AI时代的面试，三件事让公司对我求贤若渴？

我在做企业培训和跟行业的朋友交流的时候 就发现2026年很多公司 尤其是那些明星的 startup 或者说是 AI Native 的 startup 他们就会有一个专门的面试环节 叫做 AI mindset 的环节 这个环节就是用来考察候选人 是不是真的具备 AI 原生的思维 是不是真的可以跟 AI 非常有效地协作 是不是真的能把 AI 用好

那我们怎么样子在这个环节里面出彩 怎么样子拿到我们想要的 那些下一个时代的岗位呢 我在这里边给大家总结了3个框架 这个框架其实是我在 朋友身上已经使用过 并且拿到很好的结果 帮助她拿到 offer 的 因为我平时不接 mock interview 所以说这期视频就把这些框架 完整的给大家分析起来 欢迎大家自己拿去使用 在这里有一个说明啊 就是这些框架其实

大多数针对的是非程序员 对于程序员来说有一个更高的要求 也就是说这个框架针对的是 设计师、Data Scientist、PM、Data Analyst 或者 Marketing Project Manager 这样的职位 对于程序员的话 他们其实硅谷现在的热词叫做 Conductor 其实就是我们所说的 AI Architect 如果大家去看我们的胜任力模型的话 AI Architect 的关键词是 orchestration

Conductor 也是 orchestration 就是这个编排这个词而来的 那我们关于程序员的面试要求 我们可以未来再说 今天我们就来解读一下 非程序员的 AI Native mindset 到底要怎么证明你很厉害 在这里边给大家分了三个点 每个点的开始都是 “我不只是会用 AI，我还能：...”

“我不只是会用 AI，我还能：...”

因为在今天这个时代啊 就是你说我用过 Cursor 我用过 Claude Code 它不构成一个竞争优势 所以说你要去说 你除了用这些之外 你到底有什么 AI 原生的思维方式 才能打动面试官 那这三个思维方式分别是 我还能用 AI 做出更真实的东西 我能在新的协作方式里边 更高效的工作 和我能把我的判断力教给 AI 我一个一个来拆解啊 然后绝大多数人其实大家会发现

根本连第一层都没有跨过 所以说你如果能把这3层掌握 在工作中和 side project 中积累足够的案例 那我相信你拿下这样的面试是完全不成问题的 甚至他因为你这个面试表现的太好 还可以弥补你其他环节的一些不够优秀的点 因为企业对这样的人才 实在是太求贤若渴了 那第一点 什么叫做我不只是会用 AI

还能用 AI 去做出更真实的东西呢 这里边的原理是我采访 RYO 的时候 他的思想 对于 RYO 这样的一个设计师来说啊 他讲他为什么放弃了 Figma 而去用 Cursor 了 因为我们去做软件的 building material 就是代码 而不是像素 这个像素其实只不过是 我们对这个软件的一个视觉上的切片 而这个软件的本身其实是代码 这个软件本身是深的

是有交互的 是动态的 所以说你通过代码才能 更逼近这个软件的真实 那一个好的设计师当然不能 满足于只在视觉上去看这个软件 因为那样看出来的东西 永远是一个假的东西 他要去真正的去走进这个 building material 走进 code 才能更真实的去面向这个软件 大家可以想象啊 这个是对于设计师来说的 那你对于 PM 对于 Data Scientist 来说也是这个样子

如果大家去我的 App Super Linear Academy 里边 有一个免费的公开课 其中有一个呢 就是我跟鸭哥跟 Pinterest 全公司的 DS 做了一个讲座和 Demo 那里边我们就专门讲了 Data Scientist 们是怎么样子 可以更好地使用 AI 去得到更真实的洞见 去更逼近 truth 的 如果说 Data Scientist 你想就这个环节的细节进行准备的话 我非常推荐你去看那期免费的公开课

那个讲座本身在 Pinterest 也是非常受到好评 那大家看到了吗 在这一层 你所体现的素质 不光是你会用 AI 这么简单 而是你对真实 对这个业务本身的追求 对消费者的真实体验的关心 这个点其实才是那个真正 非常打动面试官的那个点 然后这一层看起来简单啊 但是我所遇到的大多数人 尤其是比如说一个设计师 他是没有去用 Cursor 的 然后他是没有去真的去看代码的

