# Phỏng vấn kỹ sư giờ chấm cách bạn nghi ngờ code của AI

> Anthropic, Meta và một số vòng FDE của OpenAI đã cho mang AI vào bài thi tuyển. Điểm số giờ nằm nhiều ở việc bạn làm ngay sau khi dán gợi ý của máy vào editor.

Bản gốc: https://fdetimes.net/vi/phan-tich/vong-phong-van-fde-hoi-ban-kiem-chung-code-do-agent-viet-nhu-the-nao/

Tristan Hume viết trên blog kỹ thuật của Anthropic rằng mỗi mẫu Claude mới ra lại buộc công ty thiết kế lại bài thi tuyển kỹ sư.

Lý do là mô hình làm bài ngang với những ứng viên giỏi nhất. Dù vậy, Anthropic không cấm AI. Bài take-home về performance engineering ghi rõ ứng viên được dùng công cụ AI, giống như khi đi làm.

Chuyện này không chỉ xảy ra ở một phòng lab. Meta và Google cũng có những vòng coding cho dùng AI. Theo một hướng dẫn phỏng vấn, một số vòng tuyển Forward Deployed Engineer ở OpenAI cũng vậy. Ở những vòng này, trọng tâm chấm điểm đang dịch từ khả năng viết code sang khả năng phán xét code.

Bằng chứng từ Anthropic và Meta nói về tuyển kỹ sư chung, không riêng FDE. Nhưng với người làm hoặc muốn làm FDE, chuyện này còn sát sườn hơn, vì công việc của họ là đưa code vào hệ thống thật của khách hàng và chạy trên dữ liệu thật.

Ở đó, một đoạn code do agent viết trông đúng mà thực ra sai sẽ gây hậu quả thật, chứ không chỉ làm bạn mất điểm phỏng vấn.

## Khi máy viết được, người phỏng vấn còn chấm gì?

Một bài phân tích trên techinterview.org giải thích vì sao các công ty đổi cách chấm. Người phỏng vấn đã dời ngưỡng sang việc duy nhất mô hình không làm thay bạn được: quyết định xem output của nó có tốt hay không.

Một diễn giả của Meta, trong bài đăng trên LeadDev, gọi vòng phỏng vấn mới của công ty là bài coding "AI-native", đo khả năng thích nghi chứ không đo trí nhớ. Theo người này, kỹ năng được kiểm tra đã chuyển từ chỗ biết framework sang chỗ bắt được các lỗi ảo giác (hallucination) của AI.

Vì thế, biết nhiều không còn là lợi thế lớn nhất. Lợi thế nằm ở chỗ bạn nhận ra lúc nào thứ mình đang nhìn là sai, kể cả khi nó trông rất thuyết phục.

## Hành vi được chấm đơn giản hơn bạn nghĩ

Theo techinterview.org, Meta gọi hành vi này là "critical verification" (kiểm chứng phản biện). Cách quan sát nó rất đơn giản: bạn có đọc code do AI sinh ra trước khi chạy hay không.

Khi bàn về các vòng coding có AI của Meta và Google, cùng trang này cho rằng kiểm chứng chiếm phần lớn điểm số. Ngay khi bạn dán một gợi ý của AI vào editor, người phỏng vấn sẽ theo dõi xem bạn làm gì tiếp theo.

Bài viết mô tả những ứng viên làm tốt là những người coi AI như một thực tập sinh nhanh nhẹn, tự tin nhưng đôi khi sai. Bắt được lỗi của nó ngay trong buổi phỏng vấn được tính là tín hiệu tốt. Tín hiệu cấp senior mà các vòng này muốn tìm là ứng viên nghi ngờ nhiều hơn đúng vào lúc đáp án trông có vẻ ổn.

