最近面试了一个豪华简历5年的高级开发者，我给了他面试不通过

公众号名称：无处不在的技术

作者名称：爱海贼的无处不在

发布时间：2026-05-13 22:21

持续内容输出，点击蓝字关注我吧

最近公司在招聘高级全栈开发人员，需要人员至少具备几项能力：

AI Coding能力

一些AI 应用开发能力

前端开发能力

后端开发能力。

最近也面试了几个人，质量比之前高了一些，但是对于AI Coding的高级能力欠缺的比较多，真正能够达到招聘需求的比较少，今天收到了一份简历，并进行了面试，分享下这个，同时分享一些我面试这位候选者的问题。

先来看截图，候选者简历写了6-9页的简历的，面试者是一位5年经验的开发者。

简历截图如下：

截图1：

截图2：

截图3：

截图4：

截图5：

截图6：

截图7：

截图8:

当面试前，我看到这份的简历的时候，根据我以往的经验，我觉得这份简历写的非常好，第一眼看过去内容很多，没明显毛病，但是也恰恰是一个重灾区，就是这个5年经验的候选者如果之前的经历不是大厂、不是高业务量的工作，不应该写出如此豪华的简历，简历核心的问题就是过于【豪华】了，因此我在面试前会给这个简历订一个考察是否真实性方向的规划，看看是不是真的搞明白了，同时是不是真的自己做过，是自己参与的，还是自己主导的，掌握的情况真实度是否可以接受

先来说下这位面试者的评价吧，也是让AI根据会议记录总结了下：

这个候选人更像“有一定项目经历的中级 Java 后端”，不符合“高级开发 + AI编码 + 全栈”要求；其中 AI 部分确实比较虚，很多回答停留在概念层和泛化表达，缺少真实深度与工程落地能力。

公司招聘的高级中高级开发岗，因此面试时间稍微较长，考察内容稍微多一些，面试中我觉得：

关键词堆砌较多

缺少明确项目规模、职责边界、技术难点、指标结果

熟练”“实战”“独立整合落地”等词很多，但没有自然展开支撑

同时我根据会议记录也让AI进行了打分如下：

按“高级开发 / AI编码 / 全栈”岗位标准打分

• Java 后端基础：6/10

• 微服务与中间件：5.5/10

• 数据库与性能优化：5.5/10

• 高并发实战：4/10

• 项目架构与系统设计：4.5/10

• 前端 / 全栈能力：3.5/10

• AI 编码工具使用：4/10

• AI 应用开发（RAG/客服）：4.5/10

• 表达与逻辑性：4/10

• 高级工程师综合胜任力：4.5/10

先来看下第一组对话记录：

面试官我：
最近咱们有用 AI 进行一些 AI 编码吗？你可以谈谈你是怎么进行 AI 编码的？

用户：
实际项目业务开发，我那个xxx项目里边用到过，
综合来进行一个辅助的业务开发。
就像一些小模块的业务单元测试，
还有一些复杂单一的一个代码的编写生成。在我私下的话，
我也是做过一个小程序的一个全栈开发，
直接用ClaudeCode进行一个全栈开发，试一下它的能力。

面试官我
对，那你可以答案你具体是怎么做的吗？

用户:
主要的就是全栈整个项目的开发是先需要跟这个 AI 进行一个交接的，
跟它进行一个对话，先把它的一个项目主体一个落地，
比如主要需求还有主要业务，以及它主要用到一些技术栈，
还有一些主要的功能，都需要先列成一个需求文档，
当这个需求文档已经足够完善的时候，
我们可以一个 AI 的一个代码生成，
以及因为毕竟现在是 AI agent，
它也是可以直接自动调用我电脑上一个本地部署的
一些技术栈进行一个搭配和自己一个使用。
然后每一个功能的一个接口，一个一个测试，
它也是可以直接进行一个自动的测试的。

