AI Coding 时代作为面试官已经不会面试开发了

用 ai 出题目面试，面试录音丢给 ai 分析

广度优先

考察逻辑思维能力，自学能力，自驱力。当然说起来容易

说不定再过两年就完全不需要写代码了

>> 自己就是动动嘴皮子，调试能力也没有，出了问题就是让 AI 解决

如果面试者都是这样，就会面临一个问题，为什么要录取“你”呢。就是你也用 AI ，我也用 AI ，你和我的区别在哪里呢。

如果你和我没有区别，那就意味着没有差异性，那只能比拼价格了，谁更便宜，谁能自费上班来选择谁了。

对于只找 ai 程序的老板，可以这么说：既然都是 ai 写，直接加钱用 ai 不就得了，何必招人。
实际上：ai 能写程序了，但是还是关键的地方还是需要人判断，除了问题还是得人背锅

往好了想，如果大部分候选人都完全不会写代码，缺乏调试能力，那就安排能考察相关能力的笔试&面试
这样筛选出想要的人反而更容易了

面试依然要回归技术本身，AI Coding 是没问题的，但是 AI 写出来的代码，要看得懂，要知道有哪些坑。

都会用等于都不会用，招人干嘛

面试应该是结合招聘需求去考察的吧，写代码已经从原本的体力活变成了架构设计，也就是如何指挥 AI 写代码、干活，如何判断 AI 的产出是否正确合理，可以从这方面入手吧

1 、公司应该有公司自己适配版的 ai coding agent,来尽量规避个人能力带来的差异和风险
2 、感觉应该更倾向于理解能力，业务知识，说白了，开发真的越来越倾向于自然语言了，没门槛了。

不 review,不 debug ，是个大趋势

@ponelyr 既然如此直接招产品就可以了，还招开发干啥

很认同其中一个观点：AI 疯狂乱串，你要知道哪些地方必须踩刹车。

身边的同事已经完全不 review 了，经常发生低级错误，但凡走了 MR 流程让 AI review 一遍就能避免。

我看一些人用 AI 产出的东西，就知道这些人不会用 AI

V 站中的 AI Coding 拥趸是因为自身就已经拥有了基础的开发能力和编程品味，在一些明显有问题场景下是可以及时发现去纠正或者阻止的。但社会上面大量的实习生和初级开发并不一定具备了这个能力。
但即使只招产品，也需要具备需求分析和拆解的能力，很明显这个也是需要积累的。

编程普工时代要到来了

@harveyM 我觉得是因为目前模型能力还不足以覆盖产品和开发之间的那条沟，未来可能真直接招产品了

有时候并不止开发是 AI coding 的疯狂拥趸者，很大程度上老板也是，现在不管大小厂都有推全栈，以前就算内部转岗也起码要先学习，还要面试，试用一下才决定能不能让你转，现在一句话就整个岗位换掉了，有多少的前端懂后端，后端又有多少懂前端的，真这样干了不还是 AI 说什么就是什么= =
起码我作为前端现在写 go 就是这样，最多让 AI 写清楚注释让我看下看不看得懂，但具体怎么实现的我都不知道

该考的基本功还是需要考，基本功不扎实的同学关键时刻抗不了事（比如线上的故障），也没有架构审美和中间件认知。AI 这块就是好奇心 + 工作效率，可以出一道有难度的开放式题目，让候选人投屏自己 Vibe Coding ，观察他的 AI Workflow 和 SDLC 流程是咋样的。

@ponelyr 我们现在组内只 review 不搓代码，debug 也需要人操控 ai 去实现

应届确实只能面试基本功了
社招就是考察业务匹配度为主了

1. 计算机原理基本功，前、后端常见的场景和解决方案还是要考一部分
2. 考虑出一道统一需求题目，让候选人提前回家 coding ，根据这个题目去问一些场景疑难点，看他的思考的全面性
3. AI 生成一些有问题的代码，纯人工 debug 或者口述排查思路
个人觉得纯面试那 1 个半个小时的，考察内容太少，只讨论八股文在 AI 时代已经不成立了。既然有 AI 实现成本降低了，那么面试的节奏也要变化，还是得看真实干活能力和个人的思路广度、深度

deepseek 的面试方法觉得可以参考一下。就是面试具体业务的具体问题，有具体的思路就行，代码能力基本被 ai 替代。

应届生确实面试基础应该就行了，问原理。或者也问具体项目的具体问题。

用开放题考查思辨能力

后续老人会更受欢迎

共享屏幕看他怎么用 ai coding ，是一句话生成 xxx 系列，还是有自己技术 sense 知道 ai 可能在哪些地方埋坑（ token 权限校验、路由划分不清等）、能不能向 ai 描述清楚需求

