精华速览

Anthropic工程经理Felix Rieseberg本月将传统编程面试从其团队的招聘流程中移除，理由是这类现场编码测试已无法提供有效信号。他管理过Claude.ai、Cowork和Claude Code Desktop等产品，直言让候选人现场写小型React挑战与考汇编语言一样失去意义，因为Claude在这两类任务上都能完成。这一调整反映出AI编程能力提升对招聘评估方式的直接冲击：当工具能代劳标准化编码题，面试题对候选人真实能力的区分度下降。事件的核心问题在于，工程招聘需要重新寻找能衡量判断力、协作与问题拆解等难以被模型替代的能力的评估手段，而具体替代方案尚未公开。

要点透视

  • Anthropic工程经理Felix Rieseberg本月将传统编程面试从其团队招聘流程中移除，并公开表示“它不再提供有效信号”。
  • Rieseberg负责管理过Claude.ai、Cowork和Claude Code Desktop等产品，其判断基于对现有面试流程的长期观察。
  • 他以现场编写小型React挑战为例，认为这类题目与考汇编语言一样缺乏评估意义，原因是Claude对两类任务均能完成。
  • 该调整目前仅限其所在团队，并非Anthropic公司层面的统一招聘政策，其他团队的面试方式尚待确认。
  • 事件折射出AI编码工具普及后，标准化现场编码题对候选人能力的区分度正在下降，招聘评估面临重新设计的需求。

文章拆解

这则消息的分量不在于一家公司改了面试题，而在于改题的理由：面试官认为题目已经测不出东西了。传统现场编程面试的设计前提是，候选人在有限时间内独立完成一段代码，过程能暴露其语言熟练度、调试思路和抗压表现。但当Claude这类模型能稳定完成小型React组件乃至汇编级任务时，题目本身的门槛被工具抹平，面试官看到的可能只是候选人调用AI的熟练程度，而非工程能力。Rieseberg用“考汇编语言”作类比，指向的正是这种错位：一项技能若已由工具普遍代劳，再把它作为筛选门槛就失去了区分价值。

从行业影响看，这一变化可能沿两条路径扩散。其一是招聘端，若头部AI公司的工程团队公开弃用现场编码，其他公司会面临同样的信号失效问题，尤其是那些题库公开、题型固定的标准化面试。其二是候选人端，准备方式将从刷题转向展示项目经历、系统设计判断和与AI协作的流程，这对擅长实际交付但不擅长限时解题的工程师可能更有利。

核心逻辑在于评估目标与评估手段的脱节。面试真正想测的是候选人能否在真实工程环境中做出合理决策，而限时编码题只是过去成本较低的代理指标。当代理指标被AI轻易满足，招聘方要么提高题目难度至模型难以完成的水平，要么转向考察判断力、需求拆解、代码审查和协作沟通等更难标准化的维度。Rieseberg未披露替代方案，这部分尚待确认。

值得关注的变量包括：其他团队和公司是否跟进，若只是个别经理的个人选择，行业影响有限；替代评估方式能否保证公平性和可复现性，主观性过强的面试可能引入新的偏差；以及候选人使用AI工具的边界如何界定，完全禁止与完全放开都会影响信号质量。潜在风险在于，过早放弃结构化编码评估可能让基础能力不足者进入流程，而缺乏公开透明的替代标准则可能加剧招聘的不确定性。

查看原文