年后招聘季一到，周围就炸开了锅。

几乎每天都能听到类似的求助：

• “我有这么丰富的工作经验，简历到底该怎么优化？”
• “项目跟了一堆，怎么才能把它写得闪闪发光？”
• “技术面是不是得先刷个题库？”

这些问题听着耳熟，但说实话，哪怕是一个在行业里摸爬滚打了二十年、带过团队、面过无数人的人，也很难三言两语就把你的长短板、优缺点拆解得明明白白。

更不可能一眼看穿你一天能修多少 bug、写多少行代码。

角色互换一下，当自己坐在技术面试官的位置上，为了挑一个合适的人选，照样会焦头烂额。

专业的事，终究要交给专业的人去做。

前两天，和 ShowMeBug 的技术合伙人 Ivan 聊了一次。

他们团队首创了一套“工程能力冰山模型”，专门用来帮助企业精准识别用人需求，深挖技术人才的工程潜力。

在 AI 浪潮的冲击下，一个核心问题摆在所有人面前：AI 时代，如何快速、准确地衡量一个技术人的能力与素质？

1. 技术面试官和HR的拉扯，选人方和用人方谁才有真正的话语权？

这个话题，在企业里确实尖锐，也是矛盾最集中的地方。

技术招聘的核心，是怎么高效识别人才。

尤其是技术岗的笔试，能不能做到大规模、精准地出卷，既帮面试官和 HR 省时间，又能精准判断候选人能力，这是最关键的一环。

技术岗位的“人岗匹配”，涉及太多维度，而每个用人方的侧重点又不一样。

当大量不同需求同时涌来时，光靠人工博弈已经行不通了。必须有一套工具来支撑，才能从根本上解决矛盾。

ShowMeBug 的做法是，先把所有技术岗位的人才画像拆成大量模板。

企业在招人时，本质上就是围着画像转——这是技术底层的逻辑。

同时，他们组建了专家级别的题库团队，对市场上主流、非主流的岗位进行深度分析。

再结合多年的技术测评工具和海量数据，打磨出一套能让大部分企业快速匹配人才的产品。

话语权这件事，说到底就是一场博弈。谁赢，谁说了算。

但当一套完整的工具摆在面前，大家开始尝试使用后，分工就自然产生了。

逐步拆解合作后，原本的话语权之争会慢慢转化成协作，矛盾降级、双方制衡，选人用人的效率才可能真正提上来。

2. 大厂有自己独特的方法论和流程体系，小企业如何降低选/用人成本？

矛盾是永恒的痛。即便是大厂，也在日复一日地对内部流程体系进行变革。

只不过它们能承受时间成本和沉没成本——一场变革可能得花上两三年，才能逐渐完善成一套相对成熟的操作指南。

但中小企业不一样。每一分钟都意味着压力。

在选人用人这件事上，越精准、越省时，才越能从根本上解决问题。Ivan 对此看得非常清楚。

国内有技术招聘需求的中小企业，大概在 200 万家以上，基数非常庞大。

但很多企业习惯用老办法做招聘，或者出于成本的顾虑，不敢轻易尝试像 ShowMeBug 这样的工具来提升人才资源的利用效率。

针对这个问题，ShowMeBug 最近发布了“飞轮计划”，面向小微企业免费开放。

如果企业有技术招聘需求，可以直接免费使用。这样一来，既打消了企业对试错成本的担忧，也降低了人力成本的压力。

更关键的是，让 AI 工具真正渗透进更多企业，提升效率，让时间和资金形成正循环，走上一条持续的上坡路。

3. AI的时代背景下，如何通过技术人的简历匹配企业需求的人才模型？

Ivan 在研究技术人才和简历时，特别解读了一个关键词——“软能力”。

这几乎是每家企业都看重的素质，但又几乎无法在简历上体现。

AI 出来后，企业面试时经常问一个问题：“你在 AI 方面做过哪些事？”

