以下是我问 gpt 5.6sol high
我：我看到一个帖子，我在思考在当下 ai 时代，如果需要招人，应该怎么判断，你是现在 ai 时代的佼佼者，我想听听你的看法，以下是帖子原文
gpt:我基本认同帖子里对“人必须对代码负责”的判断，但我不太认同他的解决方案——试用期禁止 AI Agent 、要求手写代码。

因为这很可能把问题从一个极端推到另一个极端。

AI 时代真正要筛掉的，不是“用 AI 的人”，而是：

没有 AI 就不会思考，有 AI 又不会判断的人。

而真正应该抢的人，是：

自己有完整心智模型，又能把 AI 变成生产力杠杆的人。

这篇帖子真正暴露的问题

他说这个人：

需求一天做完，但是不知道代码路径，不知道接口在哪里调用。

我觉得这已经不是“代码水平弱”了。

这是一个非常强的危险信号：他没有建立对自己产出的控制权。

假设让我判断一个工程师，我其实不太关心这段代码到底是：

他一个字一个字敲的；
Copilot 补的；
Claude/Codex 写的；
还是 Agent 一把梭出来的。

我更关心一件事：

你现在敢不敢把这段代码部署到生产环境，并且出了问题你能不能接得住？

比如我随手问：

“登录接口在哪里发起？”

“token 存在哪里？”

“401 怎么处理？”

“这个 SKU 接口为什么放这里？”

“如果接口返回字段明天改了怎么办？”

“这里为什么用 map ，不用 reduce ？”

“这个请求为什么会执行两次？”

“如果现在让我加一个颜色+尺码的组合库存，你从哪里改？”

真正做过的人，哪怕代码 90% 是 AI 写的，也能顺着自己的系统模型快速回答。

反过来，一个人即使手写了 1000 行代码，但不知道为什么这么设计，我一样不会要。

所以我会把 AI 时代工程师能力概括成一句话：

代码所有权 > 代码生产方式。

我认为传统面试正在快速失效

帖子里那些问题：

盒模型、localStorage/sessionStorage 、数组 API 、树结构、复杂度……

这些东西不是完全没用。

但它们现在的区分度正在迅速下降。

一个人准备几周八股，甚至旁边挂着 AI ，都可以表现得像一个中级工程师。

所以以前面试是在测：

你知道多少？

现在应该越来越多地测：

你面对一个未知问题的时候，是怎么工作的？

这两件事情完全不同。

我甚至认为未来技术面试最重要的变化就是：

从 Knowledge Test 转向 Work Simulation 。

如果让我现在招一个中级程序员，我会这么面

我会采用一个原则：

同时测试“无 AI 下限”和“有 AI 上限”。

而不是全面禁止 AI 。

能力 我要知道什么
基础能力 没 AI 时有没有基本心智模型
代码阅读 能不能快速理解陌生项目
问题拆解 能不能把模糊需求拆清楚
AI 使用 会不会正确使用 Agent
AI 审查 能不能发现 AI 的错误
Debug 出问题以后能不能定位
架构判断 能不能比较不同方案
Ownership 是否真正掌控自己的产出

我可能安排一个 60 ～ 90 分钟的真实任务。

第一阶段大约 15 ～ 20 分钟，不允许 AI 。

但我不会让他默写 API 。

我直接给一个小项目：

“先把这个项目跑起来。”

“告诉我入口在哪里。”

“登录流程怎么走？”

“这个状态为什么存在？”

“这个 bug 可能在哪里？”

这里我要看的，是他有没有基本工程能力。

然后我说：

现在可以随便用 AI ，Claude 、Codex 、Cursor 都可以。

接下来才真正有意思。

第二阶段，我反而会强制他使用 AI

因为我想看看：

AI 到底能把这个人放大多少倍。

同样一个需求，弱的人可能这样：

需求 → 丢给 Agent → Accept All → 能跑 → 完事。

强的人往往会这样：

需求
↓
确认边界
↓
理解现有架构
↓
告诉 AI 修改范围
↓
AI 给方案
↓
判断方案
↓
生成代码
↓
review diff
↓
运行测试
↓
发现问题
↓
重新约束 AI
↓
自己修改关键部分
↓
验证边界情况

