。
如果你目前正在求职，或者正在面试并且注意到了招聘流程的任何变化，请在评论中分享。