所以说用起来 然后已经打败了更多人了 更不要说你还有一个更深层次的 非常加分的思考 那就是求真而不只是求快 第二点一个 AI Native 的人 一定是可以在一个 AI Native 的组织 去发挥更高的效果的 那你就要知道一个 AI Native 的组织 到底是怎么运转的 这个其实大家去看 RYO 的那个访谈里边 我有专门的去问 然后他有专门的回答 拿一个设计师来说吧 之前的设计师他需要

去在 Figma 里边 Ctrl + D 是吧 然后去做出来无数的分支 然后最后形成一个他觉得看着不错的 mock 然后去跟程序员开会 然后开会对完了以后 程序员去把这个东西做出来 做完了以后基本上这个东西就不会再改变了 但是在 AI Native 的组织里边 程序员第一天就直接 跟设计师坐在一起 然后设计师直接和程序员 一起通过这些 AI coding 的工具 把第一个原型直接做出来

然后他们基于这个真实的原型上 一起去修改 那设计师在这里边可能提供 的是那些非常精确的 prompt 以及他对这件事情的审美 他对这件事情的审核 那程序员提供的就是 Architect 就是 Conductor 程序员可以使用 agents 更高效更可控的 把设计师的意图给实现出来 那对于 Data Scientist 们也是的 他要能跟程序员坐在一起 用最高效的方式去最快的

比如说什么地方该有 logging 然后我在什么地方 需要进行比较好的观测 我怎么样子去设置我们的实验 怎么样子用比较快的时间 我可以把这个实验给做出来 我在这个东西上线的过程中 我要去 set up 什么样的 dashboard 什么样的 monitoring 如果我要去优化 funnel 的话 我要展开哪些层次 我的业务的核心到底在这个时候应该 是 retention 还是 adoption 等等等等的话题 他不光要想到

而且他能更快的跟这个程序员一起去做出来 那最后达到的效果有两个 第一个就是把时间大大加速了 像之前那样的一个设计流程 可能一个周 两个周才能把一个东西实现出来 而现在真的是5分钟就可以 把这个东西实现出来了 这是第一速度 第二呢就是真实的迭代 其实真正做过产品的人都知道 我们脑子中想象的 hypothesis 80%都是错的

我之前在讲 A/B 实验的那个视频里边 有专门讲这个话题 就是我们人其实是非常不善于 预测真实世界用户到底在发生什么 和用户怎么看待我们做的这件事情的 我们需要用一个真实的原型 去尽早的给到用户 然后尽早的在真实的原型上进行迭代 所以说之前和之后的做法 不光是快 而且是我们是基于这个原型 去在这个原型上迭代了10次 迭代了20次

它给了我们很多的机会 在真实的世界里边往正确的方向去迭代 而不仅仅是快这么简单 那这背后其实相对于 第一层就是一个更大的变化 它是整个组织的变化 这里边的分工都是变化的 也就是说整个小团队 那一个 AI Native 的组织 它其实是一个小团队 这个小团队加起来一定是 end to end own 一个产品 只有 end to end own 一个产品的话 他们这个飞轮才是闭环的

然后他们才可以更快的转起来 那在这里边 不同的角色应该提供的 是他们不同的 expertise 比如说设计师提供的是审美 数据同学提供的是观测 对数据的直觉和对增长的理解 那 PM 提供的可能是一个对用户的同理 和他对整个项目的一个 vision 然后工程师提供的是 Conductor、Architecture 怎么样子最有效的调度这些 agents 让他们的一致性是好的

不 hallucinate 怎么样子有效的把 context 提炼出来 并且有效的提供给 AI 让 AI 可以更高效的运转 让每个人的杠杆都可以放大 所以说第二层 那第三点就是我不光会使用 AI 还会把判断力交给 AI 比如说一个 Designer 它会有很多的 design system 那你能不能把这个 design system 写成 AI 可以理解的程度 然后用类似于 skill 或者 context management system 的方式去教给 AI

