为什么面试题得先换一轮

如果默认候选人可以现场使用 AI，那么很多老题就会迅速失真。你再去考手写排序、背 API 或 40 分钟拼一个 CRUD，测出来的更像“他敢不敢不用 AI”，而不是“他会不会和 AI 一起把事情做成”。

更值得追的问题，是候选人能不能把一个模糊需求压成可执行任务，能不能给模型补对上下文，能不能用测试和日志去验证结果，能不能在风险出现时接管系统。下面这 10 道题，就是围绕这几个能力展开的。

01. 给你一个模糊需求，你会怎么让 AI 开始干活

这道题先看候选人会不会把“需求理解”变成结构化输入，而不是把一句口语直接扔给模型。

  • 第一层追问：你的第一轮提示词会包含哪些元素，比如目标、边界、输入输出、验收标准、不要做什么。
  • 第二层追问：如果 AI 一上来给了一个大而全的方案，你会怎样把它压缩成最小可交付切片。
  • 第三层追问：什么情况下你会停止继续提示，转而回去找产品或业务补信息，而不是让 AI 继续猜。

02. 同一个需求，你会给 AI 喂哪些上下文，不给哪些

真正会用 AI 的人，通常知道上下文不是越多越好，而是要把最关键的约束装进去。

  • 第一层追问：你会优先给什么，比如相关代码、接口定义、历史实现、失败案例、设计规范。
  • 第二层追问：如果上下文太大，模型开始跑偏，你会怎么裁剪和重组。
  • 第三层追问：哪些信息该放进长期固定指令，哪些信息只该放在当前任务里。

03. 你会怎样把一个复杂任务拆成适合 AI 执行的步骤

这道题考的不是“会不会列 Todo”，而是会不会拆出可验证、可并行、可回退的子任务。

  • 第一层追问：请把“给老系统加一个报表导出功能”拆成 5 到 7 个子任务。
  • 第二层追问：哪些子任务可以并行，哪些必须串行，为什么。
  • 第三层追问：如果中途发现最初拆法错了，你会怎么重排任务而不是继续在错误结构上打补丁。

04. 你怎么判断 AI 生成的结果是真的可用

很多候选人会把“跑通了”误当作“可交付了”。这道题就是把这个误区逼出来。

  • 第一层追问：除了代码能跑，你还会设计哪些验证，比如单测、集成测试、边界样例、人工检查。
  • 第二层追问：如果这个任务没有标准答案，你会怎么设计自己的 eval。
  • 第三层追问：如果线上反馈和离线评测冲突，你会优先看什么，再怎么修正评测体系。

05. AI 改完代码后，你怎么做代码审查

AI 时代的 review 重点，已经不只是看代码风格，而是看候选人会不会读 diff、读风险、读后果。

  • 第一层追问：你先看什么，是 diff、测试、日志、架构影响，还是用户路径。
  • 第二层追问：如果代码能工作，但你解释不清为什么这样实现，你会不会合并。
  • 第三层追问：你怎样识别重复逻辑、过度抽象、隐藏耦合这类短期能跑、长期有害的问题。

06. AI 修了很多轮 bug 还没修好，你怎么接管

这道题考的是故障切换能力，也就是候选人会不会在 AI 失控时切回工程方法。

  • 第一层追问：你怎么判断这是提示词问题、上下文问题，还是根因判断出了偏差。
  • 第二层追问：如果模型一直在 brute force 改动，你会怎样强制它先做根因分析。
  • 第三层追问：什么情况下你会中断这轮 AI 会话，自己下场 debug 或换模型换工具。

07. 如果让 AI 直接连工具、数据库和仓库，你怎么控风险

真正成熟的候选人，通常不会把“能自动化”直接等同于“该自动化”。

  • 第一层追问：哪些操作你会允许自动执行，哪些必须人工审批。
  • 第二层追问：你怎么防 prompt injection、越权读取、误调用工具和误删数据。
  • 第三层追问：如果必须处理不可信输入，你会怎样把自由文本先收束成结构化约束。

08. 你如何选择模型、工具和工作流

这道题考的是成本意识和工作流判断，而不是单一工具熟练度。

  • 第一层追问：什么任务你用快模型，什么任务你用强模型，什么任务你干脆不用 AI。
  • 第二层追问：什么情况下你用 IDE 助手，什么情况下用终端 agent，什么情况下拆成多个 agent。
  • 第三层追问：当 latency、token 成本和成功率互相冲突时，你怎么做取舍。

09. AI 写出了能用的代码，3 个月后团队还改得动吗

软件工程不会因为生成速度变快就自动变轻，这道题专门看长期质量判断。

  • 第一层追问：你会重点检查哪些长期信号，比如重复代码、脆弱测试、糟糕命名、错误抽象。
  • 第二层追问：如果 AI 生成的实现明显冗长，你会要求重写、自己手改，还是直接接受。
  • 第三层追问：如果你是 on-call，这段代码至少达到什么标准你才敢发生产。

10. 如果你带一个团队，你会怎么招聘和培养会用 AI 的程序员

最后一题把视角拉到组织层，能回答好的人通常已经不是只会单点操作工具。

  • 第一层追问：你最看重候选人的哪三个信号，是提问质量、验证习惯、代码解释力、风险意识，还是别的。
  • 第二层追问：你如何区分“只会套壳提问的人”和“真能提升团队交付质量的人”。
  • 第三层追问：入职后 30 天，你会要求新人建立哪些 AI 工作习惯，避免团队一起滑向表面高产、实则负债积累。

这 10 题真正想测什么

把这些题放在一起看，真正考的不是 prompt 技巧，而是四件更底层的事。

  • 能不能把问题定义对。
  • 能不能把 AI 约束对。
  • 能不能把结果验证对。
  • 出了事能不能自己兜住。

如果候选人只能谈“我会让 AI 帮我生成”，而很少谈验收、回滚、审批、上下文和责任链，那他更像在展示工具熟悉度；如果他能把这些环节都讲清，你才更有理由相信他真的能在 AI 时代做工程。