百度前端面試考了十七題，超過一半在問AI：一份面經背後的工程師技能重定價

9月3日，一位浙江的實習求職者在牛客網發布了號稱「最後一個面經」的百度前端一面與二面記錄，日期回溯至8月21日。這份面經真正值得拆解的地方，在於考題結構本身：十七道問題裡，涉及AI輔助編程、Agent生成代碼驗證、RAG系統維護的題目超過一半。傳統前端面試的核心板塊，瀏覽器原理、框架原始碼、CSS佈局，只佔零星篇幅，手寫題甚至允許考生在紙筆與Web Coding之間二選一。

對照同一時期流傳的其他面經，差異更明顯。同平臺一位西安郵電大學求職者的海康威視前端面試，考的仍是塊級元素與行內元素、Cookie與LocalStorage差異、Vue2與Vue3響應式原理這類標準八股題。兩家公司的考題結構，代表的是同一個勞動市場上正在分岔的兩套定價標準。

考題結構拆解：驗證能力取代記憶能力

把百度這份一面題單攤開，可以粗分為四個板塊。

第一板塊是專案深挖：效能優化的完整排查路徑、流式問答的技術選型（為何選基於Fetch的SSE而非原生SSE或WebSocket）、多會話流式管理、大量Markdown渲染的卡頓優化。這類題目考的是決策過程，考生必須交代選型權衡，而非背誦結論。

第二板塊是RAG工程：召回率提升20%的具體做法、向量庫文檔更新後的版本管理。這已經超出傳統前端的職責邊界，觸及檢索系統的資料治理。

第三板塊佔比最高：AI生成代碼的可維護性如何保證、哪些模組需要人工檢查、如何增強AI檢查結果的可信度、讓Agent寫SQL時如何規避慢查詢。這組題目的共同點，是考「驗證者」而非「生產者」的能力。當代碼生成環節的成本被AI大幅壓低，面試官真正想量測的，變成候選人判斷AI產出可靠與否的邊界在哪裡。

第四板塊才是傳統手寫：async pool函數，控制最大並發數的異步請求調度。值得注意的是面試官開放了Web Coding選項，這本身就是要觀察考生在AI工具輔助下的實際工作方式，後續二面更直接安排了AI Coding環節。

影響推演：誰受惠、誰承壓

這份考題變化沿著一條清晰的傳導鏈走。大模型廠商與雲端廠商先內部推行AI輔助開發，工程團隊的人均代碼產出結構改變，隨後招聘端口的篩選標準跟著調整。百度作為深度投入文心大模型的廠商，其前端團隊在AI問答產品線上的實際需求（面試題裡的流式渲染、RAG、多會話管理，全部是對話式AI產品的前端工程課題），直接映射到了考題。

受惠的一方，是具備AI產品工程經驗的求職者。這位發面經的考生專案經驗恰好覆蓋流式問答與RAG，等於踩中了需求熱區。承壓的一方，是技能組合停留在框架使用層的工程師：當海康威視這類硬體廠商仍在考CSS盒模型，而百度已經在問向量庫版本管理，兩類崗位的薪資溢價與議價能力會持續分化。

更結構性的壓力落在培訓市場與科班課程上。傳統前端培訓體系以八股題庫為交付物，當篩選標準從「知道答案」轉向「能驗證AI的答案」，題庫式準備的邊際效益遞減。這與我們先前分析的Bun與Node.js之間的生態遷移帳有相似的邏輯：替代發生與否，取決於遷移成本與驗證成本的相對變化，而非單點效能優勢。

從另一個角度看，這也是Web Components推不動的替代帳的鏡像案例。標準與工具的採用曲線向來平緩，但生成式AI對開發流程的滲透走的是另一條路徑：它不需要取代任何標準，只需要改變每個工程師日常產出代碼的比例，就足以讓招聘端在兩年內重寫考卷。

面試官缺席的那一天：招聘流程的信任成本

這份面經的另一段插曲值得單獨記帳。二面原定8月25日，面試官未到，HR電話不接、郵件不回。8月28日面試官加微信致歉，解釋當天請假忘記有會議，此時考生已拿到騰訊錄取，婉拒繼續面試。

單一事件不足以下斷言，但它碰觸到實習招聘市場的一個結構性問題：流程履約成本由誰承擔。校園招聘與實習面試的候選人處於多重offer競爭的時序壓縮中，一場面試的改期或消失，直接改變候選人的機會成本排序。對廠商而言，失去一位已通過一面的候選人，等於沉沒了整輪篩選成本。當AI Coding考題顯示廠商在篩選精度上持續加碼，流程端的管理精度若沒有同步，篩選投入的報酬率就會被後端漏損喫掉。

收束判斷

一份實習面經不足以代表整個市場，但它提供了一個可驗證的切片：頭部AI廠商的前端招聘標準，已經把「AI輔助開發的驗證能力」從加分項移到了必考區。對求職者而言，報酬率最高的準備方向正在從題庫記憶轉向兩類能力，一是對話式AI產品的工程難點實作經驗，二是對AI產出建立檢查機制的方法論。對照海康威視同期仍以八股為主的考卷，這個市場的技能定價分化已經開始，且分化的速度取決於各公司自身AI工具的滲透率，而非統一的行業標準。接下來幾個招聘季的面經樣本，會是追蹤這條分化曲線最直接的數據源。