最近面试了不少 AI Agent 岗位的候选人,差不多快 20 个了,博士很多,研究也都挺深,确实很厉害,有些甚至是私下里能让我膜拜的。但真正让我眼前一亮的,觉得适合我需要的岗位的,也就一两个。
后来我慢慢想明白了,我真正想筛的,其实不是“会不会 Agent”,而是这个人到底有没有被 AI 点着。
现在投 AI 岗位的人太多了。简历上都是 RAG、MCP、Multi-Agent、工作流,论文也不少,还有 SCI 一区发表多篇的。但真聊下来,很多人其实还没真正进入 AI agent这个门槛。他会用公司配的 DeepSeek、GLM、千问,会用公司提供的 IDE,把安排下来的任务做完,这当然没问题,但总觉得差点东西。
我现在有一个很粗暴的判断:你有没有自己花钱玩过 AI。
不是说花钱越多越牛,而是一个人如果真对 AI 有兴趣,他很难完全忍住。Claude 出了新模型,GPT 出了新能力,冒出来一个新的 Agent 框架,他多少会想试试。哪怕做的东西没什么商业价值,就是自己觉得有意思,也愿意花时间、花 API 费用,把它从零折腾出来。
面试里真正加分的,往往就是这种东西。
有人聊着聊着,会说:“这个我自己做过一个。”然后主动共享桌面,打开 VS Code,打开终端,给我们看自己的工作流、Agent 编排、运行记录。有的人甚至会顺手晒一下自己 API 花了多少钱。
这些东西比简历上写十个“熟悉”有用多了。
因为真正有兴趣的人,聊起来状态是不一样的。他会主动讲自己为什么选这个模型,为什么换那个框架,哪里踩过坑,哪天晚上突然想到一个办法又改了一版。你能明显感觉出来,他不是因为公司让他学 AI 才学,而是没人逼他,他自己就会去折腾。
这个东西很难设计成一道面试题,也很难做成一个评分表。
只能面对面聊,自己去感受。
现在模型和框架半年就能换一轮,具体技术其实都可以补。真正难得的,是一个人对 AI 还有没有好奇心,还有没有那种“这玩意儿我非得亲手试一下”的劲。
一点个人浅见,我觉得,Agent 岗位第一道门槛,不是 Agent。是热情。