AI 赋能软件工程效率革新:从知识图谱到智能评测
创业邦专访极客神灯团队:以科学工程方法论解决企业技术数字化难题
创业邦专访 GeekCode 创始团队,探讨如何将语义级代码智能提示、自动化测试数据生成与领域知识图谱引入企业研发全流程,显著降低企业技术落地门槛。

作者:丁健
发布时间:2024-01
阅读时间:约 8 分钟
字数:2500 字
引言
能否用一些科学方法论解决程序员招聘难题?
"创业对于我来说就跟吃饭和呼吸一样,是生活的一部分。创业不仅可以带给我很多不同的挑战与新鲜感,还可以凭自己努力决定业务方向,也许才更适合我自己。"极客神灯创始人王泰说道。
创业背景
2007年,王泰刚刚毕业就加入了人人网,负责主站后台服务研发。在人人网工作5年后,2012年,王泰开始了自己的创业之旅,先后担任过斗图神器CTO、Kika输入法技术总监。
在不断创业的过程中,随着从技术开发人员到领导者的身份转变,王泰对工作中的程序员招聘感到十分困扰。简单的面试很难直接感受到求职者的技术水平如何,因此在公司确定一个程序员岗位的招聘时,其复杂程度远超同类岗位。这引发了王泰的思考:能否用一些科学方法论解决程序员招聘难题?
极客神灯的诞生
2020年9月,极客神灯正式注册成立,希望通过构建程序员知识图谱来帮助企业高效进行人才面试筛选,简化面试流程,赋能科技、互联网企业。
"CEO最核心的工作是三个'找',即找人、找钱、找方向,但程序员的招聘在找人中格外复杂。" —— 王泰
程序员招聘的痛点
程序员是大众认知中的"高薪"工作,尽管自嘲为"码农",但面对高薪的诱惑下,这一赛道的求职者数量庞大,人员也更加复杂。科班出身、培训班出身以及自学成才的求职者往往会针对同一岗位展开竞争,求职者的技术能力差别之大,让用人单位找到更匹配岗位人才的难度大大增加,因此早期面试的内容主要针对求职者的技术能力展开。
主要挑战
- 人力、行政等非技术人员往往无法从专业角度对应聘者进行面试
- 对程序员技术能力的考察不仅仅是对编程结果的评估,更是对其工作过程中的逻辑进行评估
- 判断代码是否符合编译逻辑,避免"负负得正"的情况
- 传统面试必须要技术人员全程参与,大大提升了招聘成本
创新解决方案
极客神灯主要针对这些痛点,开发了针对程序员招聘的SaaS辅助产品。该产品具有以下特点:
- 采用自建题库的方式
- 面试官仅需输入岗位、期望要求与求职者简历
- 系统自动推荐符合岗位要求的考题
- 提供简单、一般、困难三个评级的考题
- 对答题者的编译过程进行记录并打分
技术创新
"程序员知识题库的构建与AI算法匹配题目、评分只是极客神灯技术能力的一部分,更加原创性的内容则体现在考核过程中的在线IDE和智能测试。" —— 王泰
在线IDE的优势
- 代码自动补全功能
- 根据程序员意图推荐代码指令
- 帮助面试者专注于编码逻辑而非拼写
- 提供语义级别的智能提示
智能测试技术
- 基于Pex等自动测试数据生成工具
- 参考微软亚洲研究院的Code Hunt和Pex4Fun经验
- 实现智能测试候选人的代码逻辑
- 未来目标是实现完全智能化的代码自动测评
未来展望
王泰表示:"目前极客神灯的产品已经在诸多互联网公司中得到应用。下阶段,公司将以人才招聘为突破口切入更深的程序员市场,为程序员们提供全新一代的代码评测平台,帮助企业建立精准的人才画像。"
更多权威媒体专访
查看全部 →GeekCode:AI驱动的软件工程新范式
36氪深度报道 GeekCode 获国宏嘉信资本投资,聚焦解决异构研发环境配置复杂、企业外包与协同研发成本高昂的行业痛点,以自研云原生 IDE 与 AI 工具链重构企业软件工程范式。
打通软件工程 Online 的最后一公里
GeekCode 创始人兼 CEO 王泰接受 InfoQ 与 TGO 鲲鹏会深度专访,系统拆解软件工程全链路线上化的核心技术壁垒,以及跨集群私有云部署与开源生态布局。
GeekCode:用 AI 重新定义软件开发与技术评估流程
聚焦 GeekCode 如何将领域知识图谱、NLP 智能解析与基于 Docker + Kubernetes 的云端 VS Code 环境深度融合,赋能头部互联网企业高效完成远程协同编程与工程交付。
想进一步了解报道中的企业 AI 产品与自研底座?
依托 Steerable、知构(DPKGS)、Aroli 与 IDEVault 四大自研核心产品,我们为企业提供私有化 AI 落地与行业定制。