Seldo 提议用 LLM 模拟客户和代码生成器构建结构化面试以筛选 AI 时代的初级工程师

作者 Seldo 指出在 LLM 接管编程细节后，初级软件工程师招聘已崩溃，斯坦福研究显示 22-25 岁开发者就业较 2022 年峰值下降近 20%，Anthropic 等公司初级员工占比从 27% 跌至 9%。传统编码面试失效，而实习计划因成本高、周期长仅适合大厂，初创公司无法承担，导致行业面临人才断层风险。

文章核心建议是设计一种新的结构化面试：候选人需在 1-2 小时内利用一个扮演客户的 LLM 获取需求，再用另一个 LLM 编写并部署真实可运行的软件系统。该流程要求候选人像产品经理一样挖掘隐性约束、处理边界情况，并通过自然语言与 AI 协作完成交付，最后由人类面试官结合自动化评测结果进行最终打分，而非完全依赖算法评分以避免法律合规风险。

这一方案借鉴了医学领域的 OSCE（客观结构化临床考试）模式，将“历史采集”转化为“需求挖掘”，将“开处方”转化为“代码生成”。事实层面这是基于现有工具链的可行性推演，推断层面认为能低成本批量识别具备产品sense和系统思维的人才，猜测层面则取决于企业是否愿意尝试这种非标准化的评估流程来打破当前的招聘僵局。