在 AI 編碼代理時代面試軟體工程師

AI 編碼助手與自主代理的崛起，造成了傳統技術面試與現代開發者日常作業流程之間的落差。隨著越來越多候選人表示他們主要負責指揮代理，而非手動撰寫程式碼，招聘經理正在調整評估策略，以區分那些僅依賴 AI 但缺乏基本工程技能的「代理依賴型」開發者，與善用 AI 增強自身專業能力的開發者。

從語法測試轉向問題拆解

評估候選人拆解複雜問題的能力，如今比測試他們記憶特定語言語法的能力更加關鍵。當 AI 處理實作細節時，主要的工程技能轉向拆解與引導。

• 提示工程作為關鍵指標： 一些面試官現在將提示工程視為核心能力。這包括給予候選人一個廣泛範圍的問題，觀察他們在輸入 AI 前如何拆解問題。高信號指標包括候選人是否能有效引導模型，而非盲目接受 AI 建議，以及根據任務需求切換模型的能力。
• 「代理優先」工作流程： 一些組織已轉向完全以 AI 為主的招聘流程。在這些模式中，候選人會被置入真實的程式碼庫，並要求使用內部 AI 工具實作一個功能。成功標準是他們的互動模式、提問方式，以及在受規則與品質門檻管控的系統中產生的最終輸出品質。
• 「一擊式」的風險： 完全以代理為導向的面試可能不穩定。一些經理報告指出，僅將票券直接丟入 LLM 而未做準備的候選人，經常產生不一致的結果，因此部分公司已回歸受限環境進行初步篩選。

驗證基本工程嚴謹性

為抵禦那些會提示但無法工程化問題的候選人風險，目前已有幾種策略用以確保技術能力的基線水平。

程式碼審查與除錯

比起要求候選人從零開始撰寫程式碼，一些面試官會提供一個小型、故意有缺陷的程式碼庫（例如，一個簡單的 CRUD API），並要求候選人不使用 AI 工具進行審查。這可測試：

• 批判性思維： 是否能識別出缺少驗證機制或不良的記錄做法。
• 溝通能力： 解釋某段程式碼為何是錯誤的，模擬資深工程師對初階工程師的指導情境。

「修改與擴展」配對實作

另一種有效方法是兩階段流程：先提交一段簡單的程式碼（例如，從 CSV 做基本資料映射），再進行即時配對實作。在實作中，要求候選人修改邏輯或擴展資料集，但不得使用 AI 工具。這能揭示候選人是否真正理解自己提交的程式碼結構，還是僅憑生成而無理解。

替代評估框架

許多有經驗的招聘者認為，無論是否使用 AI，傳統的 LeetCode 式面試提供的訊號都極少，並建議聚焦於更高層級的專業素養。

• 經驗導向提問： 關注候選人實際經歷——深入探討其履歷上的特定專案、所做的決策與學到的教訓。
• 付費實作試用： 在初步技術面試後，實施 1-2 天的付費試用期，以降低雇主與候選人雙方的招聘風險。
• 產品思維導向： 重視「軟性」指標，例如好奇心、真實性與產品導向思維，而非過度著重於電腦科學的細節。

面試策略總結

策略	重點	AI 政策	收集的訊號
程式碼審查	分析與指導	禁用 AI	識別錯誤與解釋技術負債的能力
代理任務	引導與拆解	AI 優先	利用 AI 產出高品質功能的管理能力
配對擴展	理解能力	提交時可用 AI，擴展時禁用 AI	驗證候選人是否理解生成的程式碼
實作試用	整合與交付	開放使用 AI	實際工作表現與團隊契合度
履歷深度探討	經驗與判斷	不適用	經歷真實性與架構思維能力