这两个人可能都“半小时完成需求”。

但其实是完全不同级别的工程师。

所以我会专门看他的 AI 操作过程。

甚至一个人 Prompt 写得特别漂亮，我都不会直接加分。

我看的是：

AI 犯错时，他多久能意识到？

这是 AI 时代特别关键的一项能力。

然后我会故意搞他一下

比如他已经把 SKU 做完了。

我突然说：

产品刚改需求了，颜色和尺码不是两个数组了，现在接口返回 variant combinations ，而且部分组合没有库存。

这时候特别能看出水平。

因为背过答案的人开始崩。

纯 Agent 型程序员也容易崩。

真正理解代码的人脑子里会迅速重新构建数据关系：

Product
↓
Variants
↓
Color × Size
↓
Stock

然后知道哪些地方需要修改。

再比如我突然制造：

401

或者：

接口偶尔返回 null

或者：

快速点击造成重复请求

或者：

页面刷新状态丢失

让他定位。

Debug 能力在 AI 时代反而比写代码能力更重要。

因为未来大量代码可能都是 AI 写出来的。

人最大的价值之一，就是：

AI 搞砸之后，你能不能把系统救回来。

我还会专门做一道「 AI Code Review 」

这可能是我认为 AI 时代最值得加入面试的一道题。

我直接给他一份“AI 写出来但有问题的代码”。

里面故意放几个问题：

性能问题、并发问题、异常处理缺失、重复请求、状态设计问题、过度抽象、安全问题。

然后问：

你敢不敢把这个 PR merge ？

比“Array 有哪些方法”有价值太多了。

因为实际工作未来越来越像这样：

AI：我写好了。

工程师：让我看看你到底写了什么鬼东西。

😂

这会变成非常真实的工作场景。

至于「远程面试如何防 AI 作弊」

我的观点可能和帖子作者不太一样：

不要试图防。

因为以后越来越防不住。

今天让候选人闭眼。

明天有耳机。

后天有 AR 。

以后甚至可能实时语音 Agent 在旁边辅助。

如果你的面试必须建立在：

“候选人不能使用 AI”

这个前提上，

那这个面试方式本身就已经开始过时了。

更好的方式是：

让 AI 参与进来，但设计一种“仅靠 AI 无法伪装能力”的面试。

例如连续追问。

他说：

“这里用了 Zustand 。”

你问：

“为什么？”

他说：

“状态管理方便。”

继续：

“那为什么不用 Context ？”

继续：

“那如果现在 SSR 呢？”

继续：

“如果这个状态其实只在两个组件使用呢？”

继续：

“那你还会用 Zustand 吗？”

AI 可以帮一个人回答第一层。

但是连续因果链非常容易把假的经验打穿。

判断简历造假，我也不太喜欢问知识点

我特别喜欢问一个东西：

决策过程。

例如他说：

“负责公司 React 项目性能优化。”

我不会问 React Fiber 是什么。

我问：

“当时为什么要优化？”

“优化之前指标是多少？”

“你怎么知道问题在哪里？”

“试过哪些方案？”

“有没有方案最后被你否掉？”

“为什么否掉？”

“上线以后提升多少？”

“有没有副作用？”

“如果重新做一次你会怎么做？”

真正经历过的人，答案通常充满大量“不完美细节”。

假的经历往往特别漂亮：

我负责性能优化，通过懒加载、缓存、代码分割，使页面性能提升 40%。

听起来非常标准。

但是问：

“40% 是哪个指标？”

开始卡。

“谁测的？”

继续卡。

“首屏还是 FCP/LCP ？”

继续卡。

“线上怎么采集？”

