Anthropic 一位工程经理停用了传统编程面试。媒体和技术从业者看到了新人突围的机会，劳动力经济学家则提醒：整个市场还没有一起转向。
文 / STEM Career 编辑部 2026年11月4日 · 报道分析
10月，Anthropic 工程经理 Felix Rieseberg 从自己团队的招聘流程中删掉了传统编程面试。他的理由颇具冲击力：Claude 已经擅长完成这类题目，而团队里最能做出成果的人，并不一定是考试成绩最好的人。
他在10月27日发表的个人文章中解释了这一决定。这位曾领导 Claude.ai、Cowork 和 Claude Code Desktop 工程团队的经理，开始从简历和作品集中寻找小型原型，观察候选人的产品判断、用户意识和思考方式。他同时承认，如何面试善于与 AI 协作的人，自己还没有完整答案。
这个保留意见，与取消考试本身同样重要。
“Claude 面试不看代码”的说法，容易让人误以为一家头部 AI 公司已经废除了技术考核。公开材料支持的事实要窄得多：一位经理调整了自己团队的选人办法。停用某类题目，也没有回答今后是否阅读项目代码、怎样检查技术基础，以及如何识别候选人的真实贡献。
这件事提出了一个招聘问题：当工具可以迅速生成合格答案，雇主还应从哪里寻找能预测工作表现的证据？
媒体看到了机会 也暴露了结论之间的距离
Business Insider 10月28日的报道，把重点放在初级开发者如何脱颖而出：与其只完成分配下来的任务，不如理解业务目标，用一个可运行的原型展示自己的想法。报道也保留了 Rieseberg 尚未找到完整替代方案的说明。
TechRadar 10月31日的文章则更强调职业角色的变化：工程师需要理解公司与用户，用作品体现影响力。作者将大胆想法、AI 原型及其成果，视为一种新的面试展示方式。这是媒体对事件的解读，尚不能视为已经验证的新招聘标准。
中文技术媒体 InfoQ 10月29日的报道，以新人和资深工程师之间的竞争为切入点，同时记录了替代指标不清晰、候选人难以预期考核内容等质疑。
这些报道的共同线索，是候选人如何证明自己能做出有用的东西。但它们大多围绕同一位经理的文章展开。多家媒体跟进，说明议题受到关注；要判断新方法是否更有效，还需要入职后的绩效、留任及筛选公平性等证据。
专家争论的是怎样继续测量能力
Google 工程师 Jaana Dogan 提出了一个更具体的方向。她在回应原帖的 X 帖文中表示，自己对观察候选人怎样使用编程智能体很感兴趣，因为这个过程能提供更多有关其编程能力的判断信号。她的账号注明，观点属于个人。
这仍然是一项技术判断。候选人怎样拆分任务、给出上下文、发现错误，以及何时介入，都会影响最终结果。观察这些行为，有可能比只看最后一份答案提供更丰富的信息；能否稳定评分，则需要面试设计者进一步证明。
ZipRecruiter 劳动力经济学家 Nicole Bachaud 给出了另一面的市场观察。她在接受 The Register 邮件采访时说，目前尚未看到科技企业广泛放弃技能测评。她援引该机构10月针对1,500名雇主的调查：Information 行业受访雇主中，62.5%要求在初始申请阶段进行正式技能测试。
这一比例包含一般技能测评，不能直接解释为保留算法题的企业比例；报道也未给出该行业的子样本量。它至少提醒读者，头部 AI 团队的一次调整，与整个招聘市场的变化速度，是两件需要分别观察的事。
The Register 的处理方式因此与机会叙事有所不同：它在报道技术管理者的新尝试之外，加入了企业仍然需要测评的市场证据。Bachaud 的判断是，考核方式正在变化，测评需求仍然存在。
同一家公司的另一位经理选择继续改题
Anthropic 内部也存在不同路径。
性能优化团队负责人之一 Tristan Hume 在1月21日发表的工程文章中，回顾了团队反复重做技术测评的经历。测试要求候选人优化模拟加速器上的代码，并明确允许使用 AI。随着模型表现提高，团队几次调整题目，试图继续区分候选人的能力。
Hume 也指出了代价：为寻找模型不擅长的题目，新测试牺牲了一部分与日常工作的相似性。这是今年1月对当时实践的回顾，不能据此断言所有细节至今不变，却足以说明同一家公司会因岗位需求而采取不同的考核办法。
两位经理面对的是相近的困难：一道题被模型做得足够好之后，怎样继续从候选人的表现中提取有用信息？一条路径是减少传统题目，更多研究作品；另一条路径是保留技术任务，重新设计约束。
这也解释了为什么“AI 会做题”还不足以单独证明考试应该取消。若雇主要观察候选人在没有工具时如何推理，独立考核仍有明确目的；若岗位日常允许大量使用 AI，完全排除工具的考试又可能遗漏重要能力。有效与否，最终取决于题目测到的东西，是否与实际工作相符。
写代码的成本下降 识别好代码仍然需要成本
从这些实践可以提出一个经济上的判断：当实现一个想法更容易，雇主可能把更多注意力放在选题、取舍和验证上。它是对招聘激励的分析，尚不能当作已经测出的行业薪酬趋势。
一份可运行的作品，能够展示候选人发现了什么问题、为谁解决问题，也会给面试官留下新的疑问：哪些决定属于候选人？遇到变化时，他还能否继续推进？
