AI时代如何提问面试者

Thu, 14 May 2026 00:00:00 +0000

背景

在 AI 时代，我们要如何面试才能保证招到合适的人才？你也不想招到一个 LeetCode 很厉害，但是却不会用 Claude Code，而且也不愿意学习 AI 编程的人吧。

但是相比起 LeetCode 或者传统软件知识来说，AI 又太年轻。我们又怎么样才能知道，对方是否能在未来几年的工作中，在公司保持较高的生产力呢？

AI 只是一个泛泛的术语，适用于普通人理解。但是我们身为职业工作者，用词必须准确。

AI 包含很多范围，比如深度学习、监督学习、大语言模型，以及各种模型。本文只探讨大语言模型这个范畴内的面试问题。所以为了简单，本文会用 AI 指代 LLM。

本文也不讨论 LLM 训练方向的人才招聘。因为我不懂。而且这方面的知识体系存在时间比较久，已经有成熟的面试体系了。本文只探讨大语言模型应用方向的人才招聘。

我们主要考核 4 个方面：

学习能力：
我们要招聘的是面向 AI 编程的程序员。无论他做的是 AI 方面的工作，还是只是使用 Claude Code 来编程，他都需要保持对技术的渴望，要紧跟时事。

因为在 LLM 应用这个领域，没有哪个学校可以有效地开课教授这方面的知识。你年初学的东西，可能到年末就已经过时了。所以学习必须靠自己。

要像追明星八卦一样去追逐 AI 的新动向。我经常会说，好的 AI 程序员就是狗，是你在 chasing 技术，而不是技术在 pushing 你。

所以我们的问题不仅会问 LLM 的知识，还需要知道他是否对 LLM 技术有追逐感。
整体理解：
考核面试者对 LLM 的整体理解。
使用经验：
考核面试者是否真的使用过 AI 编程工具。
具体知识：
考核对具体框架（比如 LangGraph）的了解。但这方面更多是针对 AI 整合方向的。

以下是一些问题的例子，以及我自己的一些答案。

这些不代表标准答案。而且就像 LLM 有训练截止时间一样，我这些答案的截止时间是 2026.06。

LLM 应用发展到现在经历了哪几个阶段？提示：第一个阶段是提示词工程
答案：提示词工程、上下文工程、Harness Engineering
什么是 Harness Engineering？
Harness Engineering 是为 AI Agent 搭建"外部运行框架"的工程，包括 tools、memory、retrieval、validation、workflow 和 feedback loop，用来提高 Agent 的正确率与可控性。

简单地说，现在的 Agent 架构可以简化为：model + harness。
说几个你知道的最新的 LLM 应用？
比如 OpenClaw、Hermes Agent、Happy Codex 等等（这个回答截止于 2026.05）。
说几个你知道的最新的 LLM 模型名字？
Opus、GPT5.5 等等（这个回答截止于 2026.05）。
你一般通过什么方式学习 LLM 技术？
看资讯网站、follow 某些媒体、自己做 LLM 项目，然后需要什么学什么，等等。

上下文工程和提示词工程的区别是什么？
答案：提示词工程是"怎么写一句更好的 prompt"，上下文工程是"怎么为 AI 动态构建整个运行时上下文系统"。

因为现代 AI Agent 的效果，主要取决于"是否拿到了正确的上下文和工具"，而不只是 prompt 写得漂不漂亮。
你怎么理解 “RAG is dead” 这句话？
有两个层面的理解：
- 由于上下文工程的出现，人们更多地把提升智能体工作效率的重点，从"更强的 RAG"转向"更好的上下文工程"。
- 严格来说，不是 RAG 死了，而是早期那套 Naive RAG 死了。早期的 Naive RAG 基本是：文本 chunk -> embedding -> similarity search。
你有了解什么上下文工程的方法论吗？
上下文压缩、结构化笔记、子 Agent 架构。
上下文工程和 Harness Engineering 的区别和联系是什么？
Harness Engineering 更关注 AI Agent 的整体运行框架和执行系统，而上下文工程更关注如何为 Agent 动态组织和提供正确的上下文。

上下文工程可以看作 Harness Engineering 的核心组成部分之一。
什么是渐进式披露（Progressive Disclosure）？
渐进式披露（Progressive Disclosure）是指系统不一次性展示全部信息，而是在需要时逐步暴露相关内容，以降低复杂度并减少上下文干扰。

以下问题没有标准答案，除了最后一题。

关于这题，我自己有一些答案，但会放在我的另一篇文章《AI 时代的程序员应该掌舵而不是编写（Steering Not Typing）》里面。

这部分就根据具体框架来出题即可。比如你要考 LangGraph，那就根据 LangGraph 出题。

我就不献丑了。