夜雨聆风上个月面了家做 AI 应用的中厂，技术面第三轮。
面试官是个看着四十出头、戴黑框眼镜的架构师，进门没让我做自我介绍，往椅背上一靠，第一句话就是：
"你 GitHub 上那些项目， AI 写的比例大概多少？"
我愣了一下——问这么直接的吗。犹豫了两秒，决定不装。我说大概六到七成吧，有些工具类的基本全是 AI 生成的，我更多是做设计和 Review 。
他点了点头，然后说了一句让我记到现在的话：
"那好。你挑一个自己最满意的项目，不用讲功能，你就给我讲清楚这段代码为什么这么写。不要用 AI ，你用手划，从第一行开始，边指边说。"
我打开了自己的笔记本。
然后发现自己说不出来。
我盯着自己"写"的代码，脑子是空的
项目是我做的——一个用 RAG 搭的企业知识库问答系统。技术栈 Chroma 加 LangChain 加通义千问 API ，整个流程我脑子里过过无数遍：用户提问、向量检索 Top-K 、上下文拼接、 LLM 生成回答、引用溯源。
面试官让我从核心的处理逻辑开始讲。
我打开 service 层的一个文件，看着那几十行代码，组织了一下语言，开口：
"这里是我调 Embedding 模型把 query 转成向量……"
他打断我："为什么用这个 Embedding 模型？"
我当时想说"因为开源的好部署"，但话到嘴边我突然不确定了——这不是我选的，是 AI 写的代码里直接用的，我当时觉得能跑通就行，没想过为什么是它不是别的。
"嗯……因为这个模型中文效果不错，而且……"我开始编。
他又打断："好，那 Chunk Size 你为什么设的 500 ？"
我。说。不。出。话。
我知道 Chunk Size 是什么，我知道它影响检索精度。但为什么是 500 不是 300 不是 1000 ？我不知道。代码里就这么写的。 AI 写的，我 Review 了语法，没 Review 决策。
面试官没为难我。他靠回椅背，语气缓下来：
"你别紧张。我说实话，你那个项目整体方向是对的， RAG 的链路也清楚。但你写的代码——或者说 AI 帮你写的代码——你自己没吃透。面试的时候我不在乎你用了什么工具、写了多快，我在乎的是你不在 IDE 旁边的时候，还能不能把这套东西讲明白。"
那场面试我没过。
讲真，当时挺沮丧的。但后来我发现，那一番话比 offer 值钱多了。
我要 AI 写代码， AI 用"魔法"给我变出来，我没想过魔法怎么来的
回想我从自学编程到现在，对 AI 工具的态度经历了三个阶段。
第一阶段：新鲜感。"卧槽还能这样？"——用 ChatGPT 写第一个 Python 脚本时的感觉，懂的都懂。
第二阶段：重度依赖。大概从去年下半年开始，我每天的代码产出里 AI 生成的比例越来越高。写接口、写单测、查文档、改 bug ，全部交给 AI 。 Cursor 的 Agent 模式一开，说一句需求，它刷刷刷生成一堆文件，我点点点 Review 一下就提交了。说白了，我成了一个"确认按钮操作员"。
效率是真高。原来两天写完的 CRUD ，现在两小时。
问题是我开始"能跑就行"了。 AI 生成的代码，只要不报错、功能对，我就不深究了。底层怎么实现的？为什么这么写？不问了。现在回头看，这其实就是认知负荷的转移——我把本该自己消化的逻辑判断，外包给了一个黑盒。
第三阶段：幻觉期——这是我刚刚命名的。
AI 什么都能帮你写。前端、后端、 AI 应用、脚本工具，全帮你写了。你以为自己在成长，其实你在被 AI"蒙眼喂饭"。你吃了很多，但不知道自己吃的是什么。说实话，这种感觉挺恶心的——你明明每天都在"干活"，但脑子里真正属于自己的东西越来越少。
直到面试官让你自己说一遍，你才发现自己一张白纸。
这让我想起面灵 AI 那篇模拟面试文章里特别扎心的一段话： AI 帮你练清楚"怎么讲"，但练不出"你到底做没做过"。如果你简历上写了项目经历，面试官深挖两层问下去就会露馅——这个真编不出来。
我之前觉得我在用 AI ，后来发现是 AI 在用我。它负责产出，我负责点击"确认"。扯淡吗？确实挺扯淡的。
不会用 AI 的人会被淘汰，但只会用 AI 的人也是
最近在刷面经，发现一个特别明显的趋势： 2026 年的技术面试， AI 能力已经不是加分项了，是必选项。谷歌面试强制用 AI ，国内大厂春招也开始考 AI 编程能力。 YC 管理合伙人亲口说过，当前批次里 25%的创业公司 95%的代码是 AI 生成的——面试官不是傻子，他们比谁都清楚你会用 AI 。