面试官我：
就说你觉得现在咱们这个用 AI 之后，
你做什么样的一个需求？他给你做到了一个什么样的一个提效的一个程度？
比如说你原来预估多少人天，你用 AI 之后某一个需求，
他最后是花了多少时间完成的？

用户：
这个话简单一些，复杂的业务，比如一个简单一个同步服务，
每隔 5 分钟都需要在我们的 MySQL
里面获取咱们的一个停车状态通到咱们的一个 Redis 的一个缓存中，
这种的一个编码的话，咱们的 AI 工具是可以有这个能力进行一个编程的，
当时是如果要是写这个模块是需要花个一个小时，
但是当时直接用科子进行一个编程的，
他只用了一个半小时就将一个小的一个业务就是已经跑完。
还进行一个简单测试。
我个人感觉就是如果要是用 AI 的一个辅助开发，
或者 AI 的一个全栈开发，肯定是可以提升咱们的一个 AI 的，
提升咱们一个项目的一个编程效率的。对。

面试官我：
那你比如说咱们在使用的过程中，你发现 AI 生成的代码，
或者说它给你反馈的结果并不是你想要的，那你会怎么去处理呢？

用户：
这种情况也是有的，就是在跟他交涉的时候，
他也在进行编程的时候，就是我们的一个想法就直接相反了，
然后当时我是直接就是再从底层进行一个修改，
主要就是回调，就是整个代码进行一个重复的一个修改，
不能再往上进行一个累加，如果累加的话就会形成一个死删的一个现象，
当时是直接就是从根本的一个状态就让他进行一个回调，
回调之后再对他进行一个对接，就是将我们这个主要需求对他进行一个沟通。
沟通完毕之后他再确认之后就是让他先列出一个代码，
具体一个例子，然后我审查完之后再让他进行一个编程。

面试官我：
那你比如说你在这个过程中，
你发现这个 AI 你跟它说了七八次了，它还是没有达到你的要求，
那你该怎么去处理？
就说你按照你刚才说你可能你会跟它说，
但是你可能有很多时候都发现就说你跟它说了七八次了，
它还是不能满足你这个要求。

用户：
这个情况的话，一般我也都会找一下我的话术里面是不是对他进行一个教学。
话术有问题，如果实在他这个大模型实在编程不了我这个业务模块的话，
我也会直接进行一个手动编程，而且他出现这种幻觉的一个现象，
问他问题，还有让进行编写，编写时候他会出现这个上下文状态，
上下文不匹配，都是他直接忘记了上面的东西再进行编程，
这种现象也是有的，主要就是。
使用 AI 智能的一个自动的一个智能压缩，
让它收集上一个文章的一个上一次对话的一个主要内容，
继续进行一个对话。如果业务太特殊，
基本都是由我们自己一个人工进行一个自主编写的。

第一组中我作为面试官，问面试者自己最近在工作中如何用AI编码的

面试评价为：

优点：

• 知道 AI 编码的基本使用方式：先描述需求、约束规则、逐步生成

• 知道大模型会有上下文丢失、幻觉

• 知道要先审查再落代码

问题：

• 回答很空泛，几乎没有“真正深度使用者”的细节

• 没有说清：

• 用的是 Cursor 的什么能力（Agent / Edit / Rules / Context / MCP）

• Claude Code / OpenCode 的差异

• AI 在代码库中如何引用现有模块

• 提效是体现在什么类型任务上：CRUD、重构、测试、接口联调、前端页面、脚手架、文档？

结论

• 用过 AI 编码工具，但更像普通体验型用户，不像高频重度使用者

• 和“公司要求会 AI 编码”中的“会”相比，他可能只是“接触过/会基础操作”

• 达不到“高级开发 + AI工程化提效”的可信程度

在第一组对话中，我问他具体提效的成果时，面试官提问

让他举例：原来多少人天，用 AI 后多少时间完成。

候选人回答摘要

• 举了一个“同步服务，每5分钟从 MySQL 获取停车状态同步到 Redis”

