Coinbase 重构工程师面试：AI 时代的新标准
Interviewing Engineers in the AI Era: Lessons from a Year of Rebuilding
当 Coinbase 的代码库中超过 50% 由 AI 生成时，我们意识到传统的面试流程已经失效。过去我们测试候选人能否凭记忆写出 URL 缩短器，现在这毫无意义。我们花费一年时间彻底重构了面试体系，不再考察死记硬背，而是评估候选人如何指挥 AI、审查其输出以及在模型失效时做出判断。从前端试点到全公司推广，我们建立了基于真实代码库的调试环节和 AI 素养评估维度。当构建成本趋近于零，识别该构建什么、验证其正确性并安全交付，才成为真正的瓶颈。
当构建成本趋近于零时，识别该构建什么、验证其正确性以及安全交付的成本便成为了限制因素。
- sarmadgulzar
我不确定，在裁员 14% 之后，把这种操作称为“重构”是否是个好主意。如果这并非某种双关语，那它确实极其有效。
https://xcancel.com/brian_armstrong/status/20516167591451857...
- dgellow
这些听起来在纸面上都很美好，但我有个真心实意的问题：初级或中级工程师该如何培养判断力，以便去评判 AI？如果你自己从未通过犯错来学习这项技能，又该从何学起？
我并不是说 2026 年的所有代码都必须手写，但确实有些微妙的东西，只有当你深入细节时才能学到，尤其是与安全相关的部分。
此外，如今的 AI 在“担当责任”方面臭名昭著。当你要求它给出一个明确的答案时，它仍然会提供几个选项，并列出各自的优缺点，这样最终做决定的还是你，而不是它。那么，如果你自己从未学会如何做决定，又该如何在这些（或更多）选项中做出选择呢？
- nitwit005
我在经历 Anthropic 的面试流程时，有一点让我很欣赏：我只和真人打交道。他们本可以展示连面试都是由 Claude 或类似工具完成的，但并没有，整个流程都是与真人互动，没有任何关于“你如何与 LLM 协作”的话题。重点在于我作为人类，是如何思考和处理情况的，以及我如何与他人（真人）协作等。这对我来说很有道理，我总体上很欣赏他们的流程（除了非常耗时，需要大量准备）。但有趣的是，看到 AI 实验室的客户们觉得有必要展示他们的流程中有多少是围绕“代理（agentic）”事物构建的。