Starboard 的负责人 James Lowman 面试时爱问一句："讲讲你最近写的三个 Claude Code skills。" 有个实习生答了俩字——没有。 理由是用不起付费工具。

上周 LeadDev 专门发了篇文章，标题翻译过来就是：你的面试题，默认候选人买得起 Claude Code Max。

我刷到这事的时候愣了一下。不是因为心疼那个实习生，是我突然想明白——这两年我面过、看过、听过的 AI 相关面试题，没几个人真正搞懂面试官在问什么。

面试现场真让你打开 AI 工具写

这不是段子。知乎一篇高赞面经，原话：

"AI 编程标配 Cursor / Claude Code（面试现场允许用 AI 工具解题，观察你怎么用）"

还有个前端跑了五家主打 AI 业务的前端岗，回来写的原话：

"现在面试官根本没兴趣跟你死磕老八股默写……不少面试官开场跳过基础原理，直接上 AI 业务落地、流式交互、模型前端集成、工程质量管控类场景题。"

划重点不是"用没用过 AI"，是你怎么用。

博客园有位作者这话挺狠——"面试 AI Coding，我只看你是不是驾驶员。"他说他观察到一个现象，很多人聊 AI 跟聊新闻联播似的，DeepSeek、Agent、上下文窗口、推理模型、多模态、MCP，词儿蹦得贼溜，但全是"知道"，没一个"做过"。

这种人就是面试官要刷掉的。

你以为考写代码，其实考的是你会不会挑 AI 的刺

我先把最常见的误区摆出来。很多人以为 AI 面试就是：面试官问你用不用 AI，你说用，然后讲讲用 Cursor 写了个组件。这点分现在不够了。

面试官真正盯的，我归纳了下，没有一条是"你能不能用 AI 写出能跑的代码"。

挑个真题说。前面那篇面经里反复出现的题：能不能解决 SSE 流式渲染卡顿。

AI 给你写流式对话，大概率长这样：

// AI生成的第一版——能跑，用户一多就卡
function ChatPanel() {
  const [text, setText] = useState('');

  useEffect(() => {
    const es = new EventSource('/api/chat');
    es.onmessage = (e) => {
      setText(prev => prev + e.data);  // ← 每来一个chunk就整体拼接+重渲染
    };
    return () => es.close();
  }, []);

  return <div className="whitespace-pre-wrap">{text}</div>;
}

"能跑"。但你要是面试官，看着候选人原样照抄、一个字不质疑，心里基本有数了——这人没拿 AI 写过真正上线的流式功能。

因为真到线上，这段代码有几个要命的坑：

• prev + e.data，每来一个 token 就拼一次字符串，长对话下是 O(n²) 的字符串操作，越聊越卡
• 每次 setState 整个组件重渲染，token 流得快时一秒重渲染几十次，输入框都跟着卡
• 没有取消机制，组件卸载时请求还没完，setState 直接打到已经卸载的组件上

面试官想看的，是你会不会自己把这些坑点出来，然后动手填掉：

// 改进版——现场能主动说出这几个问题，就是加分项
function ChatPanel() {
  const [chunks, setChunks] = useState<string[]>([]);
  const [done, setDone] = useState(false);

  useEffect(() => {
    const controller = new AbortController();

    fetch('/api/chat', { signal: controller.signal })
      .then(res => readStream(res.body!, controller))  // 用ReadableStream，绕开EventSource的坑
      .finally(() => setDone(true));

    return () => controller.abort();  // 卸载即取消，避免泄漏
  }, []);

  const deferredChunks = useDeferredValue(chunks);
  const content = useMemo(() => deferredChunks.join(''), [deferredChunks]);

  return (
    <div className="whitespace-pre-wrap">
      {content}
      {!done && <span className="animate-pulse">▍</span>}
    </div>
  );
}

这里面没一个高深东西。AbortController、useDeferredValue、useMemo，都是 React 基础 API。AI 默认不会主动给你加这些——它默认你要的是"能跑的代码"。

面试官在看的，是 AI 给的是糙活，你能不能看出哪里不够、该补什么。 这就是"驾驶员"的意思——AI 是车，你是握方向盘的。车自己不会变道，是你让它变的。

再说个更隐蔽的——AI 埋的类型坑

知乎那篇面经列的高频真题，几乎全是"找坑"型：

• AI 接口返回的字段可能因模型版本动态变化，怎么设计类型守卫和类型收缩？
• 多轮对话、工具调用结果的嵌套数据结构，怎么用泛型做类型推导？
• 设计一个类型系统描述 Agent 执行的状态流转（思考→执行→观察→完成），还能类型安全地切换。

没有一个问"怎么写"。全在问"怎么约束 AI 输出的不确定性"。

道理也简单——AI 写代码这事已经不稀罕了。 稀罕的是知道 AI 的输出哪儿会出问题、出了问题怎么兜。

举个常见的。AI 生成的工具调用类型，十有八九长这样：

// AI默认——把所有可能性拍平成一个大type
type AgentResponse = {
  thought?: string;
  action?: string;
  result?: string;
  status?: 'thinking' | 'executing' | 'observing' | 'done';
  error?: string;
  // ...一堆可选字段
};

能跑。但类型基本没起作用——你拿到一个AgentResponse，根本不知道这个状态下哪些字段一定有、哪些一定没有。面试官想看的是你把它拆成"状态 - 数据"绑一块的判别联合：

