AI Coding 时代作为面试官已经不会面试开发了

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。