刚面完Meta的AI coding面, 强度不降反升。别以为能靠AI抄答案, 面试官看的是你主导解决问题的能力。并附上 Meta timeline 一亩三分地 里的时间线，整体和我的Meta 面试时间线差不多。
Meta面试流程介绍
传统的 Meta VO 四轮是两轮 coding，一轮 BQ，一轮 System Design。这次也是让我赶上成了小白鼠，把一轮传统 coding 改成了 AI enabled coding。如果已经进 VO 轮的话，可以自己进系统里看 practice question。我这里给还没进到 VO 的同学介绍一下，可以心里有个底。这轮可用的语言有限，我选择的是 python。
Meta timeline
10.05 HR reach out
11.21 technical interview w/ HM (experience intro/deep dive+behavior)
12.15 full loop (2 round coding)
12.17 full loop (2 round system design+1 behvior)
01.03 HR call (coding 需要加面)
01.17 coding 加面 11.25 HR 说送审hiring committee
01.19 HR email 通知offer
01.22 TC expectation call
02.01 TC number call
整个 Meta timeline 到Offer耗时近三个月，中间经历各种加面，在面试前一周左右可以去一亩三分地看近期面经，看看这些题是不是自己看到都准备过了。 meta是少数leetcode题库基本全覆盖的公司，基本就是默写，抓紧时间多准备过的概率就很高。
Meta AI Enabled Coding
Meta AI coding似乎是十月份才刚刚上线，各大平台的面经也很少，我单独把这一轮发出来，希望我的这个先行探路面经能帮助到后面的同学！
面试平台依然是 coderpad，进去之后会有一个类似于 VS code / Cursor 的界面。左边是 directory，包含了一个 mini project 所需的若干文件，包含有数据集（有小有大，小的作为 example 可以直接打开看，大的无法显示内容），有业务代码（包含多个 class，每个 class 下有部分已经实现的 method），有测试代码（点击运行按钮就是跑的测试代码，调用数据集）。中间是代码编辑器，右边是 AI chatbot 对话框，可以选三种模型（gpt 4o mini，claude 3.7 haiku，Llama 4 maverick），没有 reasoning，上下文提总。
我实际使用感受是不太指望 AI，举个例子即使我发现了 bug 给出了详细上下文让 AI 改进，输出也是依旧有错误。如果没有思路的话，可以让 AI 给一些灵感，或者是忘记了具体库函数写法可以问 AI。
面试内容
面试官全程口述，没有以文字形式给出题目内容。我面到的这题分为两个部分：第一部分需要阅读分析已有的代码，找出并修正已有的 bug；第二部分是实现一个 solver 函数，从而通过所有 test case。
第一部分比较简单，运行一下测试就能发现对应的 helper function 写的有问题，大概改两行代码就能过。
第二部分比较 tricky，实际需要 solver 实现的是 Find subset of word with max unique characters without duplicate。
Example
input = ['jan', 'feb', 'mar', 'apr', 'may', 'jun', 'jul', 'aug', 'sep', 'oct', 'nov', 'dec']
expecting output = ['feb', 'mar', 'jun', 'oct']面试过程及思路
我在读完代码之后提炼出的这个问题，我先和面试官进行了确认，他说没错就是需要 solver 来做这个。当时我就有点紧张，因为这是一个很典型的选或不选 back tracking → DP 的题，但是说好的 meta 不考 dp 呢。
于是我就先说可以 back tracking，然后加上 memo + bitmask 来优化，最后可以改成 DP，然后向面试官确认，他说没问题写代码吧。
我就先写了白板 back tracking，用 set 来记录已经选的词，然后和 global max 对比更新答案，这版顺利通过了简单的 test cases。
优化思路
然后我就开始优化，bitmask 整了好半天因为平时写的少，一开始问 AI 结果给的答案也是错的，反正花了可能半个小时才 bug free，但是 input 太大的话就还是会撞 max recursion depth。
然后我说这个就需要 dp 才能解决了，面试官打断了我，问说你看 input 有什么特点，我就又过了一遍可见的数据集，我说只包含数字和小写字母，如果这对未来所有的输入都适用的话，可以在现有的答案已经达到 uniq char 上限也就是 26 + 10 的时候提前返回。
面试官说 ok 你去 update 代码吧，我就加上了提前返回，不过依旧会超 max recursion depth。然后我没来得及改成 dp，写了一些就因为时间不够被叫停，进入 Q&A 了。
面试体验 & 后续
两天后收到VO通过的消息，整体而言，面试体验还是不错的，关于刷题可以在力扣上可以选30 day/3 months/6 months，保守一点时间充足的就是6 months每道题刷烂，30 days所有题和3 months前一百道一定是刷烂刷透、倒背如流。 最好是最优解，多看答案和讨论区有没有更优的解法，这个最优解的意思就是就是时间/空间都要最优。
最近也面了Meta、亚马逊、TikTok等公司的VO，基本都顺利通过。每轮下来都比较顺利，没把握的可以多练习。
Interview Aid 专注北美技术岗位的面试辅助，如果你近期也拿到Meta的面试，可以参考meta 一亩三分地的Timeline，也可以与我们联系获取相关资料，同时我们免费提供meta真题参考。