// 判别联合——每个状态只带它该带的字段，编译器帮你查错
type AgentState =
  | { status: 'thinking'; thought: string }
  | { status: 'executing'; action: string; tool: string }
  | { status: 'observing'; action: string; result: string }
  | { status: 'done'; result: string }
  | { status: 'error'; action: string; error: string };

function handle(state: AgentState) {
  if (state.status === 'done') {
    console.log(state.result);       // ✅ 有result
    // console.log(state.thought);    // ❌ 编译报错——done状态不该有thought
  }
}

也不是什么高阶技巧。但 AI 默认不会这么写——它默认你要的是"最快能跑的版本"。面试官在筛的，是你有没有那种"AI 给的是糙活、我能把它捋成工程级"的意识。

回到那个实习生——这事最扎心的地方

"没有，用不起。"

这真不是"他不努力"四个字能盖过去的。

LeadDev 引了一篇论文，提出个"Agentic Inequality"框架，三个维度：

维度	含义
availability（可用性）	某个 agentic 系统对你是否可用
quality（质量）	它有多强
quantity（数量）	你能同时跑多少个 agent

作者有个说法挺戳人：agent 跟以前的技术不一样——它不是工具，是"能替你行动的劳动力"。 工具的不平等，差距是线性的；"劳动力"的不平等，差距会被复利放大。

四道门槛把关：金钱、算力、专业知识、时间。 Sharp 原话是，你问 skills/workflows 这些，测的不只是能力，还有"谁付得起这样练习"。会把暂时的资源差距，变成永久的筛选机制。

成本摆台面上：Claude Code Pro 约 20 刀/月，Max 5x 是 100 刀，Max 20x 是 200 刀。有开发者追了自己 8 个月，烧了约 100 亿 token，按 API 价折算远超订阅价。对一个大三实习生，200 刀/月就是真金白银的门槛。

所以 James Lowman 那道题，残酷的地方不在"你会不会写 skills"，在"你有没有那个经济余裕，把一个付费工具磨到熟练"。

不买 Max，也能证明自己是驾驶员

这是我真正想掰扯的。大多数人买不起 Max，也没必要为了面试去买。

LeadDev 那篇的潜台词摆得明白：把面试题建在"候选人买得起特定付费工具"上，不公平。但对个人来说，抱怨不公平没用，得有办法证明自己。

关键是把"会用 AI"拆成能验证的能力，别老想着"我订了哪个套餐"。 几个不花钱也能练、练了面试能讲的角度：

一，用免费的 DeepSeek API + 开源 DSH，自己搭个 coding agent

前两天 DeepSeek 把 Harness 开源了，MIT 协议，npx @deepseek-ai/dsh web一行命令起本地 Web UI。配 DeepSeek 的 API，成本是 Claude 的零头。你能在这个环境里完整跑一遍"模型 + 工具 +Agent Loop"是怎么凑一块的——这比"我订了 Claude Code Max"有信息量多了。

面试能这么讲："我用 DSH 配 DeepSeek V4 跑过完整前端项目，Harness 里 context 管理、工具调用、容错重试怎么配合的我清楚。" ——比"我用过 Cursor"强。

二，练"否决 AI 代码"——这是面试新维度

CSDN 有个 Node.js 面试指南点出个新趋势：面试官直接问"你用 AI 写过 Node 吗？哪次你否决了 AI 的代码？"

这题答不上来的，基本就是"让 AI 写、自己不审"那类。平时攒着——AI 给的方案，哪些你没用、为啥不用、改成了啥。攒几个真实案例，面试能讲二十分钟。

三，做个集成了 AI 的真实前端项目

不是"用 AI 写项目"，是"写一个集成了 AI 的项目"。一个对话界面、一段流式渲染、一个 AI 输出的错误兜底。这种项目面试能被深挖，因为它有真实的边界问题，不是套壳调 API。

现场用 AI 时的绿旗红旗

把上面那些面经和 LeadDev 的讨论揉一块，候选人现场用 AI 解题，你解题的过程本身就是被观察的题：

行为	信号
直接粘 AI 输出，不读不审	🔴 红旗——连"质检员"都算不上，是搬运工
AI 输出后，主动点出哪里不安全、会踩坑	🟢 绿旗——驾驶员意识
会反问 AI"这边界 case 咋办"，而不是照单全收	🟢 绿旗
只会用一个工具，问备选方案答不上	🟡 中性——视野窄
能讲清 AI 生成代码背后"为啥这么写"的原理	🟢 绿旗——最难造假
光蹦词儿（MCP/Agent/上下文窗口），没一个动手痕迹	🔴 红旗——新闻联播型

最后一行是面试官最敏感的红线。你能蹦一串词，但没一个真做过、调过、踩过坑的东西兜着，一深挖就露。

说到底在考啥

AI 能写代码之后，"写得出代码"已经不是稀缺能力，"判断这段代码该不该这么写"才是。

James Lowman 问"你写过 skills 吗"，问的是"你有没有把一个工具用到能改造它的程度"——这是驾驶员和乘客的差别。那个实习生答"没有"，错不在没买 Max，错在没把任何一个免费工具用到那个深度。

工具不平等是真的，LeadDev 把这层窗户纸捅破了，值得敬。但对个体来说，能证明自己的路没被锁死——DSH 开源了，DeepSeek API 白菜价，Cursor 有免费额度。门槛从来不是"买不买得起 Max"，是"有没有花时间，把一个工具用到能讲出细节"。

时间这道坎，倒是真不挑人。

---

你被问过最刁钻的 AI 题是啥？现场让用 AI 工具解题你碰上过吗？评论区聊聊，我攒一篇面经合集。

觉得有用，点个赞👍让更多正在面试的人看到。