感觉程序员这个工作和招聘真的很割裂，一边是日常开发越来越高的 ai 生成率，甚至要求 review 代码都不需要人工，让 ai review ai ，一边是招聘要考不用 ai 的能力，手撕八股文

@harveyM 以后产品和开发之间兼容应该是趋势了, 但现在 agent 爆发早期, 社会还没能适应过来

面试时候我觉得应考察的是能不能在 AI 参与的情况下可靠地交付软件。

那可能包括几个维度：
1.问题理解和需求拆解能力
2.基础技术理解；要有基本心智模型，比如前后端数据怎么流转、网络请求为什么可能重复等
3.AI 驾驭能力
4.调试和故障定位
5.验证和风险意识
6.代码与系统阅读能力
面试时候，只需要和面试者聊一下他开发过哪些 app ，然后询问下其中一个 app 的开发过程，询问他如果让他独立开发一个 app ，他打算建立哪些基础文件，开发流程怎么安排，遇到问题一般如何解决。

简单说，我觉得现在面试应和以前没什么区别，还是对人能力的考察，只不过考察的已经不是程序员写代码的能力，而是代码本身的价值，这两者以前高度重合但现在已经分离了。

没啥特殊要求就闲聊，看看能不能把过去的项目说明白，一些问题咋处理，一些设计咋想的
从我多年下沉市场的经验来看，能把这些说明白的已经是凤毛麟角了

@0x01Dev #1 我怀疑你在监控我

@chendy 面了快 50 个了，基本没有，关键的地方，说不清楚的地方他们就会用 ai 含糊过去

最近 v 友分享的： 「小学没毕业，每月爆赚 40 万」，

我要是面试官：看重学习能力和解决问题的能力

我觉得很好面试啊。给对方一坨 AI 写的东西，让 TA 找出里面的问题。

反正工作里也是面对一样的困境。就当实战。

只能问实际项目经验了，具体问项目里面的问题，遇到的坑，如何解决

考察提示词能力，Prompt 能力 = 需求拆解 + 上下文组织 + 约束设计 + 验证反馈 + 引导 AI 。现在确实有的人需求都说不清楚，或者 话都说不清楚，还有复杂问题的拆解

@sillydaddy 我们这是公司，不是只有职业，自己的项目想怎么写怎么写，说白了视频中的这种项目活不过一年，都是风口赚的钱，公司的项目得跑个 10 来年，不是一种东西

我都怀疑我赶不上很多同事了 公司的 ai 我使用率不是很高 很多同事可以很快把月付 token 用完

这是好事啊，现在的面试太过于急功近利，企业都想把试用期才能看出的实际工作能力通过面试这种考试考出来，员工也被迫去看八股面经，AI 导致这种面试不行了，那大家就老老实实的结果说话。当然企业的用工成本会上升一些，不过肯定也是远低于 AI 帮他们剩下的部分。

一个十几年开发经验的中老程序员得出这样的结论——那大概率就是 2-3 年经验重复十几年，没有冒犯意思
对我来说招人的思路一致以来都没变过（ ai coding 时代也一样）

本人最看不起的是这一类人，
十几年经验，都是一个很细的方向；没有需求、架构意识，没有 0-1 经验；没有大规模重构经验——然后还面窄、不愿意尝试与接受新鲜事物

@poxiaohy 比较想知道，项目的难点可以举个栗子吗？我不是做业务开发的，技术侧的难点感触不深；

另外思考的全面性是指啥？比如异常场景下导致的接口重放？

所以要招也是招十年老开发，从 ai 时代之前熬过来的。只需要考察产品思维和 ai 工具使用能力就行了

@xsen 不需要您看的起，但是还是强调下，本人有从 0-1 的项目经验，主导过项目的重构（不是为了重构而重构的重构），本人不反对 ai coding,也使用 ai coding 完成日常开发，但 ai coding 只是提效辅助手段而已，并不替代我做决策。如果说专门做一个方向不好，难道每个方向都浅尝辄止就优秀了？很多项目不经历 5 年，10 年以上配合业务发展的的迭代，深入思考架构后续的规划。只做点皮毛？跟外包一样做完项目就丢就是优秀？

