用 AI 做技术面试题库：完整方法

技术面试最怕两种题：太简单，问不出水平；太偏，和工作无关。用 AI 建题库能解决出题慢、覆盖窄的问题，但题目准不准、能不能问出水平，取决于你怎么设计维度、怎么审题、怎么更新。这篇文章讲题库的建设方法与更新机制，以及哪些环节必须由人来把关。

按能力维度设计，不按知识点堆题

别按知识点罗列，按「要考察什么能力」设计。四个维度：基础功底，语言特性、数据结构、基本原理；工程能力，代码质量、调试思路、方案设计；问题解决，面对陌生问题怎么拆解；沟通协作，怎么解释方案、怎么处理分歧。按维度出题的好处是面试结论能落到能力判断上，而不是零散的知识点对错，写评语时也有现成的框架可填。

难度分层与追问链

每个维度分三档：基础、进阶、开放。基础档筛掉不合格，进阶档区分熟练度，开放档看思路和取舍。出题时要求 AI 做四件事：每档各出若干道；每道题注明考察哪个维度；标注哪些题适合追问、可以怎么追问；指出哪些题容易被背诵，需要改成开放题。追问链比题目本身更能区分水平：一道普通的设计题，追问「为什么不用另一种方案」「这个方案在什么规模下会出问题」，两轮下来真懂和背题就分开了。

批量出题与审题

提示词的骨架：说明岗位、级别和团队技术栈，按三档出题，注明维度和追问点。审题让 AI 先过一遍，重点看三处：有没有歧义，同一道题能不能理解成不同意思；答案是否唯一，不唯一的题要把评分标准写清；与工作是否相关，太偏的题会筛掉合适的人。AI 审完之后，仍要由懂行的工程师复核一遍技术细节，这一步省不得。

题库的更新机制

题库不是建完就完，闲置半年的题库会悄悄失效。三类信号触发更新：技术栈变化，新版本、新框架进入日常开发，相关题目要加入，旧题降权；背诵痕迹，某道题被候选人流畅背出的比例明显升高，就改开放题或替换；复盘偏差，入职者的实际表现和面试评价在某维度偏差大，回头检查该维度的题目是否还有区分度。定位偏差原因用数据归因的思路来拆，售后数据归因的方法同理。节奏上建议季度小审、年度重建，每道题记录使用次数、追问效果和面试官反馈，复盘这些记录的整理方式，可以参考年度复盘的总结方法。

技术准确性与招聘公平由人把关

AI 出的题可能出错，技术准确性必须由资深工程师核对。题目要贴近岗位的实际工作内容，和岗位无关的题再漂亮也不用。还有一条容易被忽略：避免歧视性筛选，题目不涉及与岗位无关的个人信息，AI 生成的题目要经人工审查后再进题库，录用决定由人做最终判断。工具负责把题库铺开，准不准、公不公平，责任在人。要把招聘数据和面试结论写成给用人经理看的材料，给合伙人写经营总结的版本思路可以借用。

能力维度与出题对照

这张表用来验收 AI 批量出的题：每道题都能落到某个维度、某条合格标准上，落不上的题不进题库。

题库速查

• 四个维度：基础、工程、问题解决、沟通
• 三档难度：基础、进阶、开放
• 审题三查：歧义、唯一性、相关性
• 季度小审、年度重建，背诵题及时换
• 准确性与公平性由人把关，录用由人拍板

几个没直接讲过的问题

候选人反问「为什么问这个」，面试官答不上怎么办？每道题在题库里备一句考察说明，出题时就写清楚，面试官照着说就行，这也是审题时该顺手补上的字段。

题库会导致候选人之间互相传题吗？会，这正是更新机制里背诵信号存在的原因。流传快的题改成开放题，或者加快轮换节奏，别指望靠保密解决。

一题多解怎么评分？出题时就把评分维度写好，比如正确性、复杂度、边界考虑，面试官按维度给分，不对照唯一的标准答案，争议也会少很多。