招聘数据工程师中的 vibe-coding：AI 迹象

# 招聘数据工程师时的“氛围编码”：如何识别测试中的 AI 生成

在招聘中级数据工程师来支持和开发数据平台时，团队收到了一系列测试任务。大多数解决方案显示出 AI 生成的迹象：从过度优化到模板化结构。只有一个看起来是手写的，但项目结构差且有基本错误，导致被拒。

过程角色：评估完成的测试和进行技术面试。拥有 5 年以上经验的候选人无法解释自己的代码，声称是“从网上推荐的”。这表明与 2022–2023 年相比，基础技能有所退化，当时中级工程师能自信地拆解 Scala、Spark 和 Hadoop 架构。

AI 生成解决方案的类型

测试任务分为两类：

• 氛围编码（AI 操作者）：代码表面完美——无错误，还过度工程化。对于简单任务，典型工程师出于懒惰或务实不会这么写。
• 复制粘贴风格：从 ChatGPT 复制的片段粘贴到项目中。乍看像人工，但面试前详细分析会发现不一致。

省略明显标记以保留“职业直觉”。即使经理有时也分不清 Claude Code 和 ChatGPT，把它当成高级聊天机器人。

技术面试的调整方法

面试聚焦测试任务并检查作者身份：

• 讨论解决方案并稍改条件（例如，“输入要改什么？”）。
• 关于语言、Spark 和数据工程的问题，与代码挂钩。
• 确认所有权：候选人必须“拥有”每一行代码，无论来源。

没有候选人承认使用 AI。在死胡同时，会找借口说“网上看到的”。所有评估得分 2–3/10，尽管有“人不错”因素。

市场问题与招聘结果

中级数据工程师市场充斥着“AI 操作者”。拥有 5 年经验的新一代无法回答分布式计算的基本问题，也无法剖析自己的代码。这与过去几年形成对比，当时即使初级也能处理。

最终，他们聘用了一位在屏幕共享中打开 Cursor 的候选人。HR 赞扬其动力和沟通能力。最强的俄语技术候选人因“可亲度”较低和“数据工程到处都一样”这句话——被解读为动力不足——而被拒。

关键要点

• AI 不是红旗，如果候选人拥有代码并能解释每一行。
• 即使中级，也必须掌握 Spark、Scala 和 Hadoop 的基础知识。
• 氛围编码通过过度工程化和模板显露；复制粘贴通过细节不一致暴露。
• 调整面试：聚焦条件变化和代码所有权。
• 市场在退化：5 年经验专家的 100% 评估都显示 AI 痕迹。

— Editorial Team