Anthropic 取消编程面试：当 Claude 能做题，面试该考什么

「至少在我负责的 Anthropic 团队里，编程面试已经死了。」说出这句话的是 Anthropic 工程经理、Electron 联合维护者 Felix Rieseberg。他表示，自己已经看得足够多，可以确定这类测试不再能提供有效的判断信号，本月已把编程面试从招聘流程中取消。

一分钟速览

• 决定：Rieseberg 在其负责的 Anthropic 团队中全面取消编程面试。
• 理由：AI 在标准编码任务上的表现已趋近甚至超越人类，传统编码题与真实工程能力的相关性急剧衰减。
• 背景：Rieseberg 曾领导 Claude.ai、Cowork、Claude Code Desktop 的工程团队，此前任职于 Notion、Stripe、Slack 和微软。
• 核心判断：「Hunger beats tenure」——强烈的行动意愿可能比资历更重要。
• 替代方案：目前看简历与作品集中的「小型原型」，观察产品品味、用户同理心和思考体系；尚无完整答案。
• 并非全行业共识：Anthropic 官网仍显示部分技术岗位使用 CodeSignal 等工具做 Live Coding。

一道 React 题，正在变成「手写汇编」

Rieseberg 的类比很锋利：用 React 小题测试候选人，意义已经越来越接近今天考察一名工程师能否熟练手写汇编。Claude 在这类任务上足够强，而团队里最有影响力的工程师，也未必是传统代码测试成绩最好的人。

这不是空话。Anthropic 性能优化团队负责人 Tristan Hume 从 2024 年开始设计了一套模拟加速器优化的 Take-home 测试，明确允许候选人使用 AI。约 1000 名候选人做过这套题，团队靠它招到了性能工程团队的大量成员，其中一些履历并不突出的应届生表现优异，入职后也证明了自己。

但题目很快被模型「做穿」：Claude 3.7 Sonnet 达到临界点，超过一半候选人直接把题交给 Claude Code，成绩反而更好；Opus 4 超过绝大多数人 4 小时内的成绩；团队把测试时间从 4 小时缩到 2 小时、升级到第二版；几个月后 Opus 4.5 又追上来，在 2 小时限制下达到最强人类候选人的水平。团队只好再设计新题，刻意加入模型没见过的约束、迷你指令集和新型谜题。Hume 自己承认，这牺牲了题目与真实工作的相似度——越接近真实开发，Claude 越容易完成。

新人的机会，来自「不知道什么做不到」

Rieseberg 更想讨论的是另一个问题：当 AI 能完成越来越多过去需要多年经验的工作，年轻工程师和资深工程师的差距会怎么变。他的判断偏乐观。

他举了自己在 Notion 面试时的例子：被要求设计离线模式架构，面试官说这是一道「陷阱题」，因为团队普遍认为 Notion 无法做离线模式——数据模型太复杂，单页下载体验不好。数据模型复杂这个判断后来被证明成立，但「创始人不会接受」这条产品限制并没有想象中牢固。作为新人，他恰好不知道这条潜规则，于是重新问了一遍。

更有说服力的是内部案例：随着 Claude Code 使用量上升，Anthropic 员工习惯了把它当命令行工具用。两名入职时间不长的工程师 Anthony Morris 和 Alice Zhao，用一个周末做出了带图形界面的可工作原型，大约 8 天后第一个公开版本发布，这个 GUI 后来成为相当受欢迎的产品。放在过去，这类项目要经过需求讨论、PRD、产品设计、资源协调一长串流程。

争议：取消之后，用什么替代

质疑也很集中。有开发者指出，大家都知道传统编程面试在 AI 时代失效，问题是 60 分钟的面试里还没有更好的替代指标，而 Rieseberg 的文章里也没给出答案。一名刚参加过 Anthropic 招聘的候选人说，自己做的是 Take-home，相比传统面试同样存在不确定性。还有人建议：给候选人一个「AI 写得很自信但实际有错」的代码仓库，看他能否识别错误并坚持判断。

也有观点认为 Anthropic 具有特殊性，大量传统企业未来多年仍会继续用算法题筛人。真正的难点或许不是新人能否借 AI 展现实力，而是他们如何在简历筛选阶段获得展示的机会——现在不少企业越来越不愿意招新人。

趋势：招聘从「考实现」转向「考判断」

软件工程经历过多次抽象层级上移：从汇编到高级语言，从手写基础代码到调用框架和云服务，如今 AI 又把实现层向上抽象了一层。每一次上移，考核重点都会从「能不能写出来」转向「知不知道该写什么、怎么权衡」。

Rieseberg 给年轻工程师的建议也围绕这一点：先盯业务影响，再选一个足够大胆的想法，用一个周末做出能跑的原型；不要在原型里塞十几个功能，它首先承担的是沟通作用。这套方法论是否适用于所有公司另说，但它至少指出了方向——在 AI 时代，能证明自己判断力的人，比能背出 API 的人更稀缺。