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-013 讲的那张"不换的考卷"，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样本印证SAMPLES
近期若干 AI/Agent 方向笔试与技术面样本显示出一组稳定模式。以下是脱敏后的模式记录——只谈问题类型与考场形态，不指向任何具体公司与个人；样本有限，仅作趋势观察。
追问为王，印证成立。脱敏样本里的技术面，背诵型概念题明显减少，问题全往"你的项目"上钻，而且追问集中落在五类：项目真实性（这是课程作业还是你设计的系统？哪些部分是你写的？哪些是 mock、哪些是真实执行？）、工程边界（怎么限制文件写入范围、怎么防危险命令、失败了怎么重试）、状态与恢复（worker 崩溃了怎么办）、trace 与证据（为什么要记 trace、artifact 里有什么、怎么互相关联）、成本与安全（怎么避免误调用烧钱、Key 怎么管、怎么防泄漏数据）。对照第 03 节的报道归纳：评测、成本、风险三类，在样本里都能看到。
报道少写的第一件事：真实性是第一道门，还排在技术深度前面。不止一场面试的第一句追问都是同一个方向——"这是 demo，还是你真正设计的系统？"作品集里项目再多，这一句接不住就先归零。这正是 F-010 两句追问测试的现场版，只是顺序提前到了开场。
报道少写的第二件事：诚实分层比包装有效。被问"哪些是 mock"时，按"当前已实现、当前边界、后续优化、证据在哪里"四段作答，追问会立刻从怀疑转向细节——防虚的口径本身会改变追问的走向。反过来，"生产级""完整平台"这类词一出口，追问马上收紧。
与报道的一处出入：概念题没有消失，是换了问法。基础概念仍会被考，但不再问"什么是 X"，而是问"你项目里的 X 为什么这样配"——概念题被吸进了项目题里。把概念和项目分开准备的人，等于准备错了考试。
两种考场并存也能在样本中看到：同一阶段里，既有严格防 AI 的笔试，也有明确考"你怎么用工具、怎么判断输出"的技术面。第 02 节的建议原样适用：先弄清你进的是哪种考场。
防 AI 考场的手撕长什么样：不是一道题，是一条递进题链。样本里的手撕环节多为公开经典题，可以直接点名：判断平衡二叉树（LeetCode 110）、简化相对路径（LeetCode 71）、以及一组设计得很典型的连环题——先出标准二分查找（LeetCode 704），写对之后当场升级成旋转有序数组找目标（LeetCode 33）。升级那一步才是考点：背解法的人在"哪半边有序"的判断上断裂，理解二分本质的人只需要改一个条件。题目本身都不难，难的是面试官看着你从基础版走到变体的全过程——思路要先讲后写，写完还要经得住"为什么这里不会死循环"这类追问。公开面经的归纳与此一致：手撕从来不是闭卷默写，是一个带追问的沟通过程，粘贴来的答案两句追问就穿帮。
顺带说清准备方式的推论：题海没有必要，但每道做过的题要能讲清"从暴力到最优"的路径，因为变体升级考的正是这条路径本身。裸递归 O(n²) 的平衡树判断也能通过，但下一句"能不能一次遍历"就会把背题者和理解者分开。
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，在面试里是追问与可复核过程。
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——怎么留全四样东西，动手版见 F-010。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。样本部分已按本站脱敏规则处理：只保留问题类型、考场形态与追问走向，不指向任何具体公司与个人；手撕环节点名的均为公开经典题，任何公司都在用，不构成脱敏例外。样本有限，印证力有边界。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。