面試官先問AI寫的code怎麼驗收，才輪到goroutine：騰訊IEG這份一面面經，讓牛客網炸了

9月1日晚間，一篇標題樸素的「騰訊 ieg-Go 後端-一面」貼文掛上牛客網。沒有薪資爆料，沒有offer曬圖，卻在幾天內累積出一整排留言，因為這份面經的問題順序，讓很多正在準備秋招的人愣住了。

把這二十幾個問題從頭掃一遍，味道就出來了：前七題全在問AI，後面才是一整排Go語言的傳統八股。

前七題：AI時代的新面試題長什麼樣

原PO列出的問題裡，AI相關的佔了整整七題，而且問法相當具體。

「在一個比較大的專案裡面，AI根據文件寫完程式碼後，你怎麼驗收它的程式碼是否符合需求？」「既然程式碼都是AI寫的，為什麼測試的時候還要人去測？」「主鏈路沒問題，也只能說明主鏈路沒問題，那你怎麼放心把程式碼直接合到線上？」

這三題連起來看，問的是同一件事的三個層次：AI產出的東西，誰來負責、怎麼負責、負責到哪裡為止。

接著又是追問：「這一整套和AI協作的流程裡，有沒有標準的模板、框架或者工具？」「如果沒有一套標準的AI協同開發流程，怎麼保證開發品質？」「你有看過一些比較成熟、比較好的AI協同開發實踐嗎？」

到第七題，「你拿到AI的結果以後，怎麼判斷它的內容是否正確」，整個思路已經很清楚：面試官想找的，是一個能當AI監工的人，而非只會下prompt的人。

AI問完，場景切回經典的Go面試戰場。從「一個Go行程從啟動到完整執行的過程」、編譯過程有沒有組語和連結，一路問到goroutine原理、GMP排程模型。

而且不是點到為止。M的作用、P的作用、為什麼不能去掉P、為什麼不用一個全域goroutine佇列、如果M的數量少於P會怎麼樣、為什麼P的數量通常接近CPU邏輯核心數。六七個問題沿著同一個模型往深處打，這種連環追問的手法，老面經人一看就熟悉。

最後還有Web框架的價值、線上服務異常排查、沒有日誌時怎麼定位問題等實戰情境題，再加上一道「給了原始碼，讓AI分析問題然後修復問題」的手撕環節。注意，這題手撕允許用AI，跟傳統的白板手寫演算法是兩種考法。

貼文底下的留言，大概分成兩派。

一派是被題量嚇到的。「問這麼多問題，看著都有壓力」「竟然還會問這麼多八股嗎，我以為這年頭都是往死了拷打專案了」。這句留言特別有意思，它反映出一種普遍預期：大家以為AI時代面試會往專案深挖走，結果八股沒有退場，只是被擠到了後半場。

另一派的焦點很集中：「羨慕AI手撕，字節依舊保持老一輩的手搓」。一家允許用AI解題，一家維持手寫，這個對照被網友直接點了出來。也有人單純留言「強」和「加油」，原PO自己則說「整體感覺答的一般般」。

對照同時期牛客網上流傳的另一篇百度Go後端面經，差異更明顯：百度那場幾乎全程聊專案，面試官還說「這些八股沒什麼用」，沒有手撕。同樣是Go後端的一面，兩家公司走出兩條完全不同的路線，這種分歧本身，比任何單一面經都更值得琢磨。

回到前七題的內容。這些問題沒有標準答案，考的也不是背誦，而是一種工作姿態：你把AI當隊友還是當外包？出了問題，你能不能說清楚自己的驗證路徑？

這與我們先前觀察過的AI實習崗與學校管理的長期錯位現象遙遙呼應：AI相關的職缺與技能需求已經真實落地，但該怎麼教、怎麼考、怎麼驗收，整個體系都還在追趕。面試官在問「有沒有標準的AI協同開發流程」，某種程度上也是把這個產業級的未解之題，直接拋回給了應屆生。

而對照007選角為何每輪都要吵一次那種週期性的社羣論戰，技術圈這邊的爭論其實也沒停止過：AI寫的程式碼要不要人測、能不能直接上線，這些問題在牛客網、在面試間、在每個開發團隊裡，答案都不一樣。

這份面經還透露了兩個細節。

其一，原PO特別註明「面經去掉了專案相關的提問」，也就是說實際面試的總題量比檯面上這二十三題還多，AI與八股只是被保留下來的部分。

其二，AI題排在所有技術題之前。順序本身就是訊號：在這位面試官的優先序裡，你怎麼跟AI共事，至少跟你懂不懂GMP一樣重要。

至於goroutine會不會有一天被AI題徹底擠出面經，從這份題單看，短期內不會。老八股穩穩佔了三分之二的篇幅，只是座位往前挪了。

對正在準備後端面試的人來說，這份面經給的啟示很實際：八股照背，GMP照懂，但最好再多準備一套自己的答案，回答那個越來越常出現在開場的問題：AI寫完的程式碼，你怎麼敢用？