但问题恰恰在这里——面试官想看的不是"你用不用 AI"，而是"你怎么用 AI"。你是在用 AI 替代思考，还是在用 AI 加速思考？这是本质区别。
我翻了几十个面经，总结了面试官真正想确认的三件事：
第一，你能不能给 AI 兜底。
AI 写代码最怕什么？不是它写不对，是它写错了你还不知道。 Uncle Bob 最近说不读 AI 写的代码了，把质量全交给自动化测试——但前提是他有上千个测试把关。想想你自己，你敢不看代码就让 AI 写的逻辑上线吗？你敢说它生成的每个边界处理都是对的？
有个兄弟说得特别好： Vibe Coding 的第一课——你的指令越精确， AI 的产出越靠谱。但第二课更重要——AI 做的每一个改动，你都得知道它为什么改。做不到这一条，你就是在给自己埋雷。
第二，你能不能扛住"为什么"的连环追问。
面经里有个哥们面盛大集团，面试官追着问他技术选型。用了 gRPC ？为什么效率高？ JSON 不行吗？为什么选 gRPC 不选 thrift ？他全军覆没——不是因为没用过，是因为"AI 写的，没想过"。
面试官后来跟他说了一句话我记到现在：所谓的广度不是你做了多少事，而是你对"背后为什么会产生这些问题"的思考形成的广度。
这句话太狠了。说白了就是我们这波被 AI 喂大的人的通病——AI 帮你解决了"怎么做"，但它从来不替你想"为什么这么架"。
第三，你有一个能讲十分钟的项目吗？
面经里最打动面试官的，永远是那些"真手写、真踩坑、真自己定位出来"的项目。比如那个盛大的哥们，全场最有底气的部分是他手写的富文本编辑器——undo/redo 历史栈被高亮逻辑污染，他不用 Quill API 改成 CSS 浮层绕过去。这种 bug ， AI 不会告诉你，只有自己踩过才知道。
你不需要所有代码都手写。但你至少得有一个项目，你熟悉到能闭着眼睛画出架构图、能说清楚每一个取舍的原因、能扛住追问三十分钟不卡壳。没有这种项目——说句难听的——简历写得再花也只是 AI 的功劳，跟你这个人没关系。
从那以后，我开始逼自己做三件事
面试挂了之后，我调整了自己的学习方式。不复杂，就三条：
一、每周至少手写一次核心逻辑，不用 AI 。
不是写 CRUD ，是写一段需要思考的代码——状态机、并发控制、数据结构的边界处理。逼自己不用 AI ，从第一行开始写。刚开始很痛苦，写几行就想打开 Cursor 。但你得忍住。就像练乐器不能全靠自动伴奏。有个转 AI 开发的面经哥们在总结里写得很实在：他投了 47 份简历面了 19 场，发现面试官最想要的不是你会不会用 LangChain ，是你有没有手写过核心逻辑、踩过具体的坑。
二、 AI 生成的代码，看完一遍之后关掉屏幕、自己讲一遍。
讲给自己听也行。讲的目的是确认你真的懂了——不是"读懂了"，是"能给别人讲懂了"。面试官问你的方式，本质上就是让你讲一遍。你讲不出来的，就不是你的。
三、每个月做一个"面试级"的个人项目。
不用大，但要完整。核心代码自己写， AI 辅助做文档和测试。重点是：你随时能用这个项目去面试，扛得住任何追问。
这个方法我用了大概一个月。上周又去面了一家公司，同样的问题又来了：
"你怎么用 AI 辅助开发的？"
这次我把 Cursor 关掉，从项目架构开始讲。讲了技术选型为什么这么选，数据库为什么用这个不用那个，某个 bug 是怎么定位和修复的。面试官中间追问了三次，我都接住了。
末了他撂了一句：
"你聊的和那些只会说'我用 AI 写代码'的人，不太一样。"
我笑了。那轮我过了。
说回那句话
"我不在乎你用 AI 写得多快，我要听你讲代码。"
面试官说这句话的时候，我以为是刁难我。
现在回头看，他是真的在帮我。他在告诉我一个 AI 时代最容易被忽略的事实：工具越强，人越容易被工具吃掉思考的能力。 HackerRank 去年的开发者报告里有个数据挺说明问题——74%的开发者觉得找工作仍然困难，但原因不是技术不够，是面试官在考察"你能不能在没有 AI 的情况下讲清楚你在做什么"。
这让我想起一篇广泛流传的面经里的一句话： AI 不会淘汰程序员，但会用 AI 的程序员会淘汰不会用的。但我想在后面补一句——只会用 AI 的，也会被能驾驭 AI 的淘汰。因为工具本身没有护城河，你用 Cursor 别人也用，你用 Claude Code 别人也在用。真正的差异在于：离开工具之后，你还剩下什么？
所以如果你也在自学编程，也在用 AI 写代码，问自己一个问题：如果面试官让你关掉电脑、拿支笔、从第一行开始讲你的项目——你能讲几分钟？
别等到面试那天才发现。