Concitech AI · 深度长文
2026/10/29 09:24
Anthropic 经理停用编程题:初级工程师的新考卷
Anthropic 工程经理 Felix Rieseberg 停用了自己面试中的传统编程题,转向观察原型、品味与业务判断。本文介绍原文主张,讨论初级工程师的机会与工程责任,给出问题选择、最小原型、验证记录和交付说明的实践框架。个人面试实践与公司招聘政策具有不同范围。

一位工程经理,停用了自己面试中的传统编程题。
他叫 Felix Rieseberg,任职 Anthropic。他的文章 Hunger beats tenure 讨论了一种变化:AI 降低实现成本,原型、用户理解和业务判断获得了新的分量。
这是个人的招聘实践与工作观察,缺少 Anthropic 全公司取消编程面试的含义。软件行业统一面试标准的改变,属于另一项主张。
我关注的问题是:一名缺少资历和组织话语权的工程师,其判断的证据是什么?
一个可运行、可检验的小作品,提供了一种答案。
1. “初级”的另一种含义
Felix 的讨论对象包含缺少社会资本、地位和权力的工程师。这个定义涉及组织位置,超出了工作年限。
原文给出了一组建议:理解业务目标,选择具有影响的问题,制作聚焦的原型,保留新人的观察角度。他关注作品中的品味、用户同理心与有原则的思考。
他的团队经历提供了一个例子:两名新人完成了 Claude Code 图形界面的原型,时间是一个周末;首个公开版本的交付耗时是八天左右。这属于作者叙述,缺少所有软件项目通用工期的含义。
这些观点的共同对象,是工程师的贡献证据。履历提供经历,作品展示判断,业务验证提供结果。三者之间具有联系,缺少彼此替代的关系。
2. 一份任务清单,缺少问题的全部背景
一个假设场景:客服团队处理退款查询,工程团队的待办项是一张查询页面。页面包含订单号、日期和退款状态,需求具有明确边界。
新人完成页面,满足了一项任务。另一条探索路径是理解客服的工作:他们复制订单号、查询多套系统、拼接结果,给客户解释。
问题的核心有两种候选:查询界面缺失,或数据分散造成重复操作。两种判断指向不同方案,对应不同验证方式。
我建议一页问题说明,内容回答四个问题:谁遇到问题,哪项操作耗时,现有办法有什么代价,试验准备检验什么。一个具体问题,胜过抽象的“AI 提效平台”。
Patrick McKenzie 的职业建议强调工程工作的业务价值。本文引用的是这个原则,原文的就业、薪酬和比例判断属于 2011 年的历史背景。
业务价值包含收入,包含成本、可靠性和风险。客户付款成功、故障恢复和人工返工,具有不同的测量口径。技术方案需要对应某项可观察的变化。
3. 原型的任务,是检验一个判断
退款查询的最小原型,承担一件事:整合一条工单需要的信息,展示证据来源,生成一份待人工确认的答复。
演示数据采用脱敏样本。系统权限保持只读。付款、退款、账户修改等动作属于原型之外的范围。这个边界保留了测试空间,减少了试验对真实客户的影响。
原型的比较对象是现有操作。记录包括处理耗时、信息遗漏、引用错误和人工改写。第一轮测试的样本量与数据范围,需要说明。
“页面能运行”回答实现问题。“客服需要它”回答需求问题。“输出值得信任”回答质量问题。三种问题需要三类证据。
我建议保留失败记录:缺失订单、跨系统状态冲突、错误权限、证据不足。它们帮助团队判断方案的适用范围。一个掩盖失败的漂亮演示,缺少交付依据。

图:本文的实践框架。示意场景与产出要求属于作者分析,缺少任何公司的内部招聘评分含义。
这份原型的价值,来自被检验的假设与留下的证据。代码量、模型名称和界面复杂度,缺少这种证明能力。
4. 新人的视角,需要组织的接纳
新员工会遇到陌生术语、重复审批和含糊的历史约束。某些障碍具有技术原因,某些障碍来自习惯,某些障碍需要其他部门的同意。
新人缺少完整背景,老员工拥有运行经验。一次有效讨论,需要双方交换信息:新人指出具体摩擦,资深同事解释真实限制,原型检验可改变的部分。
“资历低”缺少判断正确的保证,“资历高”缺少否决新方案的天然权限。争议需要转化成假设、风险和验证条件。
管理者的责任包含提供试验边界、明确负责人和安排评审。一个原型遇到组织阻力,原因包含资源、合规、优先级和维护成本。作品质量与组织环境共同影响结果。
原文的周末原型叙事,缺少无偿加班的必然要求。学习和试验需要合理时间,企业需要承担工作安排与资源责任。机会分配需要照顾不同生活条件的员工。
5. 编程基础,决定作品的解释能力
AI 生成代码,工程师承担解释和维护责任。
Google 的代码评审指南关注设计、功能、复杂度、测试和文档。指南要求评审者理解代码行为,检查测试有效性,识别并发与边界问题。
这些要求解释了原型与产品的距离。原型展示一个方案,产品承担真实用户、异常状态与维护周期。

图:验证目标、数据权限和运维责任的比较。图示属于实践建议,具体交付要求需要项目负责人确认。
一名工程师需要解释数据来源、权限边界、失败处理和测试依据。算法、数据结构、数据库和网络知识,提供这种解释的底层工具。模型完成一次修改,缺少团队理解发生的保证。
我的作品集建议包含四项材料:问题说明、可运行的演示、验证记录、设计与限制说明。团队项目需要列明个人贡献,AI 辅助部分需要说明,内容需要真实性。
面试讨论包含这些材料对应的问题:候选人选择了什么问题,放弃了什么方案,发现了哪些错误,试验结论的依据是什么。作品本身包含信息,候选人的解释提供责任归属与理解深度。
我对这篇文章的理解是,初级工程师获得了一种贡献展示方式:一个业务问题、一份小原型,以及可检查的判断过程。它提供讨论资格,缺少录用、晋升或项目成功的保证。
