推文

@sleepy0x13 · 2026-10-10 15:02

看到一个很有意思的建议：软件工程师的技术面试，其实可以直接砍到只剩两轮。 第一轮，System Design。考察你对系统架构、技术选型、工程实现的理解，以及能不能把自己的想法讲清楚。 第二轮，现场做项目。允许候选人使用任何 AI Agent，在规定时间里真正做出一个产品，看最终交付的质量。 过去，软件工程师的能力很大程度上是通过代码产出来衡量的。一个人写得多快、算法掌握得多熟练，往往直接影响招聘评价。但现在，AI 已经可以承担越来越多的具体实现工作，工程师的能力开始更多地体现在他如何组织整个开发过程。 我甚至觉得，第二轮面试最有价值的部分应该发生在项目完成之后。 面试官突然修改需求，要求候选人解释某个架构决策，或者指出 Agent 生成代码里一个隐藏的性能问题。 你究竟理解自己做出来的东西吗？你能不能判断 AI 在什么时候犯了错？当系统出现问题，你有没有能力接管？ 这些问题远比一个人能不能徒手写出某种算法更接近真实的软件开发。 而且我认为 AI Coding 最终可能会放大工程师之间的能力差距。代码的生产成本下降了，但工程判断的价值反而在上升。一个真正理解系统的人，可以通过 Agent 管理远超自己过去产能的工作量。一个缺乏基础的人，可能只是以更快的速度制造技术债务。 不过这里还有一个挺值得警惕的悖论。 如果以后公司只愿意招聘能够设计系统、管理 Agent、审核代码的成熟工程师，那些初级工程师怎么办？ 过去他们正是通过大量简单、重复、甚至有点无聊的编码工作，逐渐积累起工程直觉的。 如果这些工作全部被 Agent 接管，下一代高级工程师要从哪里来？ 所以我觉得，AI 时代的软件工程师面试确实应该重做。但比招聘标准变化更深远的，可能是整个软件行业的人才培养路径都要重新设计。

曝光 147 · 评论 1 · 点赞 1 · 书签 0