跟朋友探讨，AI 时代，如何考察候选人，一致的结论是，需要现场看候选人的 vibe coding 能力。

以前考察古法编码技能，会针对算法、数据结构、解题速度、编码规范等做细致了解，也考察专业知识。

但这些技能，随着 Coding Agent 能力的提升，已经全部被内化了，人能做的就是调教，调教，调教😅。考察的是架构能力、工程能力，以及对多个 AI 的管理能力。

面试的问题可能变成了，刚才你做的工作花了 10M Token，如何在 1M 内解决？刚才你花了 1 个小时解决问题，如果想 10min 搞定，该怎么做？

再往下问，会触及一个更本质的能力：你有没有意识到问题的“形态”，有没有在一开始就选对解法路径。很多人是把 AI 当成更快的键盘，用来加速执行；但更高一层，是把 AI 当成解空间的放大器，先去重构问题，再去执行。Token 花多少、时间用多久，往往在第一步就已经被决定了。

接下来会追问，你是怎么拆这个任务的？为什么要这么拆？哪些步骤可以并行，哪些必须串行？当多个 Agent 同时工作的时候，如何避免它们互相污染上下文，如何保证结果可以被复用，而不是每次都从头再来。

更深入一点的问题是，如何把一个复杂问题压缩成可以被 AI 快速理解和执行的表达结构。你怎么写 prompt，怎么设计 context，怎么做中间状态的存储和裁剪，怎么让 AI 少走弯路。这方面考察的是如何设计一条最短路径，而不是盯着执行过程本身。

还有一个很有意思的点，是“失败的处理方式”。AI 会出错，这是确定性的。关键在于有没有设计好兜底机制，是让 AI 一路撞墙，还是在关键节点就能感知偏差、及时纠偏。

很多面试问题都开始不一样了，也变得更有趣了些。😄

过去优秀工程师的分水岭在“写得多快、写得多好”，现在更像是在看一个人能不能构建出一个持续产出的系统，让 AI 在里面稳定工作、不断进化。