北京
“大约一年前，我在一家大型科技公司挂掉了一场非常基础的编程面试。”说出这句话的，是前Artsy.net CTO、曾领导Shopify增强工程团队，并担任过AWS首席工程师的Daniel Doubrovkine。他失败的题目并不复杂，是实现一棵二叉树的直径。
“那完全是基本的深度优先搜索，正好十行代码。”Daniel说，这道题被面试官称为“热身练习”，候选者应该能够直接从脑子里把代码倒出来。他用一种自嘲的方式展现了这一事实：现场放了一段自己在白板上正确写出该算法的录像，但显然，在真实的面试房间里，结果截然相反。
Daniel并没有止步于讲述个人窘境。他在演讲中直指，这种传统的白板算法测试根本无法评估资深工程人才的真实水平。他的调研显示，几乎所有开发者都极度厌恶这类面试，并觉得它们“真的很蠢”。他提出了更务实的替代框架：评估一个人的工程判断力、系统设计能力，以及在AI辅助下的动手协作表现，这些维度的信号远比手撕算法题要可靠得多。
在AI日益渗透开发流程的当下，Daniel的观点提出了一个尖锐的问题：当机器能够写出那些标准算法答案时，我们考核人类工程师的方式，是否还在原地踏步？
InfoQ作为这场演讲的首发平台，其主办的QCon AI大会也持续聚焦于工程实践本身，探讨如何安全地扩展AI工作负载，并直接获取同行在生产环境中使用的架构策略与失效指标。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
