这是什么
ShowMeBug、Cursor、Claude Code——这些 AI 工具的名字正在出现在国内一线程序员面试的考核表上。候选人被丢到一个跑不起来的前端项目前，打开 AI 工具现场修 bug，面试官考核的不是"会不会写代码"，而是"会不会让 AI 写出能用的代码"。
掘金这篇文章总结了 3 个候选人"被打断"的瞬间：上来就让 AI 重写整个文件、review 不严格直接采纳、prompt 含糊说不清需求。背后对应的是问题定位、批判性验证、清晰表达三种能力——这才是面试真正在考的东西。
行业怎么看
招聘圈普遍叫好：过去靠背算法题筛人，刷掉大量实战型工程师；真实任务+AI 工具更能看出谁能真正交付。
但反对声音也存在。一种观点认为这是公司在变相压缩人力——"会用 AI"成门槛后，一个资深工程师加 AI 能顶过去两三个初级岗位，应届生和转型者的入门通道被收窄。另一种担忧更实际：AI 修复的代码在 demo 环境能跑，但生产环境的边界情况复杂得多，把"会用 AI"等同于"能交付"，可能埋下线上事故的隐患。
对普通人的影响
对企业 IT/HR：技术招聘考核标准正在重写。"熟悉 Git/CI"这类条目权重下降，"能定位问题、能 review AI 输出、能写清楚需求"正在变成新基线。
对个人职场：判断尺度从"掌握多少知识"转向"能驱动 AI 产出多少质量"。纯背诵型岗位贬值加快，"把模糊需求拆清楚、判断 AI 输出对错"这类软硬混合能力在变贵。
对消费市场：Cursor、Claude Code、Trae 等 AI 编程工具的市场教育成本被大厂面试免费背书降低；但用户会更挑剔，"真解决工程问题"和"只生成看起来对的代码"的工具，差距会被迅速拉开。