面试当场要求你用AI做方案，技术岗和非技术岗要准备的完全不同

一句话回答：面试要求现场用AI做方案，技术岗考的是Vibe Coding式的提示词工程和调试能力，非技术岗考的是需求拆解和最终交付质量——两条track的考核逻辑完全不同，练错了方向等于白准备。

今年春招，一位学艺术设计出身的求职者投递某头部公关公司的文旅项目岗，拿到的笔试题是：三天内交一份完整的沉浸式文旅项目方案，从市场分析、场景设计到盈利测算全覆盖，题目里明确写着"允许使用所有AI工具"。她后来在采访里说，如果没有AI，一个没有文旅行业经验的艺术生根本不可能在三天里拿出这种东西。另一家消费电子公司走得更远，直接安排了一场三小时的现场考核，全程开屏幕录制，面试官在线观察候选人怎么用AI工具把一个任务方案做出来——不限制工具，甚至可以公开检索资料，但最后必须有能落地的成果（21世纪经济报道）。

这类考核正在从个别大厂的"新鲜玩法"变成越来越多岗位的标配。招聘JD里"熟悉AI工具优先""具备AIGC应用能力"已经很常见，从技术研发到市场、运营、行政都在写。如果你最近在投简历，大概率会撞上这种"现场演示AI能力"的环节——问题是，市面上大部分面试准备内容还停留在"怎么在面试里偷偷用AI辅助答题"，跟"面试官明确让你当场用AI、还全程看着你用"完全是两回事。

为什么突然开始考AI能力，不只是问一句"你会用AI吗"

这背后的逻辑变化挺直接：AI工具从"不能用的作弊项"变成了"必须会的基础能力"，企业自然要有对应的考核方式。以前担心的是"你是不是抄了AI的答案"，现在企业默认AI谁都会用，真正想筛选的是"你能不能借助AI做出以前做不出来的事，以及你能不能判断AI给的东西对不对"。知乎上有一条讨论提得挺实在：公司自己也在用AI筛简历、出面试题，那候选人用AI辅助，凭什么就该被扣分？逻辑一旦想通，"允许用AI"就不是企业心软，而是筛选标准本身变了。

这也解释了为什么很多岗位不再限制工具、甚至允许公开查资料——考核的重点从"你懂不懂"变成了"你会不会用工具把不懂的部分补上，同时守住自己该判断的那部分"。对非技术背景的求职者反而是机会：一个不懂数据分析的文科生，靠着一边问ChatGPT一边学函数公式和分析逻辑，也能在三小时内交出一份像样的门店销售数据透视报告。但机会背后是新的淘汰机制——用不好AI、或者过度依赖AI导致方案空洞失真的人,反而在这类考核里更容易露馅。

技术岗和非技术岗，考核形式完全不是一回事

搜"面试AI能力测试"的人经常把两种场景混在一起，但它们的时长、任务和评分重点差别很大：

技术岗这条线，也就是不少大厂技术二面里新增的"Vibe Coding"环节：给你一个需求，让你用AI工具辅助实现或者修一个bug，30到60分钟内完成，考的是提示词写法和对AI输出的纠错能力——不是你自己手写代码有多快，而是你能不能用清晰的指令让AI产出符合要求的东西，出错了能不能自己判断哪里错、怎么改。

非技术岗这条线时间拉得更长，任务也更综合——市场、运营、设计类的方案题，允许查资料、不限工具，但要交付一份能落地的完整方案。这条线的坑更隐蔽：任务时间长、允许查资料，很容易让人误以为"反正有AI兜底，慢慢磨就行"，结果三小时过去，方案逻辑是AI给的通用框架，细节和数据都是编的，一问就穿帮。

现场用AI最容易翻车的三种情况

第一种，把AI当外包，自己全程当甩手掌柜。 面试官给需求之后直接丢给AI，拿到输出就当成最终答案交上去，中间没有自己的判断和调整。这种方案往往逻辑通顺但细节空洞——因为AI生成的是通用框架，没有你对具体场景的理解。真人面试官一追问"这个数据是怎么来的""为什么选这个方案而不是另一个"，很容易答不上来。

第二种，因为紧张不敢用AI，反而本末倒置。 有些求职者担心"用太多AI显得自己没能力"，宁可手动死磕也不敢放开用工具，结果时间不够、任务没完成。前面说过，现在的考核逻辑已经不是"会不会用AI"的加分项，而是及格线——不用或者少用，反而是在扣分。

第三种，用了AI但讲不清楚自己做了什么。 这是最常见也最可惜的一种：方案本身做得不错,但面试官追问"你的prompt是怎么写的""AI给错的地方你是怎么发现的"，答得含糊。方案能不能过关，一半看结果，另一半看你能不能把"AI做了什么、你做了什么"这条分界线讲清楚。

