录用画像与能力象限¶
本页整理自《面试总结报告》对 30 位候选人的实证分析，给出 4 类能力象限 与 L0–L4 评估框架，供面试官定位候选人、供候选人自我定位。
L0–L4 能力评估框架¶
| 等级 | 标准（AI Agent / Vibe-Coding 通用） |
|---|---|
| 🏆 L4 | 主导 / 从 0 到 1；团队级推广；有量化与工作流沉淀 |
| 🌟 L3 | 深度实践；懂底层 / 有量化 / 有质量闭环；完整项目 + 明确角色 |
| ✅ L2 | 应用层；会用、无量化、无工作流 |
| ❌ L0 | 无经验 / 简历无相关描述 |
报告核心结论：本岗位要求 Agent ≥ L3 且 Vibe-Coding ≥ L3。任一维度 L0 即为淘汰区。
四类能力象限（基于 30 人招聘池）¶
| 象限 | 定义 | 典型代表 | 占比 | 面试建议 |
|---|---|---|---|---|
| 全能型 | Agent ≥ L3 且 Vibe-Coding ≥ L3 | 彭超、卢浩、周建国、马俊杰 | 少数（稀缺） | 加速流程、给竞争力条件，防流失 |
| 实战型 | Agent ≥ L3，Vibe-Coding = L2 | 秦刚、许峰、程明、李伟 | 一定比例 | Agent 落地扎实，重点验编程工具深度能否补到 L3 |
| 偏科型 | Agent 强但 Vibe-Coding = L0，或反之 | 贺帆、汪俊、姚磊、赵立新 | 占比偏高（主要淘汰区） | 直接淘汰，或纳入"补短板后复评"储备池 |
| 缺失型 | Agent 经验偏弱 | 沈涛、谢鹏、吕洋 | 一部分 | 与岗位不匹配，筛除 |
偏科型是本批最大淘汰区——这正是 双维度评估卡 要解决的问题：两个维度必须独立评估，不可互替。
录用画像：4 名通过候选人的共性¶
| 候选人 | 核心标签 | 通过理由 |
|---|---|---|
| 程明 | 泰康 5 年 · Multi-Agent/Dify · CodeBuddy 98.39% | 稳定性极好，AI 落地成熟，有 10 人管理经验 |
| 李伟 | 京东 6.5 年 · 高并发 · RAG+Agent+Streaming | 大厂高并发+分布式底座最强，工程化扎实 |
| 江旭 | 好未来千万级用户 · 6 子 Agent · G1/ZGC | 金融尽调 Multi-Agent 落地，JVM 调优突出 |
| 许峰 | 高德/阿里 + 科大讯飞 · RAG 百万级文档 | 双大厂背景，RAG 完整链路 + 量化数据 |
共性（录用画像）：
- 一线 / 知名公司背书——京东、阿里、科大讯飞、好未来等，工程化环境成熟。
- 可验证的 AI 项目量化成果——不是"做过"，而是有召回率 / 成功率 / 幻觉率 / QPS 等可追问口径的数字。
- 3/4 明确具备 AI 编程工具使用经验——Vibe-Coding 维度达标。
- 稳定性——单段在职较长（泰康 5 年、京东 6.5 年），无高风险短跳。
对候选人的启示¶
- 若你处于 偏科型（Agent 强但不会 AI 编程工具，或反之）：补齐短板是性价比最高的事——这正是本站教程区按双维度组织的原因。
- 若你处于 实战型：把 Vibe-Coding 从"会用"做到"懂原理 + 有量化 + 有工作流"（见 深度标杆），即可跃迁全能型。
- 量化数据要经得起「口径 / 基准 / 归因」三连问——这是真实性试金石。
数据来源：《面试总结报告》§3.2、§7.1。候选人姓名均为脱敏化名。