一天下午，在与知名企业的技术交流会议室里，一位兄弟企业的CTO 小力苦笑着，分享了一个技术招聘的故事：
“我们有个高级工程师，为了搞定MySQL三个表Join的问题，搞了一整天都研究不出来。结果他尝试将表结构扔给AI，谁知道5分钟内就解决了这个难题。”
同时，一位知名互联网企业的技术主管小军同学，突然向我们发问：“现在大家都在用AI做测评了，你们 ShowMeBug 这样的线上技术笔面试平台，候选人复制粘贴一下，AI立刻有答案，你们这样很难再精准评估人才了吧？”
小力补刀：“是啊，你们 ShowMeBug 得换赛道啦……”
事实真的如此吗？我们道出几个关键问题……
01 症结不在AI，而是对技术招聘的认知有误
我们先反问小军：“难道没有AI，传统招聘招人就精准了吗？”
小军后仰座椅，一时无语。
“我们觉得，现行技术招聘被AI冲击，只会停留在传统方式上，因为传统方式本身问题重重，但AI对ShowMeBug平台不仅没有冲击，反而是巨大的赋能。”
“传统技术招聘的题目设置，往往仅局限于八股文、算法题，并采用闭卷形式。诚然，起初能招到一些还不错的人才。”
“但是？” 小力接着问道。
“时间一久，就变味了。候选人会针对性地刷题、死记硬背，获得岗位，但他们缺乏项目实操能力。这样人一多，企业聘用后发现他们无法胜任，又只能请人离开，浪费成本与精力。只重理论知识的招聘模式，再碰上AI高速的信息检索，自然是针尖对麦芒了。”
我们说道：“并非AI对技术招聘构成了麻烦，而是我们对技术招聘本身的认知需要改变。”
小军和小力露出了疑惑的神情，“那正确认知是什么？”
02 招聘关键——工程能力而非理论知识
我们说出了自己的观点：
不妨反过来想，传统技术招聘的闭卷形式，仅了解到候选人的理论知识，其中有很多并不符合实际工作场景的需求。有多少技术人员实际工作中，是在一个与外界绝缘的环境里，闭门造车，仅靠八股文、算法题的积累，完成项目的呢？
互联网的高速发展，开源社区的蓬勃兴旺，加上AI方兴未艾，让检索的便利程度又以指数级的方式增长，大部分技术信息与知识唾手可得。
根据国外Stack Overflow的一份研究报告显示，44% 的开发人员早已在开发过程中使用 AI 工具，26% 的人计划很快开始使用。编程学习者采用人数更多，高达 55%，这些早期采用者一旦进入专业开发人员职位，将成为技能娴熟的 AI 用户。
未来工作中程序员与AI融合共存，将是大势所趋。毕竟，工程师们在实际工作中，也会用AI工具、搜索引擎或知识站点等开放环境，来解决实际开发问题。
ShowMeBug测评本来就致力于模拟真实工作场景，所以我们不担心开卷，而且认为“开卷有益”。我们无惧AI降临，甚至主动拥抱AI，在ShowMeBug平台融合了AI，开创了模拟实战场景的“开卷测评"功能。
理论知识仅仅是考核重点之一，搜索与应用这些知识去解决实际问题背后的思维与能力，也即实战编程能力，才是Showmebug真正考核的核心。
我们提出了一个工程能力模型，除了具备匹配企业技术岗位所需要的知识技能外，还需要具备工程能力和解决问题能力等要素。
工程能力指的是工程实现能力，从代码设计、开发质量、工程效率三方面体现。而问题解决能力则注重结合经验和候选人的经历进行综合评估，了解候选人对未知问题的分析、解决和创新能力。
ShowMeBug 团队首创的“工程能力模型冰山图”
“那这又该如何考核呢？”小军问道。
03 ShowMeBug——“开卷有益”的技术能力评测环境
我们回应道：“我们的测评重点是候选人的实战技术能力，所以第一需要监测是否为本人来参加测评，二是通过模拟他真实环境下检索答案的过程，深入了解他的能力。”
我们反手掏出电脑，在办公室内投屏道：“口空无凭，直接演示吧。假设你们正在招Golang工程师，有个候选人Lucy来参加测评。”
我们滑动屏幕鼠标，说道：“我们设置如下一道题目，让她写一个工具来扫描特定的文件系统目录，并在特定条件下对找到的目录进行分类。”
“由于该题知识点比较冷门，需要借助AI工具来检索。大家可登入平台，创建好试卷，并在防作弊选项里，选择开卷。可以注意一下，在这里可以设置开启摄像头监控和屏幕录制，如此一来，就能监测候选人是否为本人了。”
“接下来，候选人Lucy就可参与考试了。在开始前，她需要打开屏幕录制与摄像头再进入测评界面。Lucy浏览题目后，开始对问题中的业务逻辑进行拆解和分析。”
“梳理过后，她便开始向AI编程助手求助，AI编程助手反馈回代码后，Lucy可以复制代码到答题区域，再点击运行用例，诶，这时候她发现，测试用例反馈没有通过……”
“于是，她开始分析测试用例，发现了测试用例没有通过的原因，是代码没有处理扫描不存在的路径逻辑。”
“发现问题后，Lucy再次向AI求助。不同于单向搜索，Lucy可通过此功能，她可实现提问-反馈-改进-再反馈-再改进的闭环，直到得到正确答案。”
“完成答卷后，面试官可通过评卷，来查看候选人的AI交流记录，了解她解题的过程与思路，并评估她信息的检索能力与利用效率。”
“原来如此～”，小军和小力不约而同地后仰在座位上。
“而且，我们还能生成相应的人才评估报告，不仅支持Lucy与其他候选人对比，而且小军看过后也可以给小力以及其他招聘官看，避免个人的主观臆断。”
我们总结道，“这个例子中，我们让候选人在真实环境下发挥她的实战能力；考察了她的信息检索和学习能力，分析和判断能力；也了解她深入思考与思维逻辑能力。”
“所以，由本人完成+开卷+实战题目考核的形式，才是AI时代，技术人才评估最佳方式。”
ShowMeBug开卷测评功能
我们分享完观点后，大家纷纷表示赞同。
这时候小力说：“总而言之，你们内置了AI编程助手，模拟了实战工作环境，也确保了候选人本人参加，以此更精准地去挑选合适候选人。这的确颠覆了传统招聘的逻辑。”
我们笑了：“没错！而且ShowMeBug 现在就支持了，官网注册即可开始使用。”
“哈哈哈哈得叻！马上注册来看看你说的‘开卷有益’！”
谈笑间，日渐落。技术讨论会的下一场思想交锋又将开始……
![[JAVAee]多线程环境下:HashTable, HashMap, ConcurrentHashMap之间的区别](https://img-blog.csdnimg.cn/02c39faf8c794a99aa28fca022accf4e.png)
![linux学习（地址空间）[7]](https://img-blog.csdnimg.cn/1d75db10aa004095a0074a4ea85f08c1.png)
