WHAT - AI 时代下的候选人

文章目录

• 一、核心结论：工程师能力模型正在迁移
• • 旧范式（Pre-AI）
  • [新范式（AI 时代）](#新范式（AI 时代）)
• [二、什么是vibe coding 能力](#二、什么是vibe coding 能力)
• 三、能力拆解
• • [1. 问题"形态识别能力"（最关键）](#1. 问题“形态识别能力”（最关键）)
  • [2. 解空间设计能力](#2. 解空间设计能力)
  • [3. 任务拆解与并行能力](#3. 任务拆解与并行能力)
  • • 核心问题
  • [4. 上下文与信息管理能力（AI 编程核心）](#4. 上下文与信息管理能力（AI 编程核心）)
  • [5. 成本与效率优化能力](#5. 成本与效率优化能力)
  • [6. 失败处理能力（非常关键但容易忽略）](#6. 失败处理能力（非常关键但容易忽略）)
• 四、从"写代码"到"构建系统"
• • 对比一下：
  • • 过去
    • 现在
• 五、面试问题
• • [例子 1](#例子 1)
  • [例子 2](#例子 2)
  • [例子 3](#例子 3)
• 六、顶层模型
• • [AI 时代工程师的 3 层能力](#AI 时代工程师的 3 层能力)
  • • [执行层（已被 AI 覆盖）](#执行层（已被 AI 覆盖）)
    • 控制层（当前核心竞争力）
    • 认知层（未来分水岭）

一、核心结论：工程师能力模型正在迁移

过去 vs 现在，本质变化可以一句话概括：

从「写代码的人」 → 「设计解法系统的人」

旧范式（Pre-AI）

考察重点是"执行能力"：

• 算法 / 数据结构
• 编码速度
• 代码质量
• 经验知识（八股）

本质：

人 = 计算 + 执行单元

新范式（AI 时代）

考察重点变成"调度 + 设计"：

• 架构能力（如何拆问题）
• 工程能力（如何组织系统）
• AI 协作能力（如何调教 agent）

本质：

人 = 调度器 + 系统设计者 + 决策者

二、什么是vibe coding 能力

可以把它定义为：

在 AI 参与下，构建最优解路径的能力

它不是写代码，而是：

• 怎么问问题（prompt）
• 怎么拆任务（task decomposition）
• 怎么用多个 AI（multi-agent orchestration）
• 怎么控制成本（token / 时间）

三、能力拆解

一个很清晰的能力分层。

1. 问题"形态识别能力"（最关键）

有没有在一开始就选对解法路径

普通人：

• 看到问题 → 直接让 AI 写代码

高手：

• 先判断问题属于哪一类：

  • CRUD？
  • 数据处理？
  • 系统设计？
  • 自动化流程？

本质能力：

问题建模（Problem Framing）

2. 解空间设计能力

把 AI 当"解空间放大器"，而不是键盘

低阶用法：

• "帮我写一个函数"

高阶用法：

• "有哪些解法？tradeoff 是什么？"

本质能力：

先扩展解法 → 再收敛最优解

3. 任务拆解与并行能力

哪些步骤可以并行，哪些必须串行

核心问题

• 如何拆 task？
• 如何让多个 agent 同时工作？

本质能力：

工程化思维（Workflow Design）

4. 上下文与信息管理能力（AI 编程核心）

如何避免上下文污染、如何复用结果

关键点：

• context 怎么裁剪？
• 中间状态怎么存？
• 如何避免重复推理？

本质能力：

信息压缩 + 状态管理

5. 成本与效率优化能力

10M token → 1M

1小时 → 10分钟

这其实是：

• prompt 优化
• pipeline 优化
• agent 编排优化

本质能力：

系统优化（Optimization Thinking）

6. 失败处理能力（非常关键但容易忽略）

AI 一定会错

差的系统：

• 一路错到底
• 出问题才发现

好的系统：

• 中间可验证（checkpoints）
• 自动纠偏（self-healing）

本质能力：

容错设计（Resilience Design）

四、从"写代码"到"构建系统"

优秀工程师 = 构建一个让 AI 持续产出的系统

对比一下：

过去

• 写一个功能

现在

• 设计一个系统，让 AI：

  • 能重复做这个功能
  • 越做越好
  • 成本越来越低

---

本质升级：

维度	过去	现在
角色	coder	system designer
单位	函数/模块	workflow/system
核心	写代码	设计路径
产出	一次性	可复用、可进化

五、面试问题

例子 1

10M token → 1M 怎么做？

考察的是：

• 是否理解 AI 成本结构
• 是否会做 prompt / context 优化

例子 2

1小时 → 10分钟？

考察的是：

• 是否会并行化
• 是否会减少无效路径

例子 3

怎么拆任务？

考察的是：

• 系统设计能力
• workflow 设计能力

总结一句话：

面试不再考"你会不会做"，而是"你怎么让系统更高效地做"

六、顶层模型

AI 时代工程师的 3 层能力

执行层（已被 AI 覆盖）

• 写代码
• 调 API

控制层（当前核心竞争力）

• prompt
• agent orchestration
• workflow

认知层（未来分水岭）

• 问题抽象
• 系统设计
• tradeoff 判断