基本结束。

这就是我认为非常有效的 experience fingerprint 。

真实经历是很难伪造完整因果链的。

我反而觉得这个帖子还有一个更深的问题

他说：

中山
单休
12K
无公积金
中级前端

然后感叹：

为什么不好招人？

这里其实存在一个招聘里很重要的问题：

筛选机制解决不了人才供给问题。

岗位竞争力决定的是进入漏斗的人。

面试机制决定的是你能不能从漏斗里选对人。

这两个问题不能混在一起。

如果优质候选人本来就很少进入招聘漏斗，再精妙的面试系统也不可能凭空创造人才。

甚至会发生一个很典型的 adverse selection：

优秀工程师
↓
选择多
↓
选择一线 / 双休 / 高薪 / 远程

一般工程师
↓
选择少
↓
进入你的候选池

最后老板会产生一种感觉：

“现在程序员怎么越来越差了？”

但可能并不完全是整个市场变差，而是自己能接触到的人才样本发生了变化。

这个问题我觉得帖子作者没有完全意识到。

AI 时代，我最看重的 5 种人

如果让我今天搭一个技术团队，我的排序会是：

能理解问题的人。
不是接到需求立刻写代码，而是知道需求到底解决什么问题。
能驾驭 AI 的人。
一个过去 1× 的程序员，AI 后可能 3×；真正优秀的人甚至可能被放大到 5×、10×。
能判断 AI 对错的人。
这是最关键的一层。AI 越强，这个能力反而越值钱。
能处理异常的人。
正常路径 AI 特别擅长。真正值钱的是系统出问题的时候能不能解决。
对结果有 ownership 的人。
最后一句永远是：“这个功能是我负责的。”而不是：“这是 AI 写的。”

所以我非常认同帖子最后那句话背后的精神：

AI 不能替你承担责任。

但我会把他的：

编程主体必须是人。

稍微修改成：

工程决策和责任主体必须是人。

至于代码是谁敲出来的，我越来越不在乎。

甚至未来我可能更愿意要：

一个基础扎实、判断力强、Agent 用得飞起的人

而不是：

一个坚持纯手工、每天写 500 行代码的人。

最后给你一个我现在非常认可的 AI 时代招聘公式：

候选人价值 ≈ 基础能力 × 判断力 × AI 杠杆 × Ownership

注意这里我用了乘法。

一个人的 AI 能力是 10 ，但判断力接近 0：

10 × 0 ≈ 0 。

这就是帖子里那个“一天把需求做完但连代码在哪都不知道”的人。

而一个工程师基础可能只有 7 分，但判断力 9 分，AI 使用 9 分，而且极度负责——这种人我反而会非常想要。

AI 时代真正需要筛选的，已经不是“谁最会写代码”，而是“谁最有资格指挥 AI 写代码，并为最终结果签字”。

这会是我未来几年招技术人员最核心的判断标准。

用的 iOS 订阅，几个月了 2 个 claude 账号，2 个 gpt 账号，都是自用，很稳定

@digdug 确实，站主自称秦始皇，有种说不出来的感觉

@qiayue 我是这么看的，你说的洞察力其实是每个行业资深专家需要具备的能力，目前 ai 只是没有在产品这一块发力，最新（未发布的）的大模型能越狱，能挖掘十几年没人发现的 bug ，这本身就是一种洞察力的体现。

@qiayue 我的意思是懂产品也许和懂代码一样，这种技能在 ai 面前都不值一提

@qiayue 有没有可能 ai 做产品，可能比写代码更厉害一点

我 star DeepSeek Harness 是怕后面忘记这个技术，node.js 开发久一点多少都听说过，反而不用特别标记

@jowan 这个感觉挺微妙的，就像每周有一个固定的钱可以花，周一到周五吃普通一点，周末准备吃个大餐，在周五重置就相当于重新开始周一，有的人想的是先享受了再说，后面紧巴一点，有的人是想前面紧巴一点，后面不那么被动可以，想吃什么吃什么，就是一个习惯问题

@Kirkcong 我是这样用的，先跑公司的业务，剩下的留给自己跑业余项目，一般都是最后一两天就用自己项目消耗，这样两边都不耽误

懂你感觉，完美主义，喜欢把资源利用到极致

mac 上在用户目录下有个.claude 文件夹，里面有所有的 claude 聊天记录，windows 上应该也有类似的目录