AI 时代如何招前端工程师（二）：考察范围与面试流程设计

上一篇定义了"招什么人"。这一篇解决"怎么考、按什么顺序考"。核心是两件事：一张考察维度矩阵，和一套敢把 AI 请进面试间的流程设计。

一、考察维度矩阵：8 个维度，各占多少分

不要一场面试只考"写代码"。把能力拆成 8 个维度，按候选人级别分配权重。下面的权重是个起点，按你团队实际微调。

维度	考什么	Junior	Mid	Senior
1. 基础内功	JS/浏览器/网络/CSS 原理	高	中	中
2. 框架与生态	React/Vue 机制、状态管理	中	高	中
3. 工程化	构建/模块化/CI/Monorepo	低	高	高
4. 系统设计	抽象、约束、取舍、演进	低	中	高
5. 调试与排障	定位真实问题的方法论	中	高	高
6. AI 协作力	上下文/提示/审查/验证	中	高	高
7. 产品与沟通	需求转约束、表达、协作	中	中	高
8. 成长性	学习方式、好奇心、复盘	高	中	中

读这张表的关键：级别越高，权重越往"判断类"维度（4/5/6/7）倾斜，越远离"记忆类"。 这正是上一篇说的"判断力探测器"在流程上的落地。

下面逐个维度说"怎么考"和"好/差表现长什么样"。

维度 1：基础内功——用"为什么"和"会怎样"照妖

怎么考：不要问"是什么"，要顺着一个现象层层追问"为什么"。例：从"页面卡了"一路追到重排重绘、合成层、主线程阻塞。
✅ 好：能从现象推到原理，能说"如果改成 X 会怎样"。
🚩 差：能背定义，一被追问"为什么"或换个场景就断。

维度 2：框架与生态——考机制，不考 API

怎么考：React 为什么需要 key？Vue 的响应式靠什么实现、有什么边界？什么时候该用全局状态、什么时候是过度设计？
✅ 好：讲得清机制与权衡，知道反模式。
🚩 差：只会"我一般这么写"，给不出原因。

维度 3：工程化——看有没有"自己的主张"

怎么考：让他讲一个自己搭的项目结构，并质疑："为什么这么分层？换成另一种有什么问题？"
✅ 好：有成体系的取舍（构建速度、可维护、协作成本）。
🚩 差：脚手架默认配置，从没想过为什么。

维度 4：系统设计——AI 时代的主考场

怎么考：设计一个前端监控 SDK / 大列表虚拟滚动 / 组件库 / 富文本，关注澄清需求 → 边界 → 方案 → 取舍 → 演进。（题库在第三篇。）
✅ 好：先澄清约束再设计，主动谈失败场景和演进。
🚩 差：上来就堆技术名词，不问场景。

维度 5：调试与排障——AI 最难闭环的地方

怎么考：给一个真实 bug 场景（内存泄漏 / 偶现白屏 / 移动端兼容），看他的定位路径而非答案。
✅ 好：有假设—验证—缩小范围的方法论，会用 DevTools/日志/二分。
🚩 差：靠猜，或"重启/再问 AI 一遍"。

维度 6：AI 协作力——新基本盘（重点，下面单独展开）

维度 7：产品与沟通——把模糊变清晰

怎么考：给一个故意模糊的需求（"做个好用的搜索"），看他会不会先问问题、定义验收标准。
✅ 好：主动澄清、对齐边界、能向上沟通。
🚩 差：闷头就做，做完才发现做错了。

维度 8：成长性——决定三年后的上限

怎么考：最近学的一个新东西、怎么学的；一次踩坑及复盘。
✅ 好：有主动学习的系统方法，复盘到根因。
🚩 差：学习靠工作"喂"，踩坑归因于运气。

二、AI 时代的核心命题：闭卷考内功，还是开卷考协作？

这是当下面试设计最大的分歧。答案不是二选一，而是两段都要，各考各的。

	闭卷（禁用 AI）	开卷（要求用 AI）
考什么	真实理解、调试、口头推理	协作力、审查力、把关力
形式	口述追问、读代码、白板推演	现场用 AI 完成/修复一个任务
防的是	AI 缝合怪、背题党	离开 AI 就废 / 过度依赖
适合	基础内功、调试	实战、系统落地、AI 协作