我觉得更重要的不是写代码的能力，应该是提问，检查和复盘的能力。

我觉得再过几年，真的没有程序员这个职业了，应该只剩下黑盒测试了，有兄弟说什么要兜底，要兜底的应该只有和支付、安全生产有关的了

一旦工业上开始大规模铺开人工智能，真的就不需要程序员了，大家都去做电工焊工吧

@coderluan 试用期对双方成本都比较高。。。。

@harveyM #12 以后就是产品，开发，测试三者兼容，纯开发已经没有一点优势了，大厂也已经都是全栈趋势了

@zhengfan2016 #27 是的，一方面企业实际干活都是要完全的 ai coding ,一方面招人还需要必须实际不依靠 AI 能实际写代码的人，那招进去之后还是要 ai coding ，相当于招聘就是招聘，工作是工作，需要学两套不同的东西

我觉得有个方法能验证开发者在 vibe coding 下的产出质量以及沉淀能力————封装自己 claude/codex 等任何工具里的个人配置，包括但不限于个人代码风格 skill 、集成 skill 、AGENTS.md 、MCP 等。好的单个工具很多，但是集成在一起，产出代码有个人风格，没有 AI 味，且能快速迎合已有项目代码来产出，还是需要慢慢调试自己的工具的。这和以前慢慢积累自己的代码能力是一样的。

面试题可以是拿公司一些小服务的真实工程来出题，用开发者提供的个人工具包完成一个小功能（包括代码、单测、注释、提交规范等等），提交符合要求可以过第一关。整个过程可以完全不用人介入，公司平台先提供示例工程 demo ，开发者在用 demo 调通自己的工具包后上传自己工具包。

我知道可能会有人问白嫖怎么办？技术在迭代，开发者的能力也在进步，没有永远好用的工具包，只有不断优化的集成。公司买的是开发者持续迭代的能力。

还有人问复制别人工具包作弊怎么办？当然可以有基本的查重办法，但是和以前只会背八股的劣币一样，防不住，他们本质上是同一类人。

我是做硬件的， 也在用 ai 写程序。但是目前看起来还是要有经验才能指导 ai 解决问题

@harveyM #44 那说明你没有重度使用 ai coding

ai coding 实际上是最适合来做标准软件开发流程的最佳实践——以前只能古法编程的时代，因为交付周期、人力成本、人员素养等，几乎不可能按照标准来走。而 ai 就是指哪打哪

一个项目做 5 年、10 年，从概率来说，大概率是落后时代的发展的。面窄，缺乏技术敏感度，有闭门造车嫌疑

@sora2blue 应届生都没完整的做过一整套系统，你说的那些肯定是不会的

@nuo7mi7 没有 ai coding 之前你也得对需求进行评估，写代码，做完的项目自己测测，难道之前你是只写代码，不分析需求，不测试的么

柯洁在对战 AI 之前放话“就算阿法狗战胜了李世石，但它赢不了我！”

在某些“资深”开发者也蜜汁自信之前先在自己的领域里达到柯洁在围棋的水平叭。

我赞同 op 的。
没有技术思维,压根写不出技术向提示词。

已经很多年没面试人了🥲

主要是你考察不能和实际生产脱节吧，你说考核要别人不用 ai ，然后才算有优势和壁垒，问题是这个时代这些技术能力本身就已经不是壁垒了。

然后一到生产环节大家都用 agent 推进工作，如何控制 agent 本身也是要有 ai 使用经验支撑的。

@lxh0412 #54 实习经历在半年一年的也不在少数吧，对整个规范流程的认知应该是通的，况且现在有了 ai 试错成本低很多，如果是实际撸一套企业级系统就只能找老专家了

我觉得可以比较好的思路是考验代码优化，让 AI 生成一些明显臃肿和过度设计的代码让候选人古法修改。

@chendy 握手，下沉市场混迹多年，你说的一点没毛病

"AI coding 最多到 L2 ,L3 级自动驾驶的水平，真到 L4 还早" 有没有做过完全自动化的尝试，比如大量总结自身的技能和经验作化作 skill ，为模型提供充足完善的上下文，以及和各种内网工具进行打通

