面试准备的核心不是背AI名词,而是讲清一个真实项目:你原来做什么、用AI改了什么工作方式、回到原场景会怎么做更好。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
用一个真实项目串起你的叙事
材料里的观点招聘方想找的不是空谈趋势或只会做demo的人,而是已经把AI融入具体工作、并能把这种变化带回真实业务的人。准备时可以按这条线索组织:原来在什么场景工作、积累了哪些领域经验;后来通过一个AI项目学会了什么新的工作方式;如果回到原来的业务,会怎么用新方法把事做得更好。这条叙事适用于所有岗位,不只是设计师。面试官真正被打动的,往往不是“我会用AI”,而是你对真实业务和用户体验的追求1,2。
准备时练“看机制”而不是“记名词”
材料里的观点面试现场常会给一份很小的AI工作流材料——一份CLAUDE.md、一个agents.md或一段真实迭代记录——让你看几分钟后回答:最关键的设计是什么、它解决的是哪个底层问题、迁移到你的项目会先改哪三件事、有什么风险、AI反复犯同一个错时怎么约束它。复述名词的人和看到动作的人差异很明显:前者在识别概念,后者在理解机制。准备时可以用自己项目里的真实记录做同样练习,检验自己能否从“这东西叫什么”迅速进入“它怎么改变我的行为”3。
面试形式在变,准备重点也要跟着变
越来越多公司轻简历、轻面试,更看重实战合作:前一两面差不多就让你onsite或远程一起工作,甚至周末合作两天看你能不能用AI解决真实问题。前沿实验室和有前景的创业公司也更多用试工、带回家的题,或给你一小时和一个故意埋了bug的代码库看你怎么调试。刷题和做项目越来越说明不了什么,比的是你懂不懂原理、会不会用AI解决问题。所以准备时,与其多刷一道题,不如把AI用在一个你真正关心的真实任务上,练到能说清为什么这么做、有什么利弊4,5。
关于面试形式变化的那部分来自多人视频,说话人未逐段确认,具体公司做法以原视频为准。
出处
- 12026,如何在面试中证明自己"真的懂AI"
给出面试核心叙事的三段结构,适合先读来确定整体准备方向。
- 2AI时代的面试,三件事让公司对我求贤若渴?
可回到原文核对这部分判断
- 3正确的学习方法比大家想象中稀缺很多,那我们如何筛选人才?
讲面试现场如何考察悟性,附具体提问清单,适合用来做自我演练。
- 4简历都被 AI 改得越来越像,招聘为什么反而更失灵?|Jobright联合创始人Ethan
说明轻简历、重实战合作的招聘变化,适合核对面试形式判断。
- 5AI替你做出来以后,你还会什么?|哥大客座课程回放
解释允许用AI的面试怎么准备、为什么刷题越来越不够。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 高内聚低耦合的架构原则对于AI来说make sense吗?
部分成立:AI 让“耦合”从代码模块之间转移到了 context 与工具之间,内聚的对象变成了喂给 AI 的那份上下文。
- 换工作的时候,长期来看,考虑的优先级应该是什么
长期看,优先级是行业与增长空间、公司平台和业务、直属老板,最后才是薪资;薪资差距超过三成时才需要单独权衡。
- 我想学 LLM,但不知道如何开始,你可以给我建议吗?
学 LLM 最有效的起点不是先啃完理论,而是选一个真实小任务,边做边补概念,让卡住的地方告诉你该学什么。
- 什么场景/团队/项目用MCP/Skills什么时候不用
MCP 和 Skills 不是按场景二选一,而是先看结果、再看它是否真省 context:官方 MCP/CLI 简单但结果杂乱、几轮就撑满窗口时,才值得自己做成 Skill。
- 如何用 AI 辅助 产品设计
用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。
- 什么是创意?创意也是对现有元素的组合排列吗?是的话,在这种情况下,怎么判断一个点子是否是真正创新的创意?最后如何获得创意?
创意可以看成对现有元素的重新组合,但判断它是否真创新,要看它是否解决了一个此前没被满足的真实需求;获得创意的路径是靠近真实问题、快速交给现实修正,而不是坐在房间里凭空想点子。