過去18個(gè)月，北美技術(shù)招聘圈流傳一個(gè)詭異現(xiàn)象：簡(jiǎn)歷上的項(xiàng)目越來越漂亮，面試現(xiàn)場(chǎng)的表現(xiàn)卻越來越抽象。

不是那種緊張導(dǎo)致的結(jié)巴，而是根本性的認(rèn)知斷層——候選人能寫出跑通的代碼，被追問"這段為什么這樣寫"時(shí)，卻像突然被拔掉了電源。

機(jī)制一：代碼能跑，但人不會(huì)了

AI編程工具的普及，把"寫出功能"的門檻砍到了腳踝。GitHub Copilot、Cursor這類工具讓新手幾小時(shí)內(nèi)就能攢出一個(gè)像模像樣的項(xiàng)目，放到簡(jiǎn)歷上足夠唬人。

問題在于，這個(gè)生產(chǎn)過程里，人扮演的角色越來越像策展人而非創(chuàng)作者。選哪個(gè)方案、調(diào)哪行參數(shù)，決策權(quán)交給了算法。候選人提交的作品集確實(shí)"functional"，但技術(shù)面試要的不是這個(gè)——它要的是你面對(duì)白板時(shí)，能從第一性原理推導(dǎo)出解法。

一位Google招聘委員會(huì)成員描述這種落差：「他們帶來的項(xiàng)目看著很完整，但問'如果輸入是空數(shù)組會(huì)怎樣'，眼神就空了?！?/p>

機(jī)制二：功能導(dǎo)向正在制造"紙面工程師"

教育體系對(duì)AI工具的擁抱，無意中強(qiáng)化了一種危險(xiǎn)的學(xué)習(xí)路徑：以輸出為唯一目標(biāo)，跳過中間的掙扎與試錯(cuò)。

傳統(tǒng)編程學(xué)習(xí)的價(jià)值，很大程度上來自那些卡住的夜晚——調(diào)試時(shí)被迫逐行追蹤變量，重構(gòu)時(shí)親手把面條代碼拆成模塊，這些痛苦才是理解的錨點(diǎn)。AI工具把痛苦外包了，理解也就成了無根之木。

招聘現(xiàn)場(chǎng)的反饋很殘酷：候選人能解釋"這段代碼做什么"，但解釋不了"為什么選這個(gè)數(shù)據(jù)結(jié)構(gòu)"或"時(shí)間復(fù)雜度怎么來的"。這種"表面熟練"在高壓面試中迅速崩盤，因?yàn)樽穯栆坏┏龉ぞ呱傻拇a邊界，知識(shí)體系就出現(xiàn)斷層。

機(jī)制三：技術(shù)面試成了壓力測(cè)試的照妖鏡

面試設(shè)計(jì)的初衷，本就是模擬真實(shí)開發(fā)中無法Google、無法求助AI的場(chǎng)景。它刻意制造認(rèn)知負(fù)荷，逼候選人展示無法被工具替代的思維能力。

但AI教育培養(yǎng)出的開發(fā)者，在這種環(huán)境下暴露出一個(gè)結(jié)構(gòu)性缺陷：他們的知識(shí)是"調(diào)用型"而非"生成型"。能識(shí)別好代碼，但寫不出；能跑通測(cè)試用例，但造不出測(cè)試用例。面試中的白板環(huán)節(jié)、邊界條件追問、復(fù)雜度分析，恰好戳中這些軟肋。

更麻煩的是系統(tǒng)性風(fēng)險(xiǎn)。如果招聘標(biāo)準(zhǔn)被迫下調(diào)以填補(bǔ)headcount，企業(yè)最終雇用的是一群"代碼搬運(yùn)工"——日常開發(fā)或許能應(yīng)付，但生產(chǎn)環(huán)境出故障時(shí)，缺乏從根因定位到修復(fù)的完整能力鏈條。

一位Meta工程總監(jiān)的觀察很直白：「我們不是在招會(huì)按Tab鍵的人，是在招系統(tǒng)出問題時(shí)能扛住的人?！?/p>

裂縫正在擴(kuò)大

這個(gè)趨勢(shì)沒有自限機(jī)制。AI工具在進(jìn)化，教育體系的調(diào)整卻滯后得多。當(dāng)新一代開發(fā)者批量進(jìn)入市場(chǎng)，招聘方被迫在"能干活"和"真懂行"之間做越來越艱難的權(quán)衡。

已有公司在調(diào)整策略：延長(zhǎng)試用期、增加系統(tǒng)設(shè)計(jì)輪次、把"解釋你三個(gè)月前寫的代碼"變成固定環(huán)節(jié)。但這些是補(bǔ)丁，不是解法。

根本矛盾在于，AI輔助編程和基礎(chǔ)能力培養(yǎng)之間，還沒有找到穩(wěn)定的共生模式。工具越強(qiáng)大，新手越難抵抗"先跑起來再說"的誘惑——而那個(gè)"再說"，往往永遠(yuǎn)不會(huì)來。

教育者和行業(yè)領(lǐng)袖現(xiàn)在面臨一個(gè)選擇：是讓AI成為腳手架，還是讓它變成拐杖？這個(gè)選擇的結(jié)果，將決定未來幾年軟件行業(yè)的平均故障率和凌晨三點(diǎn)的on-call頻率。

一位參與多輪校招的Netflix工程師留下一個(gè)未解的問題：「如果五年后，AI能生成并維護(hù)90%的代碼，我們面試時(shí)到底該考什么？」