@pinecone1 你们能实现 95% 以上的代码自动驾驶？

@harveyM 在充分的打磨下，完全可以，并且这就是现在的工程师需要了解的如何更好的驾驭 AI 来提高生产力

我现在很简单，先考智商，然后丢一系列问题让他们去分析可能出问题的原因。也尝试过现场用 agent 排查问题的但是效果很差。后面再慢慢探索吧，感觉我的速度也跟不上 ai 的发展，走一步看一步吧。

怎么说呢，一个东西或一个方法你不会就是不会，意味着你脑子里没有这个东西的完整解决知识，不存在说什么“我用 AI 能写这个，AI 能解决这个” 等于 “我能解决”

在 AI Coding 之前，面试中如果很大比例都是纯 coding 或者八股文也就是面试实习生或者校招的程度。更大的面试篇幅应该是在系统设计、既往项目经理拆解和开放式问题分析上。这样的面试方式对于面试官的要求很高，如果只是一个经验丰富的螺丝钉是把握不住这种面试的。
那么在 AI coding 之后，手撕代码的意义降低了，简单的 leetcode 题考验下思路，用伪代码或者流程图之类能明确阐述意图即可，筛一下缺乏实际 coding 经历甚至伪造经历的。之后的面试重点和过去是区别不大的。额外多一块就是日常工作中对 AI 的运用度了。

AI coding 以后一定会变成 AI ，code 会彻底消失，最直白的答案就是我需要用一个东西，需要知道他实现原理和代码怎么写吗？下一代 AI 会直接根据需求生成能执行的二进制包，code 都不会出现，你觉得还需要程序员吗？以后只需要有需要，有测试人员测试需求是否实现，其他的都交给 AI 就好了，

还有我们现在总是在想 AI 在哪些方面替代不了程序员，其实他不需要替代，只需要让老板知道，他们不需要程序员就可以了。
关于代码调试和更资深的代码技术那是 AI 公司需要迭代更新的，跟普通程序员没多少关系了

至少要能兜底，这是前提，否则招人干嘛呢？
说变好像又没怎么变，真正能用好 AI 的人也不会差，怎么衡量用的好岂不是更关键？

几年前在字节的时候，我们入职了一个“嘴皮子工程师”，能力很差，但是说话一溜溜的。至今不知道怎么面试进来的，我们私下开玩笑说是和老板有内部关系。
前几年已经有这种感觉，越来越多“面向大厂面试”的候选人出现，讲话跟背八股文似的。“面向 AI 工程师”给人的感受也是一样的。

面试、聊天、考察候选人的思考能力，其实还是能筛选出来的。用黑话来说就是“能闻到那个味儿”😂。只是成本变高了，逻辑是不变的

@xsen #53 如果看不起一个能做 5 年、10 年的项目，说明这个人大概率是落后时代发展的，眼光窄，不知道很多东西更换的代价，也不知道很多东西在寿命结束之前是无法更换的（甲方不同意）。

@sillydaddy 我不信这个是完全不懂代码，纯 AI 开发出来的。

@Charlie17Li 这个你得结合对方项目的难点来问，或者自己的业务场景来问。我说的全面性就类似你说的“异常场景”下的接口重放怎么处理，诸如高并发、第三方接口异常、脏数据、异常宕机、内存泄露、死锁等等情况，这些都是实际生产环境才会遇到的，如果只是背八股文，或者让 AI 解决，是很难解决这类问题的，一听就能听出来。

离线程序员===高薪智障

- 高级的永远都是高级,可能薪酬贬值了罢了,本来就有自学能力,有了 AI 会更强
- 中低级的才是危机,因为没有高级的丰富经验,可能一部分又没有自学能力

我们需要提升价值(薪酬或者说不被淘汰),就只能横向发展,变成多面手(全栈),但是学习成本其实是降低了,因为可以干中学,AI 先能跑起来,然后慢慢熟悉.
我以前也不会用 Python,后面用豆包之类的早期 AI,复制脚本来清洗数据,现在我也不会 Python,但是大概知道他怎么跑起来,配合 AI 能解决很多问题,很多场景其实不需要高性能高并发,能实现能解决就满足企业要求了(反正有上面高级的顶着).

