不会考察候选人的「AI能力」？你可能招不到未来的人才！

你有没有发现一个现象：

打开招聘网站，现在越来越多岗位描述中多了这样一句话：

「熟悉 DeepSeek、Cursor 或其他 AI 工具者优先。」

十年前面试官会问：「你会不会用Excel、Word、PPT？」如今则变成了：「你会不会用AI？」

时代在变，技能要求也在变。

正好前些天有网友留言问：
怎么面试才能真正考察出一个人「会用AI」呢？

今天，就来聊聊这个话题。

考察 AI 能力，究竟要看什么？

很多人可能觉得，会用AI不就是会用 DeepSeek 提个问题，或者让Midjourney画个图吗？

其实远远没那么简单。

真正会用AI的人，会表现出这几种能力：

基础 AI 应用能力

1. 提示词工程（Prompt Engineering）能力：懂得用最好的方式问问题（Prompt），引导AI高效输出

虽然现在模型越来越强，大多数时候你是不需要用很复杂的提示词，但基本的提示词工程还是需要有的，比如说，你得知道怎么给 AI 提供充足的上下文；怎么要求输出的格式；知道怎么控制上下文窗口长度；推理模型和非推理模型提示词用法差别在哪里等等。

对于专业的应用，比如画图，得知道各种常用的图片参数；比如编程，得知道如何要求 AI 使用特定的语言、框架，知道训练语料少的框架该如何提供文档、示例代码。

2. 内容评估能力——知道 AI 生成的内容是否靠谱，能有效验证和优化

在你不够专业的领域，你是很难分辨 AI 生成结果好坏的。就像 AI 画图，我觉得挺好的图让专业人士点评一下，就能指出其中很多细节上的问题，但反过来在我专业的编程领域，AI 生成的结果一眼就能看出来好坏，对于不好的结果，我也知道怎么让 AI 去修改调整。

所以现在虽然 AI 能快速的生成内容，但还是需要专业人士去评估生成的结果，挑选出好的结果，或者对于不好的结果，提出要调整的方向生成更好的结果。

3. 熟练使用 AI 工具的能力：熟悉 AI 工具的使用方法，能快速上手各种 AI 工具

现在使用 AI，离不开各种 AI 工具，熟练使用这些工具才能充分发挥 AI 的能力，除了通用的像 AI 聊天工具，还有一些专业领域的工具。比如说我日常会用 AIStudio 帮我做音频转文本，比如作为程序员，日常得会用 Trae、Cursor、Winsurf 这样的 AI 工具写代码。

参考阅读：

1. 当你给 ChatGPT 上传文件的时候，你可能会觉得各种文件都差不多，但实际上，没那么简单

2. 一图看清 ChatGPT 不同模型和订阅之间的差别

高级 AI 应用能力

4. 任务拆解能力——知道哪些工作适合用AI，哪些环节应该自己把控

任务拆解在以前是一种工程能力或者管理能力，能把复杂的任务拆分成简单任务，在 AI 时代，由于我们每个人都有机会使用 AI，AI 就变成了我们的“员工”，但是 AI 这个“员工”能力又有限，一次只能处理相对简单的问题，就需要我们把复杂的任务拆分成简单的任务，最后再合并在一起完成任务。

5. 业务场景应用能力：知道如何用AI真正提高工作效率

现阶段的 AI，即使某些方面的智能已经达到博士生水平，但本质上也只是工具，还是需要靠使用者来发挥其作用，作为用人单位，希望候选人掌握 AI 技能，看重的就是候选人能将 AI 应用到业务场景中。

举例来说，有个日常以 Excel 为主的网友，曾经在我微博下面留言，说 TA 自己不会编程也不会写宏函数，但是他现在借助 AI，让 AI 帮 TA 写宏函数，把很多 Excel 的计算变成了自动化的，极大的提升效率。这就是一个典型的将 AI 应用到业务场景的案例。