**Điểm mấu chốt:** Khi máy viết code nhanh hơn bạn, giá trị của bạn nằm ở việc nhận ra lúc nó sai.

Mỗi công ty mô tả theo một kiểu, nhưng đặt các vòng thi cạnh nhau sẽ thấy chúng cùng chấm một kỹ năng, chỉ khác góc nhìn:

| Vòng phỏng vấn | Có được dùng AI? | Thứ được chấm | Người chấm quan sát gì |
|---|---|---|---|
| Take-home performance engineering của Anthropic | Có, ghi rõ trong đề, giống khi đi làm | Ngoài code nộp, còn chấm cả cách bạn quyết định đầu tư vào công cụ | Bạn dồn công vào công cụ nào và vì sao |
| Coding "AI-native" của Meta (theo LeadDev) và các vòng có AI của Meta, Google (theo techinterview.org) | Có | Khả năng thích nghi, bắt lỗi ảo giác; kiểm chứng chiếm phần lớn điểm | Bạn có đọc code trước khi chạy không, làm gì sau khi dán gợi ý, có nghi ngờ khi đáp án trông đẹp không |
| Vòng FDE của OpenAI (theo hướng dẫn của Aced) | Một số vòng có, kể cả Codex | Lập luận và kiểm chứng code viết cùng AI | Chia sẻ màn hình, nói to suy luận, giải thích chi phí thời gian và bộ nhớ |

## Vòng FDE của OpenAI muốn nghe bạn nói ra chi phí

Một hướng dẫn phỏng vấn FDE của OpenAI trên Aced (trước đây là Exponent) cho biết một số vòng coding cho phép dùng AI. Thứ được đánh giá là bạn có lập luận và kiểm chứng được đoạn code mình viết cùng AI hay không.

Ở các vòng screen có Codex, ứng viên chia sẻ màn hình, nói to suy luận và giải thích chi phí thời gian, bộ nhớ của mọi thứ công cụ viết ra.

Để thấy yêu cầu này cụ thể ra sao, hãy thử hình dung một bài tập. Một khách hàng logistics đưa bạn file đơn hàng 2 triệu dòng và nhờ gộp các bản ghi khách trùng nhau theo email. Agent viết ngay một hàm dùng hai vòng for lồng nhau để so sánh từng cặp. Bạn chạy thử trên 10 dòng mẫu và kết quả đúng hoàn toàn.

Một ứng viên chỉ biết bấm chạy sẽ dừng ở đây. Ứng viên biết phán xét sẽ đọc code và nói ra hai vấn đề.

Vấn đề đầu tiên là so sánh từng cặp trên 2 triệu dòng tốn khoảng hai nghìn tỷ phép so sánh. Độ phức tạp O(n²) khiến hàm không chạy xong trong thời gian chấp nhận được.

Vấn đề thứ hai là so sánh email có phân biệt hoa thường, nên "An@x.com" và "an@x.com" bị coi là hai khách khác nhau.

Cách sửa không khó. Bạn chuẩn hoá email bằng cách bỏ khoảng trắng và đưa về chữ thường, rồi gom bản ghi bằng một bảng băm (hash map). Thời gian giảm về O(n), đổi lại bộ nhớ cũng là O(n) vì bạn phải giữ mọi khoá trong bộ nhớ.

Đó chính là phần "giải thích chi phí" mà hướng dẫn kia mô tả. Ví dụ giả định này còn cho thấy một điều: 10 dòng mẫu thường sạch, còn dữ liệu của khách hàng thì hiếm khi như vậy, nên test xanh trên mẫu chưa chứng minh được gì.

## Anthropic chấm cả cách bạn chọn công cụ

Theo bài viết của Hume, Anthropic coi cách ứng viên quyết định đầu tư vào công cụ là một phần của tín hiệu tuyển dụng. Bạn có dừng lại viết một script đo hiệu năng hay một bộ test nhỏ trước khi để agent tối ưu không, hay để nó sửa mò rồi hy vọng kết quả khá hơn?