因此我觉得以后新人学到理解编程或者计算机的原理,可能就能通过 AI 来干活,至于干得好不好,可能有高级或者更强的 AI 兜底,提高下限,只是人没经验,而不是企业知识库和 AI 模型没经验,磨平了大部分人都起跑线,但是总体来说行业质量其实是高了(并不是说源码质量), 当然企业成本也会高了,因为成本结构变成 token+低廉人员.

我记得我刚出来那时候 3 年开发经验才叫人,不到 3 年的都是打杂狗,但是现在市场没有这样的说法或者要求了,AI 帮你磨平了 3 年经验

其实，我认为在拥有 AI 技能之后，工作的能力本身反而变得不重要了。因为关键取决于每个人如何看待并解决这一问题的能力，如果一个人本身不具备学习能力，肯定无法适应 AI Agent 的时代。你可以将公司的某个项目或其背景信息交给面试者，让他们自行通过公司的 AI Agent 完成任务，并观察其解决问题的过程，以此来判断开发者的能力，从而改变目前难以准确评估开发者水平的现状。我认为，在 AI Agent 普及后，程序员无需再关注低层次的代码细节实现，而应专注于如何通过更优的手段分析并完成任务，以实现最终目标。若能达成目标，即说明该人员具备优秀的能力，这与其是否使用 AI Agent 无关。

正如我刚才用二十分钟开发这款 Web Input 输入工具所示，它调用了我本地部署的语音模型和大语言模型。我只需明确功能需求并完成软件实现即可，无需深入了解 Swift UI 或 macOS 输入框架的具体细节，因为我熟悉 macOS 的权限系统及整体架构。我的核心任务是将应用构建出来，而不必纠结于底层原理。

在这个时代，开发者最重要的能力在于能够落地实现产品、理清思路并解决问题，而非在 AI Agent 普及后丧失面试价值。我们更应关注如何与 Agent 沟通以及如何有效管理 Agent ，而非沉迷于过去的知识细节，例如深究 macOS 的特定输入 API 或 Core Foundation 的多种 UI 写法。这些细枝末节已无实际价值，我们应当聚焦于最终的实现结果，而非陷入细节的泥沼。

甚至包括我并不熟悉的大语言模型部署，我的 CUDA 环境、CUDA 工具包以及 NVIDIA 驱动程序，全部都由 AI 协助完成。过去，若遇到 Linux 安装包下载或各类兼容性问题，我需要耗费大量时间逐一解决；而现在，我只需与 AI 智能体沟通，让它明确每一步的实现流程、安装步骤以及所需的硬件配置，即可高效解决模型部署问题。

如今，我们的工作重心应从纠结于底层细节转移到关注产品如何实现以及高层次的架构设计上。过度关注细枝末节只会让思维变得臃肿。在人工智能时代，我们无需亲自掌握每一项技术细节，因为 AI Agent 的知识库已能完整记录这些内容。人类程序员更需要专注于整体架构、代码管理、Agent 协作机制以及项目的整体编排。

即便是小型项目，核心也不在于死磕技术细节，而在于如何与客户高效沟通，深入挖掘需求，并评估在现有技术水平下需求的可行性。死抠代码细节已成为程序员中最基础且低效的技能。我认为，当代程序员的核心价值在于与人沟通、洞察需求、创造价值，并利用技术手段实现这一目标，而非在无意义的细节打磨中消耗精力。随着 AI 技术的持续演进，这些基础的执行性工作终将被替代。

@Ravenddd 它并非因为薪酬贬值而显得“不高级”，而是技能本身的价值已被 AI 削弱。过去，开发跨平台系统程序（如 Mac OS 、Linux 或 Windows ）需要深入掌握各平台的细节差异，这往往需要多年的经验积累。在 IE6 时代，开发者必须精通 CSS Hack 等特定技术。然而，如今这些细节已无足轻重，因为相关知识和文档早已录入大模型，AI 能轻松处理。

既然支持老旧技术不再构成压力，开发者无需再耗费精力去记忆或推敲具体实现细节，而应将重心转向宏观规划：制定整体方案、设计测试策略、规划工作流程，以及如何为 Coding Agent 设定规范，确保代码符合预期，并进行自动化测试与验证。

在这个时代，技术细节并非不可获取的壁垒，遇到具体问题时可随时通过 Agent 查阅学习。因此，我们更需要培养的是能够快速掌握不同领域知识的能力，而非机械地积累所有技术细节，后者已显得毫无必要。