如何招聘一个“真人”？——专访 Stack Overflow 技术招聘官 Tom Harvey
内容提要
AI普及使简历和LeetCode测试失去筛选价值，候选人看似完美。Stack Overflow招聘负责人Tom Harvey主张招聘应重软技能与真实经历而非语言熟练度，面试问题需更开放以识别AI生成的完美答案。他反对AI初筛，强调人际对话与信任，并重启Developer Story让候选人以作品集展示成长历程，重建招聘双方信任。
延伸解读
当“完美”成为可疑信号
Tom Harvey 指出，AI 让简历和 LeetCode 测试失去筛选价值，候选人看起来都“像 Han Solo 一样完美”。他反而把“完美答案”视为欺诈的标记，会事后用 AI 检验回答是否过于标准。这提醒求职者：在面试中展现真实的思考过程、承认不确定性和 flaws，可能比给出无懈可击的答案更能建立信任。
软技能从加分项变核心项
文章强调，语言熟练度不再吃香，招聘方更关注候选人如何谈论自己构建的东西、权衡取舍、与团队协作以及可教练性。随着工程师角色更偏向产品思维和讨论参与，简历上“在某公司工作几年”已不够，需要具体事件和成长故事来证明经验深度。
AI 初筛为何被拒绝
Harvey 明确反对用 AI 做简历初筛，认为这既让候选人体验差，也把招聘起点建立在 distrust 上。他更愿意亲自进行人际对话，通过开放性问题了解候选人的动机和经历。这反映出一种取舍：在申请量巨大的现实下，坚持人工筛选需要更多时间，但能避免因关键词过滤错过合适的人。
Developer Story 试图修复信任
Stack Overflow 重启 Developer Story，希望候选人以作品集形式展示成长历程，而非压缩在一页 A4 纸上。Harvey 认为这能提供更准确的定性信息，并改善招聘双方处于低点的信任。不过，文章也承认这类主观信号可能带有偏见，且并非所有候选人都有时间维护博客或作品集，其实际效果仍需观察。
Q&A
AI 普及后，为什么 LeetCode 测试和简历筛选不再有效？
因为 LLM 让候选人很容易通过 LeetCode 测试，简历也因 AI 辅助而看起来完美，导致这些传统筛选方式失去区分度。招聘官 Tom Harvey 指出，现在每个人简历都像 Han Solo 一样完美，测试不再能可靠评估技能。
Stack Overflow 招聘时更看重候选人的哪些特质？
Stack Overflow 更看重软技能和真实经历，而非特定语言的熟练度。具体包括：如何谈论自己构建的东西（权衡取舍）、如何与团队合作、是否可指导，以及是否有定性经验（Experience with a capital E）——即具体做过什么、从中学到了什么。
为什么 Tom Harvey 反对使用 AI 初筛候选人？
他认为 AI 初筛对候选人体验不好，且基于不信任的筛选会破坏招聘双方的关系。他更愿意与真人对话，了解候选人的热情和参与度，而不是依赖关键词过滤的 ATS 系统。
面试问题应该如何调整以识别 AI 生成的完美答案？
面试问题需要更开放、更有分量，以引出有技术深度的回答，而不是完美的答案。Tom Harvey 会故意问一些需要思考的问题，并接受答案中的不完美，因为“完美现在是欺诈的标志”。他还会把问题输入 ChatGPT 检查答案是否过于完美。
Stack Overflow 重启 Developer Story 的目的是什么？
Developer Story 旨在提供候选人成长历程的准确快照，包含定性信息，作为对话的起点。它允许候选人存储作品链接，不限于一页 A4，也不需通过关键词过滤，从而展示技能和知识提升，并重建招聘双方信任。
在招聘中，Stack Overflow 的声誉分数现在代表什么？
声誉分数现在被视为衡量候选人对行业发展的参与度和帮助他人的程度，而不是技术能力的绝对指标。它反映了候选人在 Stack Overflow 上的参与和贡献。
