The Last Technical Interview
编译摘要
1. 浓缩
- 核心结论1: 技术面试流程在 50 年来没有本质改变，是一个信号极差的评估系统，即将被 AI 时代彻底淘汰
- 关键证据: Google Hiring Committee 审查匿名面试包后否决了 2/3 的候选人——而那些正是面试官们自己被面试时的包；Amazon Bar Raiser 和 Microsoft As-Appropriate 角色存在的根本原因是"你不能信任面试团队做出好的招聘决策"
- 核心结论2: Campfire Hiring（篝火式招聘）——用真实的付费短期工作替代模拟面试——是 50 年来第一个真正的招聘创新
- 关键证据: 旧金山新趋势"来和我们一起工作几天"；Geoworks 六个月 co-op 制度产出"几乎全是明星和超级明星"的团队，被 Amazon acqui-hire 后评为"他们招过的最强团队"
- 核心结论3: AI 从两个方向同时瓦解传统面试：简历被 AI 写作污染，离线评估被 AI 作弊摧毁
- 关键证据: 简历信噪比本已很差，AI 写作进一步恶化；"离线评估被 AI 作弊毒害"
2. 质疑
- 关于"Campfire Hiring 可扩展"的质疑: Geoworks 的成功来自特定历史时期（1990 年代），当时 co-op 模式在少数公司中运行，竞争环境不同。在大规模科技公司每年招聘数千人的场景下，几天到几周的试用期成本和组织复杂度可能不可承受
- 关于"高级工程师愿意接受试用期"的质疑: Yegge 承认"高级工程师历史上拒绝临时性角色"。虽然他说市场变化可能改变均衡，但对于顶级工程师，传统面试（快速、确定性高）可能仍然是更优选择
- 关于"AI 摧毁面试"的质疑: AI 作弊确实增加了信号噪音，但这可能推动更好的面试设计（如实时代码审查、系统讨论）而非完全放弃面试
3. 对标
- 跨域关联1: 类似医学的住院医师制度（Residency）——通过实际工作而非考试来评估医生能力。Campfire Hiring 可以视为软件工程的"residency 化"
- 跨域关联2: 类似零工经济平台（Uber/Airbnb）的双向评分系统——Yegge 提出的"让工作者带着评估离开"类似平台评分的可移植性
关联概念