這個題目是比較複雜的，它包含的東西比較多，認真討論估計能寫幾萬字。如果是專業研究，我看能寫一本書了。這裡打算根據自己的學習過程和工作經驗，談一下要點問題，均屬個人看法，歡迎討論。
寫這篇文章的初衷，跟前段時間跟朋友們聊招聘有關。因為技術招聘除了考察人的協作精神和工作態度，一大目標便是判斷人的技術能力和實際水平。在這件事情上多做觀察、思考是很有意義的。
對於考察人的技術等級，學界是有認真的研究的。參見：德雷福斯模型解說。
德雷福斯模型把人的技能水平，分成5級：新手、高階新手、勝任者、精通者、專家。
對不同技能等級的認定是這樣的：
新手：依靠指令清單，必須按部就班。就是必須給出詳細而具體的操作規則，才能工作。比如你做一道從未做過的菜，需要看菜譜的說明，第一步做什麼，第二步做什麼等等，直到最後烹飪結束。
高階新手：有限的情景洞察力，同等對待工作的各個方面。對全域性性、體系性的東西沒興趣。這是小工的水平。比如他能跟著師傅乾點活，打打下手。可以靠著反覆檢索搜尋引擎、StackOverflow解決具體的小問題。
勝任者：能夠獨立解決各種各樣的領域內問題。這是一般的企業招聘，比較希望招到的等級，招進來稍作適應就能幹活了，省心省力。
精通者：經驗豐富，可以自我糾正、自我改進。這類等級的人，思考可以指向內在，通過反省、反饋改善技能。這種在企業可以算上高手、大拿了，培養不易。
專家：依靠直覺工作，不需要解釋和理由。實際你讓他解釋，他可能也說不出個所以然，就是直覺給出答案，然後還是對的。專家人數稀少，需要很長時間訓練、實踐。通常的說法是10年出專家，10000小時定律。
這個是理論上的研究，實踐中比較缺乏操作性，難以迅速的判定應聘者的實際情況。不信你開啟收進來的大把簡歷，剛畢業的學生，每個技能名詞上面都是一堆堆的“精通” – 你相信麼？但它可以當成一個職業技能等級判定的參照標準。
於是乎，各家企業開啟了各種“筆試”、“機試”，多輪面試，並且嚴格要求學歷以及出身院校，試圖以此過濾掉不合意的應徵者，留下合格的人選。它當然是可行的，但是效果一般，而且容易出錯，錯失有思想有水平的人。不然也不會催生出各類“推薦式”的招聘。看重學歷、學校當然也有其優點：它是快速過濾的手段，畢竟能考上好學校的人智商不會太差吧。但在大數字公司的一朋友說，公司裡面還有初中畢業，一直精研安全領域的人，技術能力也是十分出色。如果嚴苛對待背景，這些人就會錯過了。因為人的生活多種多樣，有各種歷史的背景因素影響經歷。而部分人的經歷，就是跟一些人不同的，可是不妨礙他們同樣可以變得優秀。招聘，實際上是建立信任關係。如果有充足的資訊證明，應聘者足夠優秀，這就夠了。條條框框只是輔助手段，並不是目的。
任正非的洞察力一流
推薦式的招聘實際要靠譜的多，因為人很容易瞭解熟悉的人的水平。這是靠推薦者的信用背書。人平時溝通時說什麼話，日常看什麼書，關注哪些領域，琢磨過啥問題，哪些東西很熟，這個經常聊的熟人往往都知道。可是，這類招聘侷限性也很大：面窄、靠機緣。靠推薦能招幾個好手啊？好手往往是各家爭搶的物件，視窗期有限，基本不會缺工作的。
說了一圈，還是要在技能水準判定上有更高效率的辦法，招進合適的人來。
回到開頭的德雷福斯模型，既然人的技能是分級的，那麼對待不同的職位要求，也應該側重不同的考察角度。如果千篇一律的走招聘流程，就容易出問題了。比如你明明要找的是“精通者”，可上來就讓人一堆筆試、機試，這是不合適的。對方會十分的厭煩。體現高水平技術能力的並不在默寫什麼“字串演算法”那裡。這反倒是剛畢業的人佔便宜，因為才學過不久，印象深。不信你讓工作10年的人跟計算機專業應屆生比比寫排序演算法，真未必能贏。但是這並不重要 – 你幹活不看手冊不查文件嗎？聰明人從不死記硬背。重要的地方在於對問題域的準確、深刻的理解，對各類技術優劣點、各種條件平衡的評判和把握。
對待初階新人，應著重考察的是基本功是否紮實，專業成績是否優秀。更重要的，是他對職業的熱情，學習能力和研究精神。某類人要說起技術來，滔滔不絕，兩眼放光，充滿熱情，對未知的、新生的各類概念、技術非常好奇，這種人想差都難。因為他會自我驅動，不用督促，自己就鑽研前進。反之，覺得這個職業待遇高，只是想混飯吃的人，很少走得長遠。這類初階新人以畢業生、工作年限少者為多。測試考核，可以筆試檢視其對基礎概念的理解是否準確，知識領域的大致範圍。甚至，佈置一個有點挑戰性的小任務，讓他嘗試解決，說明思路。
