---

title: "面試官的生存危機：當候選人帶 LLM 來面試，怎麼設計 AI 幫不了的題目？" date: 2026-03-23 author: meow.coder source: https://www.threads.com/@meow.coder/post/DWM-dedkw7E category: threads tags:

• 面試
• LLM
• 招募
• AI 時代
• 工程能力 created: 2026-03-23 updated: 2026-03-23

---

面試官的生存危機：當候選人帶 LLM 來面試，怎麼設計 AI 幫不了的題目？

原文摘要

傳統的 take-home 作業已經死了。遠端面試裡，分不清對方是在回答還是在讀 LLM 的輸出。有人甚至建好系統讓 AI 聽問題、生成答案、候選人照念。

關鍵轉念：不要禁止用 LLM，而是設計讓 LLM 幫不了你的題目。

三個面試設計方向

1. 深挖實戰經驗

• 讓候選人講自己做過的東西
• 連續追問設計決策和取捨
• 真正做過的人能聊到很深
• LLM 到第三層就開始虛了

2. 丟一個大爛 Codebase

• 故意給文件過期、多語言混雜的專案
• 讓候選人用 LLM 解讀
• 重點不是解讀得多好，而是他能不能看出 LLM 在哪裡瞎掰
• 會質疑工具輸出的人，才是你想要的人

3. 蓋一個陷阱 PR

• 用 LLM 生成的 code
• 混入錯誤註解和過時 README
• 讓候選人做 code review
• 能跳出來說「這段不對」的，才是有實力的人

2026 年面試測的是什麼？

不是「你會不會寫 code」，而是「你會不會用 AI 寫 code，同時知道它什麼時候在騙你」。

三樣目前沒有 LLM 能代打的東西：

• 技術判斷力
• 批判思考
• 領域經驗

核心觀點

1. 和 EsoLang-Bench 論文的結論一致

前面整理過的 EsoLang-Bench 證明 LLM 的程式碼高分是記憶不是推理。面試設計也應該測「推理和判斷」，而不是「能不能寫出正確答案」。

2. 「會質疑 AI 輸出」是新時代的核心能力

第二和第三個方向的共同點：不是測你能不能用 AI，而是測你能不能在 AI 犯錯時抓出來。這和 Claude Code 假測試那篇是同一個教訓。

3. 面試流程需要跟上 AI 時代

還在用 LeetCode 式的演算法題面試，等於在測候選人的 ChatGPT 使用能力，而不是工程能力。