对每天写业务代码、修线上问题、参加评审的后端或全栈开发来说，真正写代码的时间常被排查问题、写文档和同步进度挤占，很多重复性的文字和样板代码其实可以交给 AI 起草。面试问得随意，就很难比较候选人，也容易被会说话的人打动而错过真正能干活的人。这篇文章用一个完整的例子演示程序员如何借助 AI 设计面试问题：根据岗位能力要求，让 AI 设计行为面试题、追问和评分标准，面试时按同一标准评估。

典型场景

程序员下周要面试几位候选人，岗位需要能完成“完成订单服务接口重构，接口平均响应从约 300ms 降到 120ms 左右（以压测为准）”这类工作。以前面试主要凭感觉，问题也不统一，事后很难比较谁更合适。而且程序员手上通常同时压着“整理缓存方案技术文档”之类的事情，如果每次都从零开始，很容易顾此失彼。

推荐工具

用 ChatGPT、Kimi、通义千问等对话助手设计题目和评分表；面试记录可以用转写工具整理，再交给 AI 对照评分标准做初步归纳。

对话助手即可，重要的是把岗位的真实能力要求写清楚。

案例：一次完整的使用过程（虚构）

设想一个虚构场景：阿美刚接手一部分新工作，既要完成“完成订单服务接口重构，接口平均响应从约 300ms 降到 120ms 左右（以压测为准）”，又要准备“排查定时任务重复执行问题”。面对需要设计面试问题的任务，阿美的做法是：先让 AI 按固定结构起草，再对照自己掌握的事实逐项修改，涉及密钥、内网地址、数据库连接串和用户数据的部分一律用代号替换。这样既节省了时间，也守住了准确性和隐私的底线。

具体怎么做

  1. 列出岗位最关键的 3-4 项能力
  2. 让 AI 为每项能力设计行为面试题和追问
  3. 为每道题设定好、中、差三档回答特征
  4. 面试时记录候选人的具体事例
  5. 面试后按评分表打分，再综合讨论

提示词示例

提示词的关键是把背景、要求和输出格式写清楚：

【背景】当前的难点是：依赖的第三方支付 SDK 下周升级，可能需要适配。
我是程序员，要面试一个协助处理“完成订单服务接口重构，接口平均响应从约 300ms 降到 120ms 左右（以压测为准）”工作的岗位。
关键能力：问题解决、沟通协作、学习能力、责任心

请：
1. 每项能力设计 2 道行为面试题（让候选人讲过去的真实经历）
2. 每道题给出 2 个追问，用来判断事例是否真实、候选人在其中的角色
3. 给出评分标准：优秀、合格、不合格的回答各有什么特征
4. 列出 3 个面试中应避免的问题（涉及隐私或歧视）

效果示例（虚构演示）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

问题解决

  1. 请讲一次你遇到计划被打乱的经历，比如类似“依赖的第三方支付 SDK 下周升级，可能需要适配”的情况，你是怎么处理的？
    • 追问：当时你具体做了哪三件事？
    • 追问：如果重来一次，你会怎么改？

评分标准

  • 优秀：事例具体，能说清自己的判断和行动，有结果和反思
  • 合格：有事例，但细节和结果较模糊
  • 不合格：只谈观点，没有真实事例

应避免的问题：婚育计划、年龄、籍贯等与岗位无关的个人信息

拿到类似的结果后，阿美的做法是先核对事实和数字，再结合“排查定时任务重复执行问题”的安排调整重点，最后才对外使用。

注意事项与技巧

  • 同一岗位所有候选人用同一套题，才能公平比较。
  • 追问比题目本身更重要，好的追问能识别背出来的答案。
  • 评分标准写在面试前，避免先有印象再找理由。

给程序员的特别提醒

把报错堆栈、相关代码片段和运行环境版本一起贴给 AI，比只描述现象有效得多。同时要记住：AI 生成的代码必须经过本地运行、测试和代码评审，不要直接合入主干。

举一反三

  • 面试反馈：把面试记录整理成结构化反馈，给用人部门参考。
  • 候选人视角：让 AI 告诉你候选人可能想问的问题，提前准备。

相关阅读