01核心判断CORE JUDGMENT
技术面试几十年的默认逻辑是考产出：给一道题，看你能不能在白板或编辑器里把代码写出来。这个逻辑成立的前提是——产出是稀缺的，能写出来就能证明能力。
AI 把这个前提拆了。当一段像样的代码几秒钟就能生成，"能写出来"不再区分人。于是考卷必须换：考产出的面试在退场，考判断的面试在进场——你能不能看出生成的代码哪里会碎、能不能说清为什么这样设计、敢不敢为最终交付签字。
这不是预测，是正在发生的换轴。海外招聘圈已经把它说得很直白：招的不再是"能产出代码的人"，是"能审判代码的人"。
02两种考场并存TWO EXAM ROOMS
换轴期的典型景象是新旧考场同时开着，而且规则相反。
一种考场让你用 AI，考的是"用的过程"。据公开报道，有头部公司把编码面试轮直接换成 AI 辅助场——候选人可以调用主流模型，面试官看的是你怎么拆问题、怎么给 AI 交代任务、接受它哪些输出、抓住它哪些错误；也有公司明确要求候选人在技术面中使用 AI 编程工具。在这种考场里，不会用 AI 反而是减分项。
另一种考场防你用 AI，考的是"裸机能力"。传统算法轮仍然禁用辅助，国内一些机试甚至用双机位监考和切屏风控专门防 AI。这种考场测的是基本功的下限——它也没错，只是测的东西不同。
对求职者的实际含义：先搞清楚你进的是哪种考场，两种考场的准备方式几乎相反。而一家公司选择哪种考场，本身就在告诉你它的技术文化——这条信号值得读。
03正在消失的问题，正在出现的问题OUT AND IN
在消失的：背诵型概念题（"讲讲什么是 RAG"）、与岗位脱节的算法套题、能靠模板过关的行为题。它们的共同点是——AI 答得比你好，所以不再能区分你。
在出现的，按公开报道的频率排：
评测方法——怎么给 AI 系统建一组固定题集、怎么在上线前抓住回归、怎么设计"AI 当裁判"的检查。海外已经有"评测方法论是新的系统设计题"的说法。如果你读过本站 F-003 讲的三层评测，这类问题就是它的面试版。
成本与部署语境——不只问模型做什么，还问它在生产里花什么代价。答得出概念但说不出成本曲线的人，被归类为"备错了考试"（F-004 的直觉在这里直接换分数）。
风险与边界——Agent 相关的问题几乎都是风险管理问题的变体：什么动作该让系统自动做、什么必须留人工确认、出了错怎么回溯。这正是本站从 N-001 到 N-006 反复讨论的东西。
04亲历印证FIRST-HAND · 待补
本节保留给作者的真实面试经历：哪些趋势在亲历中得到印证，哪些与报道不符，哪些坑是报道不会写的。素材脱敏整理后补入，本篇随之转为正式发布。
05流畅不再是信号FLUENCY IS DEAD
过去，一段条理清晰、术语准确的回答基本等于胜任。现在资深面试官对流畅回答的第一反应是警惕——因为流畅是 AI 的默认输出质量，模板化的"完美答案"可以批量生成。
于是追问变成了主要武器：判断依据是什么？这个方案你踩过什么坑？如果换个前提还成立吗？这些问题专杀背来的答案——它们考的不是你知不知道，而是这些知识是不是从你自己的经历里长出来的。
这和 N-011 说的是同一件事在两个场景的投影：AI 让"看起来专业"批量贬值之后，组织在寻找新的可信信号——在业务里是签字与留痕，在面试里是追问与亲历。
06把自己补成证据链BE YOUR OWN EVIDENCE
顺着换轴的方向，准备面试的重心也该换：少刷一道套题，多把自己的项目补成可追问的证据。追问来的时候，你不是在回忆答案，是在展示留档。
- 你的项目有没有一句话说得清的任务定义和边界声明？
- 被问"怎么验证的"，你有没有独立于生成的检查可讲？
- 有没有一次失败案例，能讲清定位过程和修复判断？
- 用 AI 做的部分，能不能说清你确认了什么、拦下过什么？
- 成本问题来了——你知道你的系统贵在哪一步吗？
这份清单和 N-010 讲的"没有实验室怎么做出可追问项目"是同一条路：证据链既是项目的可信度，也是面试里的弹药库。
07边界声明BOUNDARY
本篇趋势部分整理自 2026 年上半年可公开访问的招聘与面试报道（见附录来源），不代表所有公司、所有岗位的普遍情况；亲历部分补入前，全文按"草稿中"标注。本篇不构成任何求职结果的承诺——它提供的是判断方向，不是通关秘籍。