Vibe Coding 搭配 AI 工具的普及，不会直接“干掉”初级岗位，但一定会淘汰只会机械写基础代码的初级开发者，重构初级岗位的核心价值。过去，初级工程师的核心任务是写 CRUD、做简单模块开发，成长靠“堆时间+踩坑”，公司愿意招聘是因为人力成本低，能解放资深工程师的精力。但现在，一个熟练用 AI 的正式员工，几分钟就能生成高质量的基础代码、自动补全接口文档、排查常见 Bug，效率远超带新人——这直接让“纯编码劳动力”的价值大幅缩水。那些只会复制粘贴、不懂底层逻辑、依赖指导才能干活的初级开发者，确实会被 AI 替代。但这并不意味着初级岗位会消失。未来的初级岗位，会从“编码执行者”升级为“AI 协作助手”。能留下来的初级开发者，核心能力不再是“写代码”，而是“拆解需求、校验 AI 输出、解决 AI 搞不定的问题”。比如，AI 能生成代码，但不知道业务场景的特殊逻辑；AI 能给出解决方案，但不懂公司技术栈的适配要求；AI 能排查通用 Bug，但搞不定跨系统的复杂故障——这些都是初级开发者的新价值点。说到底，Vibe Coding 和 AI 不是在消灭初级岗位，而是在抬高初级岗位的门槛：它淘汰的是“懒人”，奖励的是“会思考、能协作、懂原理”的新人，但是hc基本都会缩减的。

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.介绍召回3.场景细节提问4.常见的召回的模型有了解嘛，大概是如何做的召回的模型、目标、样本哪个更重要介绍粗精排5.为什么要建立一个独立精排模型，样本占比多少6.主模型为什么不能加特征7.新加的特征具体是怎么得到的8.独立模型实际打过主模型了嘛，为什么没有打过独立模型当前的结构是什么样子的9.主模型的模型结构10.当前业务有多少人迭代，其他人在做什么方向

如果在面试中遇到不会的问题，我不会直接说“不会”然后结束，而是采取一种结构化的应对方式来体现自己的分析能力和工程思维：首先我会先复述问题，确认自己理解是否正确，同时尝试从已知知识出发进行拆解，比如这个问题属于哪个领域（并发、数据库、系统设计等），有没有相似的问题或模型可以类比；如果能想到部分思路，我会把自己的推理过程说出来，即使不能给出完整答案，也尽量展示“我是如何逼近答案的”，例如先给出一个基础方案，再分析它的不足和可能的优化方向；如果确实完全没有思路，我会坦诚说明这一点，但不会停在这里，而是会补充我会如何在实际工作中解决，比如查官方文档、阅读源码、定位关键模块、或者通过日志与实验验证问题，并且可以简单给出一个可能的学习路径；最后我通常会主动做一个收束，比如总结这个问题背后考察的核心能力（例如并发控制、系统设计权衡等），表明自己虽然当前没有完全掌握，但具备快速补齐的能力，这样可以把“不会”转化为“有潜力、有方法论”的信号。

祝大家都能拿到满意的Offer！1.项目拷打2.你们这里说的分层混合编排式 Agent 架构设计是具体怎么做的3.我问一个就是你们在Routing那里，你会根据难度去做不同的一个处理，对吧？那你们这个难度是怎么划分的呢4.你刚才提到就是说，比方说如果刚开始有动态升级的一个范式，就是比方说这个任务刚开始被分配到了7B但是如果它在生成的过程当中，置信度或者说生成的结果它的置信度比较低，你们这个置信度是怎么生成的呢5.你们大概配备了多少个工具6.以风险评估为例，你们的输入输出分别是什么呢7.你的字段是什么8.比方说你说的收缩压这个字段，在用户的问题当中可能不会有这样的一个检测数据。那这种情况你们是怎么来处理呢9.我看到你这里有说在引入了应用层的MOE按照任务动态的激活专家路径，这个具体是怎么实现的呢10.这里就有个问题，我们针对不同的科室去训练一个微调专家，那你们是你们怎么训练的呢？怎么针对于不同科室去训练的，第二个问题就是逻辑上你们这个专家数量可不会少，然后你们的工作量会比较大，这个问题你们又是怎么解决的呢11.你们最终大概是用了多少个专家12.每个大概训练的数据量是多少呢13你们的这个70b模型用的是自己？从头开始预训练的吗？还是用的开源的14那你们医疗数据你们医疗数据的主要来源是在哪里呢？