结论：

用闭卷段确认"地基真实存在"（防缝合怪），用开卷段确认"能驾驭 AI 并为结果负责"（防只会写、不会判）。

这比"全程禁用 AI"或"放任随便用"都更接近真实工作。

三、一套可直接用的面试流程（4 轮）

第 0 轮：简历 / 作品集信号筛选

AI 时代简历注水更严重。重点看可追问的细节而非技术名词堆砌。提前标记几个点，面试时直接让他深挖——缝合怪在第一个"这块你具体怎么实现的"就会露馅。

🚩 危险信号：作品集很炫但 commit 全是大块 AI 生成、无迭代痕迹；技术栈写了 20 个但每个都浅。

第 1 轮：基础内功（闭卷，45 分钟）

不准用 AI、不准搜索；
围绕 2~3 个主题做"现象 → 原理"的纵向追问；
穿插一道小的"读代码挑错"（不用写，口头说哪里有问题）。
目的：确认地基真实。

第 2 轮：实战 + AI 协作（开卷，60 分钟）

这是最能拉开差距的一轮。两种形式任选或组合：

形式 A：AI 代码评审。 给一段"AI 生成、看似正确实则有坑"的代码（竞态、内存泄漏、XSS、错误的依赖数组、隐蔽的性能问题），让他 review、指出问题、说明修复思路。

✅ 好：系统性地查正确性/安全/性能/可维护，能说"AI 在这类问题上常犯什么错"。
🚩 差：只看到表面格式，或全盘信任"AI 写的应该没问题"。

形式 B：带 AI 完成一个小需求。 给一个真实小任务，允许甚至要求用 AI，但全程出声讲解：你会怎么向 AI 描述、为什么这么拆、AI 给的结果你怎么验证、哪里你不接受。

✅ 好：给 AI 清晰约束、分步推进、主动验证、对结果负责。
🚩 差：复制粘贴、跑通就行、说不清代码在干嘛。

关键：这一轮评的不是"代码对不对"，而是"人和 AI 这对组合靠不靠谱"。

第 3 轮：系统设计 + 深度（45~60 分钟，偏中高级）

一道开放设计题，全程对话：澄清 → 方案 → 取舍 → 演进 → 失败场景。可以允许用 AI 辅助画思路，但决策必须由人讲清楚。

第 4 轮：行为 / Bar Raiser（30~45 分钟）

考协作、冲突处理、学习方式、对 AI 的真实态度（既不神化也不排斥）。由跨团队的高 bar 面试官把关，防止"技术达标但协作灾难"。

四、关于 Take-home：在 AI 时代基本失效，怎么救

纯 take-home 现在几乎等于"考你会不会用 AI 交作业"，区分度极低。两种补救：

Take-home + 现场讲解扩展：作业只是入场券，现场让他讲设计、改需求、加功能——真懂还是 AI 代笔，一问便知。
直接换成现场限时小任务：可控、可观察过程，比带回家更真实。

五、面试官最容易犯的 3 个错

只考记忆：还在考"手写 Promise.all""默写 flex"——AI 时代这等于在筛选可被替代的人。
一刀切禁 AI：禁了 AI，你就永远看不到候选人最重要的新能力——怎么和 AI 协作并把关。
只看结果不看过程：开卷环节的全部价值在"过程"。一定要让候选人出声思考，否则等于白考。

下一篇是硬货合集：面试题库与评分标准——按 8 个维度给出具体题目、考点、参考答案要点，以及"差 / 合格 / 优秀"三档评分 rubric，包含一整组专门的 AI 协作题。直接拿去用。