上周面试字节，技术面到第三轮，面试官突然问了一个我完全没准备的问题："你日常开发用Claude Code还是Copilot？为什么选它？"我愣了两秒——不是考算法，不是考系统设计，考的是AI工具选择？但后来我意识到，这已经是2026年面试的标配题了。而且，微软刚刚做了一件让整个技术圈炸锅的事——内部大规模取消Claude Code许可，数千名开发者被要求6月30日前全部迁到GitHub Copilot CLI。微软为什么封杀Claude Code？原因荒诞又真实——因为它太好用了。微软去年12月把Claude Code开放给内部工程师做对比测试，结果半年下来，Claude ...

bg双非本 前一段时间oc了两个小厂,全都拒了,现在投中大厂暑期和日常,4月一个面试都没有,是我简历的问题嘛

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...