从 Cluely 融资看“AI 协同开发”认证：软件考试应该怎么升级？

AI 工具大爆发，软件考试却还停在“纯手写”时代？

2025 年 6 月，一个标语写着 “Cheat on Everything”（对，意思就是“什么都能开挂”）的 AI 初创公司——Cluely，正式宣布获得由 a16z 领投的 1 500 万美元 A 轮融资，估值超过 1.2 亿美元。

这家公司做的事情很简单：通过屏幕监听和耳机传输，在你参加技术面试或考试时，实时将“正确答案”悄悄喂给你，让你“静音开挂”。媒体称它为“AI 面试外挂中的 OpenAI”，而创始人 Roy Lee 原本是哥伦比亚大学计算机系的学生——因打造 Cluely 被校方处分后反而爆火。

乍看之下，这是“作弊的胜利”，但它真正反映出的，是一个更深层的问题：

当前的软件考试制度，正逐渐与现实开发脱节——而 AI 的普及，正在把这个裂痕撕得更大。

一方面，GitHub Copilot 的官方实验显示，使用 AI 编码助手的开发者完成同等任务速度提升高达 55.8%； 另一方面，Stack Overflow 的最新调查显示，76% 的开发者已在使用或打算使用 AI 编码工具，AI 编程早已从边缘走向主流。

但讽刺的是：在这些 AI 工具成为工作中“标配”的同时，我们的软件认证考试、招聘面试、能力测评……仍然要求“全程禁用 AI 工具”，甚至模拟封闭环境，禁止联网。

这就导致一个现实落差：

• 企业实际在用的是“AI 辅助开发力”；

• 考试却仍在比谁能手动拼字符串、背 API 或从零造轮子。

这不仅效率低，更不公平。 而 Cluely 的崛起，正是这种“压抑真实能力 + 防不胜防”机制下的必然产物。

趋势已定：不会用 AI 的工程师，正在被生产力曲线边缘化

AI 在开发流程中的定位，已经从“可选插件”变成了“效率引擎”。

1. Copilot 实测：写同样功能，快 55%

GitHub 发布的一组实验数据指出，开发者在执行同一任务时（如用 TypeScript 编写 HTTP 服务），启用了 Copilot 的那一组平均提速 **55.8%**。在具体细节上，AI 编码助手不仅提升了敲代码的速度，还自动补齐了一些边界检查、容错逻辑、语义注释，甚至包括测试样例的初步生成。

也就是说，AI 正在接手人类开发中大量重复性、模板化、规则明确的那部分工作。

2. Stack Overflow 调研：76% 开发者正走向“协同模式”

2024 年度 Stack Overflow 报告指出，已有 44.7% 的开发者在日常工作中使用 AI 工具，另有 31.5% 表示“计划一年内开始尝试”。如果按这个速度来看，AI 编码助手的渗透率将在 1–2 年内超过传统 IDE 插件的使用量。

这意味着一个现实：

“不会使用 AI 辅助编程工具”的工程师，正在被主流生产节奏边缘化。

3. 从“工具”到“战术”的角色跃迁

AI 的能力已经不止是写几行代码，它更像是一个代码助手 + 逻辑规划器 + 测试补全员的集合体。工程师需要具备的不仅是“调用”它的能力，更是“指挥 + 控制 + 校正”它的策略：

• 你能否把一个含糊需求，翻译成 AI 能懂的 Prompt？

• 当 Copilot 写错逻辑时，你能否在第一时间识别错误的根因？

• 你是否有意识将多个 AI 工具（如 ChatGPT + Tabnine + 自研 LLM）组合协同？

这些能力本质上不再是写代码的手速竞争，而是人机协同的策略竞争。

升级路径：软件认证考试如何拥抱 AI 而不失公平性？

如果说 Cluely 的崛起击中了“防 AI 考试机制”的破绽，那解决之道绝不应是更严密的监控或技术封堵，而是彻底转向一套更合理的体系——承认 AI 存在，并把“人+AI”的协同能力纳入考试范围，成为正式评分标准。