这其实是在考察候选人的好奇心和折腾精神。技术从业人员，有没有愿意折腾、喜欢折腾的心理和行为，正是面试官和企业最想捕捉的点。这就是软性素质。

ShowMeBug 把人的能力拆成“硬性技能”和“软性技能”两大类，并构建了一个“冰山模型”。

最上面的是知识，往下是技能，再往下是工程能力。

• 知识：好理解，就是对各种概念、经验和信息来源的记忆，这部分用应试卷子就能测。
• 技能：下一层是技能，比如某框架的使用方法、特性掌握程度。
• 工程能力：再往下，就是工程能力——比如代码设计得好不好？结构优不优？

ShowMeBug 把市面上几乎所有技术岗位和人才，都做了相应的能力拆分。

从这三个方向，把技能点变成 AI 语料，反复咀嚼、不断训练。让 AI 吃得更多、更全、更细，最终打磨出现在的产品。

招聘时，企业不用自己出题。工具里已经备好了题库，招聘方可以直接根据用人特性，搭配岗位模型，从题库里抽取题目，自动生成完整的试卷。

流程和逻辑都大大简化。看上去只是一个工具、一个模板，但本质上是在用 AI 辅助你提高招聘效率和交付能力。

很多人觉得 AI 高深莫测。其实 AI 大模型的那个“大”字，指的就是背后的库——强大的题库和经验库。

有了这样的库，AI 才能获得足够丰富、多角度、深层次的语料，形成自己的元素和标签，最后呈现出一个好用的工具。

4. 随着能力模型的抽象化，怎么才能识别“六边形战士”？

市场上很多技术岗位的招聘要求写得很抽象，或者很笼统。

但实际上，对岗位上的人要求又特别细——懂技术、做过交付、了解业务……几乎对各个维度都有要求。

Ivan 从技术和使用角度给出了一个很务实的回答。

一个岗位可能需要面面俱到的“六边形战士”才能胜任，但背后的逻辑其实没那么绝对。

企业要找的不是一个全能的六边形，而是性价比最高、最符合、最匹配岗位的那个人。

关键问题在于定义：这个人到底应该长什么样？不一定是六边形，可能三角形就够了。

至于哪三个角，需要具体分析。比如一个技术工程师，有些东西得精通，但数据库、Docker 这些可能了解就够了，不需要对 MySQL 了如指掌。

岗位本身有它的内在逻辑，把模型定义清楚后，才能更好地找到对应的那个“三角形”。

要构建出一套符合市场需求、完善又好用的体系，确实不容易。

很多工具，比如问卷式的手工录入，看起来也能用，也有结果分析，但最终会发现和实际用人需求偏差很大。

因为它们往往是从面试官的主观视角出发，拿出一套自认为合理的题来做分析，而不是基于一套成体系的、针对特定模型的题目。

ShowMeBug 解决的就是这个问题。

面试官或企业只需要想清楚：我要的人到底是三角形还是六边形？如果是六边形，又有哪些特质？

把这些配置上去，系统可以直接生成岗位的能力模型。甚至中层工程师，都可以动手构建自己的模型。

不少老板如果仔细看自己岗位的定义，可能会发现，真要按照写出来的标准去招聘，可能连老板自己都进不来。

市场上很多关于学历、项目经验、软素质的刻板印象，描述依然相对抽象，不够清晰。

企业在这个过程中，大量精力其实花在了自己写岗位模型、分析人才模型上，尤其是中小微企业。

但如果能借助 AI 和工具，使用到一定成熟度，自然会知道自己需要的“六边形战士”长什么样，也能更快速地锁定目标。

写在最后

专业的事，就该交给专业的人去做。

专业精深这个词，代表的是一种垂直深度。

也许我们看到的只是路边一口直径一米的井，但你永远不知道这口井最终通向哪里。

人总是需要不断尝试、不断接受新事物，才能跟上这个时代的节奏。

机会就在眼前，不妨试一试。