Anthropic已停用手写代码面试，2026秋招大厂转向AI协作能力考核

Anthropic招聘经理Felix Rieseberg近期在个人博客中明确表示：‘The coding interview is dead, at least for my team at Anthropic.’（编程面试已死，至少对我在Anthropic的团队而言是如此。）他解释称，自己已见证足够多案例，确认手写或机试类编码题不再能有效传递候选人能力信号，因此本月起将其从招聘流程中移除。

这一表态并非孤例。2026年秋季校园招聘季，国内科技企业正加速将AI协作能力纳入技术岗评估体系，传统以算法题、手写代码为核心的面试结构正在被系统性重构。

从“独立解题”到“人机协同”：考核逻辑的根本转变

过去十年，技术面试高度依赖现场编码环节：候选人需在白板或IDE中手写算法、实现数据结构、调试边界条件。其隐含假设是——能独立写出正确代码者，大概率具备问题拆解与工程落地能力。

但AI工具的成熟动摇了这一逻辑基础。如今，工程师可借助大模型快速生成原型、补全测试、分析报错，甚至基于一句需求搭建可运行的最小可行版本。Anthropic团队观察到，当“把代码写出来”变得廉价且高效，企业真正关注的已转为：候选人能否精准定义问题、判断AI输出的合理性、权衡方案优先级，并推动闭环落地。

正如Rieseberg所强调的：“Hunger beats tenure”——主动性与执行力，比工作年限更重要。新人虽缺乏组织资源，却保有质疑惯性的优势；而AI降低了验证想法的成本，使他们得以绕过“无资历→无资源→无法证明自己”的循环。

2026秋招实况：两类AI考核模式并行

当前企业实践呈现明显分化，主要分为“标准化轻量模式”与“深度交互定制模式”两类。

第一类依托牛客、赛码等第三方笔试平台，覆盖得物、OPPO、百度、大疆、小红书等数十家企业。该模块允许考生调用平台内置大模型辅助完成编程题，但分值占比低，模型能力普遍滞后于主流商用版本，题目与真实业务贴合度有限。多位应届生反馈，此类考核更多具象征意义，区分度不高。

第二类则代表前沿探索，以安克创新的“AI飞行员”笔试为典型。该考核在阿里云无影虚拟机环境中进行，内置无限制使用的Claude Code工具，考题围绕真实项目展开，模拟工期紧张场景，要求考生在有限时间内决策“哪些功能必须实现、哪些可暂缓”，最终达成上线目标。

其评分维度并非工具熟练度，而是任务拆解能力、对AI输出的批判性判断、方案权衡及独立决策意识——本质是模拟职场中“人主导、AI辅助”的协作关系。不过受限于服务器配置与Token消耗成本，该模式目前仅少数企业采用，尚难大规模复制。

除笔试外，AI相关提问已全面渗透至技术面试环节。面试官普遍追问：“AI生成的代码有哪些常见特征？”“哪些环节可交由AI处理，哪些必须亲自把关？”甚至给出具体场景题，如“仿真中机器人动作正常，现实中却失效，你如何用AI辅助调试？”

Z世代双向奔赴下的信任危机与真实价值回归

一个显著现象是：2026年校招中，面试桌两侧坐的往往是同龄人——双方均熟练使用AI。领英数据显示，全球千禧一代与Z世代在企业领导岗位中的平均占比已从2016年的35%升至2026年的53%。

求职者用AI润色简历、对齐关键词，甚至实时辅助作答；招聘方则用AI筛选简历、驱动数字人提问。当双方工具链同步升级，简历“包装度”趋同，辨别真实能力的难度陡增。

在此背景下，“真实经历”反而成为稀缺资产。海尔集团人才吸引平台负责人李文佳指出，不反对学生用AI梳理框架或做行业调研，但警惕直接复制套话；一旦追问项目细节，表述模糊即直接减分。宁德时代高级招聘主管张馨予亦强调：企业更看重对方向的真实兴趣、持续学习意愿与钻研动力，而非表面匹配度。

新能安的案例更具启示性：博士出身的Jeffrey入职后初期仍依赖文献检索，面对产线海量数据时陷入困境；后经导师引导，穿上工衣深入产线，理解参数背后的物理含义，才补上实验室无法提供的实战认知。该公司校招明确倾向“喜欢实验、愿深究反复问题”的候选人——这类能力恰恰最难被AI替代。

评价体系重构的本质：从“找人”到“看懂人”

领英中国区人才解决方案出海招聘业务总经理王巍总结道：“过去招聘首要解决‘能否找到合适的人’；随着AI极大提升搜索效率，更难的问题变为‘如何判断这个人是否真正合适’。”

当AI承担了信息检索、代码生成、文档撰写等执行层任务，人的核心价值重新聚焦于：问题定义能力、跨域整合能力、批判性思维与持续迭代意愿。企业评价重心正从“人能独立完成什么”，转向“人驾驭AI能产出什么”。

这一转变不会止步于校招。随着AI工作流深度嵌入研发、产品、运营全链路，未来社招、晋升乃至绩效评估，都将面临类似范式迁移。技术面试的消亡不是终点,而是人才评估进入新阶段的起点。