• 说原本写这个模块需要1小时

• 用 AI 后“只用了一个半小时”

• 又说感觉 AI 可以提升效率

评价

这是一个 明显减分点。

原因：

• 面试官问提效，他举出的例子里 AI 后反而更慢（1小时 -> 1个半小时）

• 自己没有意识到这个逻辑冲突

• 说明：

• 没有准备过真实提效案例

• 对 AI 提效的度量没有概念

• 面对追问时临场组织和逻辑性较差

结论

• AI 提效经验不扎实
• 至少没有形成稳定的方法论，也没有真实指标沉淀

第一组中，我问AI 生成不符合预期时如何处理，面试者回答评价如下：

候选人回答摘要

• 会检查是不是自己的“话术”有问题

• 如果 AI 跑偏，就回调、从根本状态重新来

• 先让 AI 列代码示例，再审查，再编程

• 如果业务太特殊，就人工写

这个回答方向没错，但问题是：

• 术语和方法表述不专业

• 缺少典型实践：

• 拆小任务

• 给输入输出 schema

• 给现有代码参考文件

• 固定目录结构

• 增加验收标准

• 用测试驱动 prompt

结论

• 有一定实际体验

• 没有形成成熟的 AI 协作编程能力

  

在面试关于AI新型技术概念的实践中，我问了面试者对于AI近期新技术的发展趋势和内容，了解的不清晰，多数人都是下载过，这位面试者也是，简单使用过，没有深入研究过MCP、Skills等。

同时问了一些关于提示词工程的理解，也属于会基础 prompt，不属于 AI 工程实践强的人，没提到结构化 prompt 模板，没提到 few-shot / checklist ，关于最重要的AI 生成代码后的后置个性化的处理机制如何实现时，候选人回答仍然泛泛，这是又一个明显暴露深度不足的地方，我是在明显在问 AI 工具链 hook / workflow / command / post-action 机制，更像是猜答案，而不是实际使用过，这也体现了AI 编码工具使用深度明显不足。

接下来，我问了他简历上的智能客服的部分，实际上很多在企业中真正做过的人，知道这类系统的核心问题在哪里（知识数据工程、转人工、意图识别、回答准确率）。

我一般会问这类知识问答RAG系统的准确率是多少，候选者在回答的时候说了一个值，但是这个值经过几个问题的判断可以发现，没有深入做过。缺乏有效的实际的，经得起推敲的验证。

同时最近如果面试者在简历上写熟悉RAG与这类客服或问答系统的时候，我经常经常会问一个问题：

用户问某分类有哪些商品，AI 只答了两个品牌，怎么优化？

面试者回答：

• 提高上下文

• 调阈值

• 增加自我思考模块

这回答非常空。

真正有经验的人通常会答：

• 这类问题不应该单纯依赖自然语言检索，而要接结构化商品库 / SQL / API tool call，或者用知识图谱技术

• 对“列举类问题”应该把商品分类作为结构化查询条件

• 要限制回答必须穷举某分类下 topN / 全量品牌

• 需要 function calling / MCP / tool 调商品服务，不是只靠向量检索

接下来我面试了他的前端能力，前端能力比最近同期的其他面试好一些，领先最近面试的几位候选人，知道如何画一个太极图，很多人之前宣传自己会前端，熟悉前端，问到样式类的开发问题就废了，不知道如何拆解和分析画太极图，同时很多人用Vue也是浮于表面，缺少Vue中自定义组件的开发封装，不知道如何自定义一个组件支持v-model，同时面试人员对于vue3和vue2的对比说的不清晰。