考察勝任、精通者的策略不一樣。筆試做題沒啥用，原因前面說了。這類招聘是重頭戲，企業都喜歡找這樣的，能幹活。所以考核評估的地方也較多。我覺得可以分成幾個方面去看。意識是否先進，是否會反省思考；是否善於解決問題，富有創造性；是否有比較深的積累和廣闊的知識面。
業界的開發思想也是在不斷變化，工具鏈一直在革新。聰明的人不用蠻力，而愛用工具提升效率，喜歡自動化操作解放人力。要檢視人用什麼開發工具鏈，用什麼開發環境，解釋下為什麼？好的開發者會及時注意新出現的工具，挖掘它能解決什麼問題，並嘗試吸收，解決自己的需求。如果沒有這個思想意識，工作效率就會打折扣了。因為你會落後行業發展水平。人善於自我反省，則會催動自我糾正，這正是精通者的特徵。參考：優秀的開發者為什麼要學習研究新的程式語言？
解決問題的能力是重頭戲，也是企業招聘人的主因。人要善於解決實際問題，而且，要學會聰明的解決問題。解決問題要看思路，看手段，看是否有創造性，這是真正考驗人能力的地方。好的開發者，會考慮很多可能選項，預估各種優劣，給出一個較優的方案。 遇到難題，會用各種方法嘗試。經驗豐富的人，常常會使用技術的組合手段來處理難題，而不是一個語言一個工具到處用。所以，要檢視下過往的專案經歷遇到的問題、困難，是如何解決的，思路如何。一些公司據說不招聘不會用谷歌的工程師。谷歌打不開？嘿嘿，這就是你要克服的困難啊。這你都解決不了，還做什麼研發。谷歌是人類最全、最新知識的總索引，充分利用事半功倍。
考察知識的深度、廣度，對重要領域的概念是否有深刻的理解和掌握，以及從各類工作經驗中得到的認知。問問他看過什麼書，研究過什麼東西。說白了，知道的東西是否多。一些公司很喜歡用CheckList模式來考核，列一堆領域的知識點、概念，問人懂不懂，知道就是水平好，不懂就是水平差。實際情況並非如此。人的工作過程是獨立的，一些事情如果沒有工作機會去接觸並解決，那麼一些冷僻的問題就永遠都碰不上。當然也就不知道。但你能說沒做過就一定做不好麼？
另外，人的技能樹，其實也是“犬牙交錯、參差不齊”的。什麼意思？技術領域非常的廣闊，你真的沒辦法每個領域都很精通，實際上是這個做的多，懂的多，那個用的少，知道的少。這個時候，應看具體知識領域，是哪一類。它是否需要複雜的、難度較高的背景。門檻高的技術，需要的配套技能多得多，比如AI、機器學習。而一般產品應用領域則不然，瞭解核心概念、設計意圖，看著手冊、最佳實踐，也就能上手了。這個暫時不會，實際無關緊要的，工作一段學的認真點就會了。但是門檻高的領域，就需要很長時間的學習了。這是本質的差別。
我曾看見某公司放出的職員技能樹，包羅永珍，幾乎一切IT領域的知識技能都在裡面了，還聲稱要求“全部精通”。我不知道它如何定義的“精通”，如果按德雷福斯模型的定義，能做到的那是神，不是人類。這個純屬吹牛皮，我壓根就不信。如果真有這樣的人，出來讓我膜拜下。因為每個稍大點的領域，都足夠讓你鑽研一輩子，因為它們也在迅速發展呀。業內流傳“全棧工程師”的說法，鼓吹自己是全棧的人經常是前端工程師。而研究後端工作領域的技術高手經常鄙視這類人：真以為會點Node.js就能解決一堆後端的事務了麼？我也懂一些前端，也能號稱“全棧”，但在不同領域的專業性是什麼水準，自己明白的很。前端要解決的事情也有很多複雜性。全棧實際是反專業化的，是人力資源稀缺時候的低成本選擇。
更高一層，則是考察人本身了。人的視野夠廣闊麼？其它領域的知識有了解嗎？一些問題的解答並不在問題域本身，而是在外面的領域。所謂“功夫在詩外”。公司講求團隊協作，總要面臨不同的分工合作問題。比如產品、運營的人提需求，可以換位思考嗎？合作意識強麼？誰也不想招個刺頭進來吧？把團隊的氣氛和人際關係搞的一團糟，大家做事都不痛快、不順心，又如何安心做好工作？最終只能讓團隊工作效率下降，甚至瓦解。
要說專家，實際上有研究者認為是需要刻意練習+充分實踐才能功成。並不是每個人經過足夠的工作年限，都自動成為專家。有的人工作10年，可能後面9年都在重複第一年的工作任務，毫無改進。而職業上的訓練機會，又跟大環境乃至運氣息息相關，並不是每個人都有機緣的。但是把個人的職業技能做到勝任乃至精通，則是完全可行的，這隻需要認真和勤奮，工作態度問題。