FDE gặp đúng câu hỏi này trong tuần đầu ở chỗ khách hàng. Thời gian có hạn, và bạn phải chọn giữa làm thủ công ngay hay dựng một công cụ để kiểm chứng nhanh hơn cho cả tháng sau. Xét ở góc này, bài take-home của Anthropic gần với công việc thật hơn nhiều so với một bài LeetCode.

Việc bài thi phải đổi theo từng mẫu mới cũng là một gợi ý: kỹ năng nào máy làm được thì nhiều khả năng sẽ rời khỏi danh sách chấm điểm. Đầu tư vào khả năng phân định đúng sai là lựa chọn an toàn hơn học thuộc thêm một framework.

## Luyện thế nào trước vòng phỏng vấn tiếp theo?

Cách luyện hiệu quả nhất là luyện đúng cái người phỏng vấn quan sát.

Mỗi khi agent sinh ra một đoạn code, hãy đi qua năm bước trước khi tin nó: đọc từng dòng trước khi chạy, nói to đoạn code định làm gì, chủ động tìm input làm nó sai, nêu chi phí thời gian và bộ nhớ, rồi quyết định giữ, sửa hay bỏ dựa trên bằng chứng từ test hoặc phép đo.

Chưa đi hết bốn bước đầu thì chưa nên bấm chạy. Bước thứ năm là lúc bạn cho người phỏng vấn thấy quyết định của mình dựa vào đâu.

Khi đọc mô tả công việc hoặc tài liệu chuẩn bị phỏng vấn FDE, hãy để ý những cụm như vòng coding có AI, được dùng Copilot hay Codex, hoặc chia sẻ màn hình và giải thích suy luận. Đó là dấu hiệu công ty sẽ chấm kỹ năng phán xét, và lúc đó bạn nên dành thời gian luyện vừa code vừa nói to nhiều hơn luyện giải đề.

Trong CV, câu "dùng AI để tăng năng suất" gần như không cho nhà tuyển dụng biết điều gì. Câu có giá trị hơn kể một lần cụ thể: agent sinh ra code gì, bạn phát hiện lỗi gì trước khi đưa lên production, và bạn kiểm chứng bằng test hay phép đo nào.

Các vòng phỏng vấn mới không tìm người tin AI, cũng không tìm người bài xích nó. Họ tìm người biết nghi ngờ đúng lúc code của agent trông hoàn hảo nhất, và ở chỗ khách hàng, đó cũng là lúc bạn có giá trị nhất.

**Thử ngay tuần này:**

- Giải một bài coding bằng agent và ghi màn hình. Sau đó xem lại xem bạn có đọc code trước khi bấm chạy không, và đã nói ra chi phí thời gian, bộ nhớ chưa.
- Nhờ agent viết một hàm xử lý dữ liệu khách hàng. Trước khi chạy test, tự tìm ít nhất một lỗi ở edge case và một vấn đề về độ phức tạp.
- Viết lại một gạch đầu dòng trong CV theo kiểu: code nào do agent sinh ra, bạn bắt được lỗi gì, và đã kiểm chứng bằng cách nào.

## Nguồn

- [Designing AI-resistant technical evaluations (Anthropic Engineering, Tristan Hume)](https://www.anthropic.com/engineering/AI-resistant-technical-evaluations)

- [AI killed the coding interviews. Here's what Meta built instead (LeadDev)](https://leaddev.com/hiring/ai-killed-the-coding-interviews-heres-what-meta-built-instead)

- [What interviewers grade when they hand you Copilot (techinterview.org)](https://www.techinterview.org/post/3233476832/what-interviewers-grade-when-you-can-use-copilot/)

- [What Meta and Google's AI-enabled coding rounds actually test (techinterview.org)](https://www.techinterview.org/post/3233477234/meta-google-ai-enabled-coding-interview/)

- [OpenAI Forward Deployed Engineer (FDE) Interview Guide | Sample Questions (2026) - Aced (formerly Exponent)](https://www.aced.io/guides/openai-forward-deployed-engineer-interview)