Anthropic 的公开性能测评仓库提供了一个具体例子。维护者记录，公开挑战发布首日收到的、低于1,300模拟时钟周期的提交均无效，原因是模型改动了测试，让题目变得更容易。仓库随后要求保持测试目录不变，并用指定程序验证结果。
更漂亮的数字，可能来自更好的实现，也可能来自改变了衡量办法。区分两者，需要理解约束和证据。把这种能力概括为“会写提示词”，会漏掉最困难的部分。
同样，模型能够帮助生成页面、报告和演示文稿。随着这些成品更容易制作，作品集自身也会面对区分度问题。雇主仍然需要追问：你为什么选择这个问题？放弃了什么方案？哪条检查让你发现结果不可信？
新人的机会取决于新标准怎样执行
对于缺少工作年限的人，作品导向有一个直观吸引力：候选人可以先展示成果，再解释履历。一个范围有限但判断清楚的项目，可能让面试官看到简历上无法展开的能力。
但这种机会能否兑现，取决于招聘流程。
第一道关卡仍然是作品能否被看见。假如简历筛选继续完全依赖学校、公司和年限，取消后面的算法题，对无法进入面试的人帮助有限。
第二道关卡是展示条件。开放式项目可能受到可支配时间、工具额度和他人帮助的影响。有照护责任或全职工作的人，未必能持续制作精美的周末项目。这是作品考核需要考虑的公平性风险，本文没有据此断言它已经造成了某种可测量的招聘偏差。
第三道关卡是评分是否清楚。产品品味、主动性和用户意识都可能有价值，但如果没有对应的行为标准，面试官容易把熟悉的表达方式当作能力，把个人喜好当作潜力。
因此，对新人有利的改革，需要把展示机会与可解释的评分一起推进。企业可以提供相同的任务、时间和工具条件，请候选人解释关键决定，再临时改变一项需求，观察其调整过程。作品应成为提问的起点，面试官仍要确认候选人理解自己提交的成果。
求职者眼下需要准备两种证据
对求职者而言，这场讨论还不足以支持全面停止算法或代码阅读训练。更稳妥的准备，是根据目标公司的具体流程，同时保留独立解题能力与项目判断的证据。
项目材料可以围绕一个真实决定展开：最初的问题是什么，为什么采用这个方案，AI 参与了哪些工作，你如何确认结果，以及仍有哪些限制。一个能经得起追问的小项目，比无法解释的大型演示更适合深入讨论。
例如，面试官把数据规模扩大、撤掉外部 API，或要求处理重复请求时，候选人应能指出哪些设计需要改变、先做什么检查。这里的场景是准备建议，并非 Anthropic 已公布的面试题。
正式考核的工具权限还须单独确认。截至11月4日读取，Anthropic 候选人指导页仍标注更新于2025年7月10日：带回家测评和实时面试，除非明确另行允许，均不使用 AI。工作中使用 Claude、经理讨论 AI 协作，以及某个环节获准使用 AI，各自对应不同范围。
接下来值得观察的，是采用新方法的团队能否说明：它找到了哪些旧考题会漏掉的人，又凭什么确认判断更准确。
Rieseberg 已经删掉了一个环节。新的选人办法，还需要接受自己的检验。
资料说明：本文基于截至2026年11月4日可读取的当事人文章、专家公开帖文、媒体报道与官方文件整理，未进行独立人物采访。媒体侧重点的比较及招聘激励、公平性和准备建议，属于本文分析；Bachaud 的观点与调查数字经由 The Register 的原始采访报道引用。
常见问题（FAQ）
Anthropic 已经在全公司取消编程面试了吗？
公开材料支持的是 Felix Rieseberg 调整自己团队的传统编程面试，不能扩大为全公司不再进行技术考核或阅读代码。
申请 Anthropic 时可以直接在面试中使用 Claude 吗？
截至2026年11月4日读取，官方指导仍要求带回家测评和实时面试默认不使用AI，除非明确另行允许。应以对应考核环节的明确规则为准。
初级工程师现在可以停止算法和代码阅读准备吗？
没有适用于所有雇主的统一结论。应核对目标岗位流程，同时准备独立解题能力，以及能解释本人判断、AI参与方式和验证过程的项目证据。
- Hunger beats tenure: Advice for junior engineers· Felix Rieseberg
- Anthropic manager says the coding interview is dead· Business Insider
- Anthropic hiring manager says he stopped giving coding interviews· TechRadar
- Anthropic 取消编程面试：新人第一次有机会直接和资深工程师竞争· InfoQ
- Jaana Dogan 对编程智能体面试的公开回应· Jaana Dogan / X
- Anthropic engineer declares the coding interview dead· The Register
- Designing AI-resistant technical evaluations· Anthropic / Tristan Hume
- Anthropic original performance take-home· Anthropic / GitHub
- How to collaborate with Claude during our hiring process· Anthropic
添加顾问微信，结合目标岗位与实际面试规则，讨论独立解题、AI协作和项目表达的准备重点。