AI 时代工程师面试该如何重新设计

随着大模型与编程工具迭代速度的加快，一个现实问题摆在招聘者面前：未来工程师是否仍需要手写代码，面试又该如何调整？一部分公司选择维持原有流程，甚至包括 AI 浪潮中的引领者本人——例如 Anthropic 的招聘指南就明确要求作业题「除非另行说明，否则不得使用 Claude」完成。另一部分公司则主动拥抱变化，允许、鼓励甚至要求候选人在面试中使用 AI。本文作者持前一种立场，并给出在 AI 时代调整面试的具体思路。

评估面试的两大维度

作者提出，任何面试设计都可以从两个核心维度来衡量。

第一个维度是信号质量：好的面试问题应能在排除噪音的前提下识别出真正优秀的候选人。它包含若干子维度：抗针对性准备能力（避免被刷题攻略轻易攻破）、现实还原度（贴近日常工作但又不等同于日常工作）、候选人公平性（不同背景的候选人起跑线相近）、以及难度——题目需要足够难，使大多数候选人无法通过，但又不能出成偏题怪题。

第二个维度是企业成本：面试题从初稿设计、打分卡搭建、内外部测试，到培训面试官，都需要持续投入。子维度包括出题难度（太简单或太难都会浪费所有人时间），以及对候选人的吸引力——流程过于繁琐或题目乏味会劝退优秀工程师，糟糕的题目也在向候选人传递公司的工程文化信号。

两个维度并非完全独立。例如，高难度题目能让强候选人脱颖而出，但也可能制造假阴性。

三类典型面试形式

作者将常见工程面试按形式归为三类。

作业题（take-home）：候选人提交一份解决方案，通常是一道模糊的产品需求题，并辅以编程语言等若干技术约束，提交后再安排一次评审会面。在 AI 出现之前，其信号质量较高——可同时考察设计、编码、细节、测试等多项能力，且候选人愿意花六小时以上作答本身也展示动机。企业成本中等，评估可部分自动化，便于异步协调，但可能劝退部分候选人。最大的短板是极易被 AI 攻破。

现场演练（live exercise）：候选人在面试官面前现场解题，例如算法与数据结构、现场编程、系统设计、事后复盘等，通常持续一小时左右。信号质量中等——设计得当则较为客观，但考察面较窄。企业成本中等，需要储备大量不同题目以稀释针对性准备的收益。

演讲式面试（presentation）：候选人自主选择一个项目、画一张架构图或讲述一次经历。信号质量最低，失败模式更多：候选人可能没做过值得讲述的项目，可能选择无趣的项目，也可能夸大自己在其中的贡献。

面试不必完美

作者强调，面试永远存在假阳性与假阴性，与其追求完美，不如配合清晰的入职流程与首半年里程碑，让团队能尽早识别并淘汰假阳性入职者。

（原文因转载截断，尚未展示作者对三类面试在 AI 时代具体如何调整的后续建议；以上框架已涵盖文章主体论点。）