后来我开始问后端能力，介绍项目的时候，过于堆叠技术名称，自己专心做的职责边界不清，对于一些指标化的结果缺少统计和经验，缺少了明确的技术指标。

例如：

• 消息吞吐多少

• 识别耗时多少

• 订单峰值多少

• 车位状态同步延迟

通过这样的问题和表现，可以看到面试者不像核心负责人，更像参与者

接下来我开始问他关于微服务中注册中心的理解，明面上的知识回答的还行，但是设计到是否自己能力方面的经验欠缺。

面试评价如下：

Nacos 配置管理理解

• 能说出动态配置、热更新，不用重启

• 用停车计费规则举例

Nacos 数据同步 / AP-CP 模式

• 说 Nacos 节点同步通过 Raft

• 描述了“多数派确认”的流程

• 说这是 CP 模式

• 追问 AP 用在哪里，回答得比较模糊

评价

优点：

• 至少不是完全没接触 Nacos

• 知道配置中心和注册中心两个角色

• 知道 Raft、CP 这些关键词

问题：

• 回答停留在资料层面

• 对 Nacos 的 AP/CP 设计理解不完整

• 没把“服务实例临时节点/AP”和“持久实例/配置管理/CP”等讲清楚

• 没提临时实例、心跳、Distro、Raft 等差异

• 更像看过文章，不像深度排查过线上 Nacos 问题的人

结论

• 微服务基础有，但达不到高级

通常在面试中，我经常会问别人的2个问题是MySQL相关问题和线程池问题，虽然我自己掌握的也不深吧，但是起码有些看过资料，有些特殊场景的玩法还是记住了我，因此我会在面试中通常问问面试者。

例如我问：

核心线程数20，最大线程池数：1000，队列数量为100

那么通常我会问，一个请求来了，会怎么执行，执行流程是什么。

同时我会追问：

• 如果高并发场景下，200个请求来了，为什么先入队再扩容不是有问题？

• 为什么不是先看 max 再排队？

• 这套参数设计是否合理？

候选人明显卡住，最后只能说：

• 队列要修改

• 只能扩展核心线程数

• 抛弃大队列不行

• 没形成清晰解释

面试人的总体评价为：

候选人后端基础有一些，应该做过 Java 常规业务开发，但整体深度一般。 AI 编码部分明显偏虚，对 Cursor、MCP、skills、工具链工作流这些概念掌握不扎实，回答多为泛化描述，缺少真实案例和提效数据支撑。 RAG/AI 客服也更像做过轻量尝试，没有体现出完整工程化调优能力。 前端能力也比较弱，不符合“高级开发 + AI编码 + 全栈”的岗位要求。

我会觉得候选人比较虚，AI给我的总结如下：

工具名、概念名多次混乱

• Cloud opens / open code / Claude code / cursor / skills / MCP 混着说

• 说明不是长期深度使用者

讲流程很多，讲细节很少

• “先需求文档，再AI生成，再自动测试”

• 这谁都会说，但真正难的是：

• 怎么给上下文

• 怎么限制改动范围

• 怎么做工具链集成

• 怎么沉淀规则

• 这些都没有

指标前后不一致

• RAG准确率一会儿 90～92%，一会儿 85%

• 提效案例逻辑错误（1小时 -> 1.5小时）

• 典型的非真实沉淀

追问后明显接不住

• AI工具后处理机制

• 商品分类列举类问题如何优化

• Nacos AP/CP细节

• SQL二次追问

• 线程池参数场景推演

• 这些都暴露深度不足

项目叙述像“堆栈式简历”

• 一个项目里同时有 MQTT、Netty、OpenCV、OCR、AI客服、Kafka、MongoDB、高并发

• 但说不清自己真正负责哪一段，以及核心结果

希望阅读本文的小伙伴，准备简历的时候，有个重点就行，别说自己啥都用。

**喜欢本文的，可以关注、收藏、点赞、转发、分享到朋友圈哦。
**

- END -

喜欢的可以加入我的免费知识星球与我一起学习相关开发技术：觉醒的新世界程序员，随时与我沟通，交流技术与想法。

​

喜欢的也可以关注我的公众号：​无处不在的技术​，与我一起学习成长、共同进步，在技术的道路上越走越远。

---

原创 爱海贼的无处不在 无处不在的技术

---

内容效果不满意？点此反馈