面试 AI 应用岗位,你必须准备好回答这三个问题

如果你正在准备面试一个要求 AI 应用能力的岗位，我建议你先认真想想以下三个问题。这不是我随便列的——这是我作为面试官反复使用、并且屡试不爽的三个问题。它们看起来简单，但大多数候选人在这三个问题上会迅速暴露真实水平。

很多人简历上写着「熟练应用 AI」「有 Agent 开发经验」，但仔细一聊，细节就兜不住了。与其在面试中被动暴露，不如提前用这三个问题做一次自我体检。

第一个问题：你在用什么 AI 工具？

面试官问这个问题，不是在做产品调研，而是在快速判断你的 AI 使用深度。

你说你用豆包，面试官心里画的是一条线；你说你用 Claude Code 或 Codex，画的是另一条线。用豆包大概率意味着你停留在问答层面——输入问题，拿到答案，用完即走。而用 Claude Code、用 Codex，则说明你已经进入了「用 AI 编程」或者「用 AI 做深度协作」的阶段。即便都是字节系产品，用豆包聊天和用 Coze 搭自动化流程，也是完全不同的水平线。

更关键的追问是：你用的是免费版还是付费版？付费到什么级别？比如 Claude Code，你是 Pro 还是 Max？Max 是 5 倍配额还是 20 倍配额？一般人不会在自己不真正依赖的东西上花钱。你的付费层级，就是你对 AI 依赖深度的诚实投票。

所以如果你准备面试，先想清楚：你日常真正在用的 AI 工具是什么？是浅尝辄止，还是已经深度嵌入工作流？你愿意为它花多少钱？这个问题回答不好，后面的问题也很难立住。

背后的逻辑是：工具选择本身就是一种能力信号。你选什么工具，就是在选择一种工作方式。孤立的 Chat 对话像单利——用完即止，没有积累；而在 Project 上下文中持续工作像复利——每次提问都在为下一次增值资产。工具的设计预设了一种工作方式，你使用它的过程，就是在被这种方式训练。

第二个问题：你每月 Token 花多少钱？

很多人第一次听到这个问题会发懵。但在面试 AI 应用岗位的场景下，Token 消耗量是 AI 使用深度最诚实的指标——没有之一。

如果你用 ChatGPT 做日常聊天，一天消耗几十万 Token，不会超过百万。如果你在用 Coding Agent 大量编程，日均消耗可能是几千万，做得深入的话上亿。如果你一天能消耗几亿 Token，那你在当前阶段就是 top builder 级别。还有一种大量消耗 Token 的场景是深度知识管理——一个周末花掉 15 亿 Token，这不是聊天能达到的量级，而是在用 AI 做系统性的信息处理。

所以面试前，你最好对自己的 Token 消耗量有一个真实的感知。说不出这个数字，基本上会被判定为浅层使用者。而你报出的数字量级本身，就直接标定了你的使用深度。

这里还有一个维度：你用的是什么级别的模型？顶级模型的 Token 单价远高于普通模型，但看到的世界也完全不同。Token 不是聊天消耗成本，而是生产燃料。不舍得给自己加顶级燃料，你永远不知道自己的上限在哪里。面试官看的不只是你花了多少，还看你花在了什么层级上。

有一点需要提醒：千万不要为了面试去刷 Token 量。跑空循环、处理一堆无关文档，Token 消耗可以很大但毫无意义。真正有价值的是你在真实工作中自然产生的消耗。面试官问的不是一个 KPI，而是一个习惯——你的日常是什么样的。编不出来的。

这背后反映的是一个深层规律：AI 让所有人的门槛都降低了，但差距却在指数化扩大。会用和不会用是 0 和 1 的区别，用得好和用得不好是 10 倍甚至 100 倍的差距。Token 消耗量，就是这个差距的诚实度量衡。

第三个问题：你的最终工作产出是什么？

这是三个问题中最关键的，也是最能区分高下的。

面试官想知道：你拿 AI 到底做出了什么？是做了一个 CLI 工具？一个 Agent？还是只是「用过 AI」？有没有实际的 AI 相关产出——这是 AI 应用能力和空想之间最明确的分水岭。

如果你有作品，准备好在面试中展示。注意：展示的不能是前公司的机密项目，最好是自己生活中用AI做的项目。面试官看一眼就能判断：你做的是一个本地跑的小游戏，还是一个已经上线的产品？上线本身就需要功夫——从「能跑」到「部署上线」，中间隔着的是完整的工程闭环。而且面试官还会进一步看：这是一个简单的静态页面，还是一个真正在运行的 Agent？这个 Agent 解决了什么真实问题？有没有在你的生活中产生飞轮效应？

所以如果你要面 AI 应用岗位，最强的准备不是背面试题，而是做一个东西出来。真正通过 Builder 三道门的人——有构建的热情、能驱动 AI 完成端到端的任务、有实际交付物——只有大约 10%。你如果是这 10%，作品本身就是最好的简历。

AI 编程的真正闭环是：部署 + 真实使用 + 用户反馈 + 收入，缺少任何一环都不算闭环。如果你的产品有人在用，甚至有人愿意付费，那你在面试中的可信度会远远超过任何话术。钱是最诚实的反馈。

用这三个问题做一次面试前的自我体检

三个问题形成了一个完整的诊断框架：

第一个问题检测的是工具选择与投入意愿——你在用什么级别的武器，投入了多少真金白银。第二个问题检测的是使用强度与深度——你在 AI 上投入了多少算力，日常依赖到什么程度。第三个问题检测的是产出闭环——你有没有从使用走向创造，从创造走向交付。

工具、投入、产出——三个维度合在一起，就是你 AI 应用能力的完整画像。

如果你在回答这三个问题的时候发现自己有短板，这恰恰说明了提升方向：去试试更好的工具，去深度使用它，去真正做一个东西出来。面试的准备期，本身就是最好的提升期。

最后补充一点：如果你已经具备了这些能力——能选好工具、深度使用、独立交付产品——那面试官还会问你一个更深层的问题：既然你已经能独立做事了，为什么要来企业？你的动机是什么？这个问题同样值得提前想清楚。

以上仅针对 AI 应用层岗位，不涉及 AI 基础设施和底层技术。

你会发现，这三个问题说到底只是在筛一类人：不是会不会用 AI，而是有没有真的用 AI 把事情做出来。

我在「辉哥奇谭」知识星球的语音「非程序员0基础 OpenClaw 实战 Part 4」里，专门拆过这件事：怎么把一个模糊的目标，拆成可以交给 AI 执行的步骤；哪些环节必须自己做，哪些可以交给 Agent；以及，怎么让这些过程不只是一次性的，而是能反复复用、不断优化。

如果你现在的状态是——会用很多工具，也问过很多问题，但始终没有一个真正「跑起来」的东西，这一讲会帮你把关键的那一步补上。

收听方法：扫描下方二维码，加入「辉哥奇谭」知识星球。