秋招进入高峰，今年有个新变化，很多人还没注意到：企业开始在笔试和面试里，考你「会不会用 AI」。
先说几个已经落地的事实。阿里的集中笔试今年新增了 AI Coding 环节，招聘官方号还专门发了攻略，直接回答「AI Coding 到底考什么」「AI 响应慢、代码改乱怎么办」「用例没跑通还有没有机会」这类问题。而且这不是阿里一家的动作：按考生们的复盘，今年春招蚂蚁率先在笔试里加了 AI Coding，美团跟进，到秋招，京东、拼多多、得物的不少岗位笔试也新增了这类环节。一位八月密集投递的候选人说，他拿到的三场面试，不管初创公司还是转型中的传统大厂，都有 AI Coding 环节：一面技术面过了，布置一道限时 24 到 48 小时的作业，让你用 AI 做东西出来；二面拿着你的交付物追问——怎么实现的、跟 AI 怎么交互、怎么保证生成质量、技术选型为什么这么定。有的公司连做作业用的 token 都给报销。小红书小红书知乎
海外的变化更早。Meta 从去年十月起试点两轮制：保留一轮不许用 AI 的传统编程面，另加一轮可以随意调用 AI 助手，官方理由是更接近真实开发环境，也让靠大模型作弊变得没那么有效。Canva 从去年六月起直接要求工程候选人在面试里使用 AI，理由是自己约一半工程师日常已经在用 AI 编码工具。连做 Claude 的 Anthropic 都是分段规则：申请材料可以用 AI 润色，笔试和现场面试默认不许用。所以各家的规矩完全不一样，考前先看通知，别凭想象准备。知乎
为什么企业开始集体考这个？因为现在几乎人人都在用 AI，「会用」已经不构成信号，「会用对」才是。
Canva 面试官的口径说得最直白：「AI 建议的」不能成为任何技术决定的理由，每个决定都要候选人自己给出说法。知乎上有个高赞回答，把这类面试的评分表总结成三行：有没有在某个点上不信 AI 的输出；不信之后做了什么验证；验证完敢不敢自己拍板。成品做得漂不漂亮，反而排在最后。知乎
这种考法有实验背书。2023 年 BCG 和哈佛商学院拿 758 名顾问做的实验里，用 GPT-4 之后，原本成绩在下半区的人提升了 43%，上半区的人只提升 17%——AI 把执行层的差距压得很平，只看「用 AI 做出来的东西」，分不出强弱。所以面试得考别的：判断力。实验还有个下半场，研究者故意设计了一道 AI 会答错的题，不用 AI 的顾问 84% 做对，用了 AI 的掉到 60% 至 70%，研究者管这个叫「在方向盘上睡着了」。知乎
还有个今年的新实验，建议准备面试的人贴在桌上。今年 7 月 METR 让 16 位资深开发者做 246 个真实任务，逐个任务随机分配许用或禁用 AI。开工前大家预计 AI 能让自己快 24% 左右，做完后自己感觉快了 20%，秒表实测：慢了 19%。人对「AI 提效」的感觉，方向和幅度都可能错。放到面试场景里就是：当你说「我用 AI 之后效率提升了三成」，面试官的下一个问题很可能是——这个数怎么量的、基线是什么、谁记的账。答得出，是加分项；只会说「大家都觉得快了」，这句话反而暴露你不懂验证。顺带交代一句：METR 这家机构的资金来源最近有争议，有人质疑它的独立性。这个实验的设计（随机对照、逐任务分配）目前仍被行业广泛引用，但你引用数字时最好带上出处和年份，这本身也是「会验证」的表现。知乎知乎
那怎么准备？三件事。
第一，把两三段真实的 AI 协作经历翻出来，按新的线索重讲一遍。不用是大项目，实习、课程作业、自己搓的小工具都算。每段经历讲清楚：任务是什么、你和 AI 怎么分工、AI 在哪里出过错、你怎么发现的、怎么验证的、最后结果用什么衡量。重点是中间那段——AI 出错而你抓住了的部分。招聘圈的人说得直接：企业想看的是你能不能把一个「会跑偏、会偷懒、会忘上下文、会搞乱项目的 agent」放进真实流程里稳定推进。反过来说，如果你从没抓到过 AI 的错，多半说明还没用 AI 干过真活。小红书
第二，用 AI 自己练被追问。给你一段可以直接复制的练习指令，方括号里的内容换成你自己的：
「你现在是[目标公司]的技术面试官，我是秋招候选人。我的简历里写了[某段项目或实习经历]，其中用到了 AI 工具。请针对我使用 AI 的过程进行追问：我如何拆解任务、把什么工作交给了 AI、AI 的输出在哪里出过问题、我如何发现并验证、结果如何衡量。你每次只问一个问题，等我回答后再追问；如果我的回答含糊，请继续追问细节。现在开始第一个问题。」
练上三五轮，自己哪里心虚就知道了。
马上要考笔试的，再给你一条考生验证过的战术。约到九月中旬阿里场的一位考生是这么做的：别急着让 AI 写全套代码，先让它把考题的 README 翻译成任务清单和验收标准，确认理解一致，再按模块推进。闷头就让 AI 开写的，不少人考完在社交平台上哀叹「AI 怎么那么笨、一直调不出来」——问题往往不在 AI 笨，在于没人管节奏。小红书小红书
第三，准备 Vibe Coding 作品的，别堆 demo。小红书上有博主受官方邀请做秋招辅导，跟多位面试官聊完总结的观点是：靠一个简单 demo 已经打动不了面试官，宁可找一个小场景做完整。从真实需求出发，不只追求画面酷炫，完整走一遍落地流程，找真实用户测试迭代，最后作品可分享——完整度比数量值钱。小红书
然后是两条红线。
一，限时的带回家作业别整包甩给 AI 代写。二面就是为这个设计的：交付物里的每个决定，你都得能自己讲出理由。在二面被一句「这里你是怎么想的」问住，比作业做得糙伤害大得多。
二，线上面试别碰「实时 AI 辅助」类工具。这已经是一门有风投的生意：有家叫 Cluely 的公司专门做面试实时隐形辅助，创始人因此被哥伦比亚大学停学，转头拿了 a16z 领投的 1500 万美元。但注意一个细节，Meta 保留那轮线下禁 AI 面试，正是因为远程「禁用 AI」早已形同虚设——正经公司对关键岗位会安排线下环节，小聪明在那里没用，而被抓到一次，赔进去的是整个诚信记录。知乎
再给你们提个醒：不是每个考 AI 的面试官都懂 AI。有位前端博主九月面了七八家「AI 前端」岗位，遇到分不清 SSE 和 WebSocket 适用场景的面试官、把「懂 AI」理解成会训模型的 HR，他的总结是：今年的 AI 前端招聘，一半在做事，一半在蹭概念。遇到这类，面试结果不用太往心里去，你甚至可以反问「团队的 AI 功能模型侧谁接、流式输出怎么处理」，来判断这个团队认不认真。甚至有文章把另一种猫鼠游戏总结成「用魔法打败魔法」：有候选人反过来用 AI 应付偷懒的面试官。这种事短期不会消失，但认真做事的公司，靠追问就能把真人筛出来。知乎36氪
最后说下非技术岗的同学，别觉得这事离你远。这波变化先落在研发岗，但产品和运营的笔试、作业题允许甚至要求用 AI 的迹象也在变多。逻辑是一样的：公司想看的从来是你知道 AI 给的东西哪些能信、哪些不能信、你为此做了什么。
我的判断是这样：AI 把「会不会做」拉平了，剩下的是「有没有判断」。面试开始考后者，其实工作本来就一直只考后者。