从而让 AI 在做一件事情的时候 天然就是 respect 你们公司的 brand guideline respect 你们公司的 design system 的 那一个数据科学家 你能不能把 我们公司现在的工作 用一个尽量可量化的方式去衡量下来 把你平时分析数据的 这一套用 skills 给 AI 让 AI 它在做这件事情的时候 自然而然的就可以观测很多东西 以及可能可以基于真实数据去进行有效的迭代

对于 PM 来说 可能它是一个决策框架 用户洞察和优先级判断 这些东西如果说它一直存在在人脑 然后存在在大家的感觉之中 它其实是很难放大的 那用人单位 它在招 AI Native 的人的时候 它就希望 AI 可以尽量的放大人类的杠杆 它就需要一个人能把自己 脑子中的这些隐性知识 这些 tacit information 转化成显性知识 转化成 AI 可以直接拿去用的

显性知识 如果大家能把这些东西表达得越清楚 然后把它转化成技能、模板、上下文 AI 就越有可能去放大人类的杠杆 所以说综合来看啊 大家可以看到就是 这种真正 AI Native 的组织 它要的不是个人的能力突出 而是要个人和团队和 AI 一起 可以跑得快跑得远跑得正确 那上一代公司关心的 可能是你进来了以后 你每天能出多少张图 你能做多少个分析

现在的新公司关心的就是 你加入了以后 能不能给我们整个系统持续的带来复利 好的以上就是整个面试的框架 然后我在这里边也跟大家提醒一下啊 就是面试的框架只能帮助你 更好的叙述你已有的内容 它没有办法提高你已有的内容 提高你已有的内容 一定要在你现在的工作 或者说你的 side projects 里边去提高 你在现在的工作中 就要主动的去寻找这样的机会

去用更好的方式去做 当然我们通过企业培训也发现啊 就是现在很多公司的观念还是非常落后的 就是你的老板 或者说你的 Director 都没有想清楚这些点 他就更加没有办法去 appreciate 有这样 AI Native mindset 的人 也没有办法给你提供相应的机会 那这个时候你可能一个 有效的做法就是你自己去 做一个比较深度的 side project 如果说你觉得做一个 很深度的 AI 项目不行的话 那我建议啊

你花10分钟去看一下 我们 AI Architect 学员的项目 他们这里边我收集了55个项目 然后我放出来在微信群里边 这是一个很有行业经验的人说 他看到了这些项目以后 觉得他们的平均质量都非常的高 甚至乍一看像是 YC Demo Day 如果你真的花十分钟去看的话 你会发现这55个项目 每一个项目都是非常独特的 他们都是跟着自己的需求来 而且做的都是非常深

然后每一个项目他们大家都 把自己遇到的技术挑战 和怎么克服这些技术挑战 非常完整的进行了分享 那为什么大家可以做到呢 就是因为我们这门课设计的好 说实话就是因为我们这门课质量高 然后给大家设计了非常完整 的方法理念和具体的做法 所以说大家根据我们的课程 就可以自己想出来这些 idea 并且把它实现出来 那如果你想做这样的一个项目 但是不知道如何开始的话 欢迎直接去购买我们课程 guarantee you

就是你如果把这个课程上完 就像我们这55位同学一样 把它上完了以后 你就能做出来一个这么深度 这么有意思 然后你从头到尾都能把它讲得非常清楚的项目 那最后我要跟大家说啊 就是我会用 AI 我把 AI 当成一个工具 我去把 AI 当成一个搜索引擎 我的 prompt 是有花活的 或者说我会使用这个工具 会使用那个工具 那些东西真的在这个时代 是不构成核心竞争力的

那这个很多人还把 AI 当成一个点 当成一个临时调用的工具 但其实 AI 背后就是这样的 mindsets 就是这样的 Architecture 它是一整套全新的 工作方式和组织方式 只有你去深刻地理解了 用 AI 原生去产生生产力的方法 你才是一个在这个时代 有真正竞争力的人 那好希望这期视频把这些点都说清楚了 希望可以帮助大家更早的 知道自己要做什么样的行动

去成为一个下一个时代有竞争力的人 那这视频就到这 我们下期再见拜拜