这就意味着，软件考试的设计要从“闭卷手写”模式，转向“人机协同评估”模式，不仅允许使用 AI 工具，还要明确考察以下三种能力：

1. Prompt 构造能力

考察内容：

• 能否将业务需求有效拆解成适用于 LLM（如 ChatGPT、Claude）的指令？

• 是否能根据模型输出及时优化提示词，避免逻辑偏差或上下文丢失？

• 是否会控制输出格式，要求代码/测试/文档结构完整？

评分方式：

• 自动记录 Prompt 日志，评估其准确性与迭代效率；

• 对比生成结果的质量、可运行性与可读性；

• 按“有效交互次数 / 总交互次数”设 Prompt 利用率。

2. AI 使用策略与模型协同

考察内容：

• 是否能合理选用不同模型解决特定子任务？（如 Claude for 文档，Copilot for实现）

• 是否具备 fallback 策略（当某模型输出无效时，是否尝试切换方案而非盲重试）？

• 是否能控制 AI 输出“只提建议、不乱改已有代码”？

评分方式：

• 统计模型调用分布（如是否滥用一个模型而忽视更适合的工具）；

• 查看是否存在“AI 输出完全未校验直接提交”的风险路径；

• 检查是否有 Prompt chaining 与提示词分层结构。

3. 人类收束与最终交付质量

考察内容：

• 最终代码是否能成功运行？

• 测试覆盖率是否达标？是否包含必要的边界条件？

• 结构是否清晰、模块是否可扩展？

• 文档是否准确描述了功能、部署与风险点？

评分方式：

• CI/CD 自动化管道测试 + 静态代码扫描；

• Linter & Test Report 自动评分；

• 生成项目“协同报告” + 模块责任归因图。

一个协同开发认证（AI-Enhanced Coding Certification）样例流程如下：

阶段	时长	允许使用	评分维度
模糊需求理解 + 拆解	30 分钟	ChatGPT / Gemini / Claude	架构设计、接口定义、模块拆分
Prompt 驱动开发	60 分钟	任意 AI	Prompt 准确性、AI 输出采纳效率
调试 + 优化	30 分钟	任意 AI	错误修复时间、重构策略
部署与文档撰写	30 分钟	任意 AI	可运行性、可维护性、说明完整度

• AI 工具不限（Cluely、Copilot、Notion AI、Custom Plugin 均可）

• 全过程记录协作轨迹与行为序列（Prompt → AI 输出 → 人类修改 → Commit）

• 最终交付 = 项目代码 + CI 通过报告 + 协同评分报告

商业机会：人-AI 协同认证背后的双重红利

技术标准的升级，往往意味着新平台、新工具与新商业入口的诞生。AI 协同开发考试不仅是一次教育或测评机制的升级，更是一次开发者生态重构 + 招聘闭环改造 + 新工具市场启发的合力事件。

1. 对企业：从人岗匹配 → 实战交付力匹配

当前大多数企业招聘仍依赖笔试题、算法题、简历筛选、面试问答，而这些信息并不能真实反映一个人“在团队中如何使用 AI 工具完成交付”的能力。而一套真实开发场景下的协同认证系统，可以带来：

• 更准确的人岗匹配：候选人能否合理调用 AI、Prompt 写得是否清晰、是否能快速修 Bug，这些直接影响投产后交付节奏。

• 降低试用期不匹配成本：无需等 2 个月试用观察，只需一次真实“AI 全开”的开发任务，能力立现。

• 内部能力盘点标准化：企业也可将此模型引入内部评估，如 DevRel、Team Tech Ladder 构建。

💡 Gitpod、Replit 等 Dev Environment 平台，已经在测试内嵌协同日志与“AI 分工标签”的机制。

2. 对招聘平台和认证方：构建“AI 协同评分标准” = 新基础设施

正如 TOEFL、GRE 等考试定义了语言能力的标准化评估，未来人-AI 协同考试也可能成为：

• AI 原生开发者的全球职业准入门槛

• 面向远程协作、开源社区、AI 代理协同项目的候选人筛选标准

• AI SaaS 工具服务商用于“评估使用价值”的数据源

构想一个未来场景：

每位开发者都有一个“AI 协同开发画像”：模型使用谱系、平均 Prompt 精度、Debug 成功率、团队贡献分布……

这不仅能服务 HR 招聘，也能服务项目资源调度、开源治理、分包报价，甚至是 AI 工具自身的推荐算法优化。

3. 可扩展的产业链机会图谱

环节	机会场景	创业 / 商业模式
考场平台	Dev 容器 + 日志采集 + 模型沙箱	SaaS / 开源框架 / 内训平台
Prompt 评分器	自动提取 Prompt → AI 输出 → 人类反馈路径	插件 / CLI 工具 / 评分引擎
协同行为分析	Prompt-Commit 行为数据分析、迭代路径建模	数据产品 / API-as-a-Service
认证发行方	AI 协同开发者职业认证 / 高校联合标准	联盟共建 / 招聘平台直通车

总结一句话：

谁能定义“什么样的人会用 AI”，谁就能构建新一代开发者生态的准入标准与基础设施。

而现在，这场定义权争夺才刚刚开始。

不再比“能不能写代码”，而是比“如何指挥 AI 写对的代码”

AI 正在重塑软件开发的逻辑起点。不是因为它会写代码，而是因为它写得越来越像一个团队成员——从建议函数、自动测试、逻辑优化，到文档补全、版本控制、性能分析，它正在接手越来越多“标准化思维”。

如果我们还在用旧的考试体系比拼“你能不能独立从零敲出一个完整模块”，就像在当下的工程师战场上，比谁用得最少 IDE 插件、谁从不复制 Stack Overflow 答案、谁硬背最多 API 文档。

这样的技能维度，早已与实际的生产力曲线背离。

真正代表未来价值的，是：

• 你能不能构造出一个高质量 Prompt，引导 AI 写出正确、结构清晰、可测可维护的代码；

• 你能不能识别 AI 输出的 Bug、风险逻辑和上下文偏差，并进行修正；

• 你能不能搭建出一个让人类与 AI 协作高效、日志清晰、责任明确的交付过程。

也正因如此，我们主张将软件考试全面升级为 “AI 协同开发认证模型 3.0”： 允许所有工具，开放所有接口，评估的不是“你能不能不用 AI”，而是你用 AI 的方式是否比别人更高效、更专业、更有判断力。

评论互动（Call to Action）

如果明天你要参加一次“允许使用任意 AI 工具”的软件开发考试， 你最想带哪一款工具进场？ChatGPT？Copilot？Cluely？Claude？Notion AI？还是你私藏的 LLM Prompt 模板？

📩 欢迎在评论区告诉我： 你如何看待未来考试中“AI 合法化”的趋势？ 它真的会让“程序员退化”吗？还是反而会倒逼我们进化？