建议的做法：现场用AI做任务的四步流程

第一步，先花几分钟拆解需求，别急着打开AI就问。 把任务拆成几个模块（比如市场分析、方案设计、数据测算），想清楚哪些部分适合直接让AI起草、哪些部分必须自己把关，比如涉及具体公司背景、行业细分数据这类AI大概率会编造的内容。

第二步，用AI搭框架、补短板，而不是让它替你决策。 用AI拆解你不熟悉的领域知识、生成初稿框架，这部分它确实比人快；但方案的核心逻辑、取舍判断，得是你自己拿主意——面试官要看的正是这个判断过程。

第三步，每一步都留一句话记录你为什么这么改。 AI输出之后你调整了什么、为什么调整，简单记一笔（哪怕是脑子里过一遍也行）。等下一步面试官追问的时候，这些就是你现成的答案，不用临场现编。

第四步，练习把"用AI的过程"讲清楚，这件事本身值得单独准备。 这类考核区别于传统面试的地方，就是你不仅要交付结果，还要能复盘和讲解自己和AI的分工。这跟准备常规面试问答不是一回事——常规面试练的是"怎么回答问题"，这里练的是"怎么讲清楚一个协作过程"。我自己会用面灵AI的模拟面试功能找一个类似的任务场景，设定好岗位，让AI面试官连续追问"这一步你为什么这么做""如果AI给的方案有问题你怎么发现的"，逼自己把这套讲述逻辑理顺，比自己对着方案默读效果好。

说清楚边界：模拟面试练的是"怎么把思路讲清楚"，练不出"你对这个领域到底懂不懂"。如果方案里的专业判断本身就是错的，练多少遍表达都补不回来——这类考核最终筛选的还是你的真实判断力，工具只是让你有机会把判断力发挥出来。

如果你应聘的是技术岗、明确会考Vibe Coding这类现场编程环节，可以看这篇美团面试AI辅助全攻略里对这个环节的单独拆解，里面讲了提示词写法和纠错能力具体怎么练。

容易被忽略的几个细节

工具选择别纠结太久。 大部分企业不限制工具，也不会考你某个工具的具体操作步骤，重点是交付质量。与其纠结用ChatGPT还是用Claude，不如把时间花在需求拆解和自己核实数据上。

网络和设备提前测试。 三小时的任务如果中途工具卡顿、网络断线，没人会因为"AI服务器崩了"而给你延时。提前确认好网络环境和常用工具的登录状态，别把时间浪费在这种低级问题上。

保留一点自己的"笨办法"。 完全依赖AI搜索资料，遇到工具给出的信息本身有误（AI编造数据这件事并不罕见）却发现不了，是最容易翻车的地方。方案里但凡是硬数据、硬事实，习惯性用一个独立信源交叉核实一下，哪怕只是快速搜一下官方数据。

常见问题

公司都说可以用AI了，那面试到底还在考什么？

考的不是"你会不会用AI"，而是"你能不能借助AI做出以前做不到的事，同时守住自己该判断的那部分"。允许用AI之后，真正拉开差距的是需求拆解能力、对AI输出的甄别能力，以及能不能讲清楚自己的决策过程。

现场用AI做方案，用哪个工具比较好？

大部分企业不限制具体工具，也不会考核你对某款工具的操作细节。与其纠结选哪个，不如把精力放在怎么拆需求、怎么核实AI给出的信息上——工具选型对结果的影响远没有这两点大。

非技术岗真的也会被考AI能力吗？

会，而且越来越常见。市场、品牌、运营甚至行政岗位的招聘要求里已经出现"具备AIGC应用能力"这类表述，现场任务测评的形式也在从技术岗向非技术岗扩散,不是只有程序员才会遇到。

Vibe Coding具体考什么，要不要提前专门准备？

Vibe Coding是让你用AI工具辅助写代码或者修bug，考核重点是提示词工程能力（能不能用清晰指令让AI产出符合要求的代码）和调试纠错能力（能不能发现并修正AI输出里的问题）。如果目标岗位的JD或面经里提到这个环节，值得提前找类似的小任务练习几次。

用AI做出来的方案，面试官一般会怎么追问？

常见追问集中在两类：一是具体数据和事实的来源（"这个市场规模数据你是怎么确认的"），二是决策逻辑（"为什么选这个方向而不是AI给的另一个选项"）。这两类问题都对应着你在做方案过程中是不是真的做了自己的判断，而不是照搬AI输出。

如果AI给的内容有错，当场没发现怎么办？

这是这类考核里最真实的风险，没有百分百避免的办法，只能靠习惯性核实降低概率——涉及具体数字、行业事实的部分,尽量留一点时间用独立信源交叉确认。就算最后有个别细节没查出来，面试官更看重的是你有没有核实的意识和习惯，而不是方案里零错误。

---

作者 · 林舟。职业发展顾问，做过互联网公司招聘官，也做过 6 年多岗位候选人。写文章分享求职一线的真实观察，不卖课也不做培训。