AI时代的面试
本文探讨了AI如何影响软件工程面试，分析了不同类型的面试（家庭作业、现场练习、演讲、实际工作）在信号质量和公司成本两个维度上的表现。作者认为AI使家庭作业过于简单，降低了现场编码的相关性，建议限制AI在面试中的使用以保持信号质量，并借鉴传统教育模式的经验。
文章情报
要点
- AI编码威胁了当前的面试模式，尤其是家庭作业和现场编码。
- 公司应限制AI在面试中的使用，以维持信号质量。
- 面试类型在信号质量和成本上各有差异；家庭作业信号强但易受AI影响。
- 传统考试模式通过广泛、模糊的问题来抵御技术。
为什么重要
这条新闻值得关注，因为AI编码威胁了当前的面试模式，尤其是家庭作业和现场编码。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
在AI模型和工具快速演变的时代，一个核心问题浮现：软件工程师是否还会写代码？如果这一核心技能消失，公司应如何调整面试流程？本文深入分析了AI对面试的影响，并提出了具体建议。
文章首先提出了评估面试的两个核心维度：信号质量和公司成本。信号质量指的是面试问题能否有效识别优秀候选人，排除噪音（如不关键的技能或易学的能力）。影响信号质量的子维度包括：抗面试特定准备的能力、现实性、公平性和难度。好的面试通常足够难，使大多数候选人失败。另一个维度是公司成本，包括问题设计、测试、文档化以及培训面试官的时间投入。难度和吸引力也影响成本。
接着，文章对面试类型进行了分类。家庭作业面试（take-home）提供高信号但极易受AI影响——2026年的大多数提交很可能由AI生成，导致面试官需要花费大量时间审查。现场练习（live exercise）信号中等，但AI降低了其相关性。演讲（presentation）信号低但成本低。实际工作（actual work）信号高但成本高。作者指出，AI编码将家庭作业的成本从候选人转移到了公司。
文章还讨论了问题泄露的必然性，并提出了应对策略：控制准备、拥有多样化问题并定期替换，以及使泄露更加困难。AI不仅使家庭作业变得太容易，还使泄露的问题成为强大的备考工具。
最后，文章借鉴法国教育模式，指出传统考试通过禁止工具、使用独创且广泛的问题来保持高信号。作者建议公司限制AI在面试中的使用，转而注重判断力和基础技能，而非特定工具。面试应聚焦于评估人类的创造力和问题解决能力，而不是AI的使用技巧。