更高级一点，还能重新设计现有业务流程，引入 AI 的智能，让原来需要很多手动干预的操作，变成半自动或者全自动的流程，极大提升效率。

加分项

6.快速学习能力：能够跟上AI技术快速迭代的节奏

如果你观察周围，那些 AI 用的好的人，通常是有好奇心，原意接受新事物，保持学习的人，每当有新技术，他们会原意去尝试，去应用。所以招聘是，好奇心、快速学习能力通常是一个很好的加分项。

总结一下就是 6 个方面的能力：

1. 1. 提示词工程（Prompt Engineering）能力
2. 2. 内容评估能力
3. 3. 熟练使用 AI 工具的能力
4. 4. 任务拆解能力
5. 5. 业务场景应用能力
6. 6.快速学习能力

简单说，就是：

不但会用AI工具，更要知道「什么时候用」「怎么用」「怎么用得更好」。

不同领域，怎么考察AI能力？

不同岗位、不同领域，对AI能力的需求其实是不一样的。

举几个常见领域的例子：

软件开发领域：AI辅助编程

程序员面试，以前都是让候选人徒手写代码，现在AI时代来了，光凭手写未必真实。

更好的办法是：

直接让候选人现场用 AI 工具（比如 Trae、Cursor 或 Windsurf 等）解决一个小问题。

关键不在于 AI 写了多少代码，而是：

• • 他怎么问 AI？
• • 如何判断 AI 写的代码对不对？
• • 遇到问题怎么调整？

考察的是程序员利用 AI 的真实技能，而不是死记硬背的能力。

市场营销领域：AI 生成创意和内容

营销岗位尤其看重创意，但很多创意初稿现在都能让 AI 快速生成了。

面试时，不妨这么做：

• • 给候选人一个产品，让 TA 用 AI 生成一条营销文案。
• • 然后问 TA：「你为什么用这个 Prompt？」、「AI 给的文案你怎么看？」

真正的考察点在于：

• • 候选人会不会灵活地调整提示词；
• • 是否能判断 AI 内容质量，主动修正不足之处；
• • 对 AI 生成内容是否有自己的标准（比如品牌调性、目标用户偏好）。

产品管理领域：用 AI 做用户洞察和数据分析

产品经理的日常工作经常和数据打交道。

比如，你可以现场出一道题：

「给你一份用户反馈数据，现场用 AI 工具帮我们提炼出产品改进建议。」

考察候选人：

• • 是否懂得怎么使用 AI 快速抓住用户的痛点；
• • 有没有能力验证 AI 结论的准确性；
• • 是否能结合 AI 建议，提出清晰明确的改进方案。

具体可以问什么样的问题？

这里给大家分享一些实操性强的通用AI面试题：

• • 「你遇到过 AI 给出明显错误答案的情况吗？你怎么处理的？」
• • 「最近有没有新出的 AI 工具或功能是你学习并实际应用了的？具体讲讲。」
• • 「你平时怎么调整 Prompt 来优化 AI 输出？」
• • 「如果 AI 生成的内容和你的预期不符，你会怎么优化它？」
• • 「你觉得 AI 目前有哪些无法解决的业务难题？遇到这些难题你会怎么办？」

这些问题看似简单，但候选人的回答可以充分展示：

• • TA 有没有真正用过 AI；
• • TA 是否能批判性地看待 AI 工具；
• • TA 是否具备快速学习和自我优化的意识。

如何有效评估候选人的AI能力？

要真正了解一个人的 AI 水平，不能只靠简单问答，最好做到：

• • 现场实操：当场让候选人用 AI 工具解决具体问题，观察其真实操作过程。
• • 多角度考察：既看候选人使用 AI 的熟练度，也看他对 AI 的理解深度。
• • 注重开放性提问：引导候选人表达对 AI 的见解，观察其思考的深度和广度。

优秀的人才会主动提到 AI 的局限性、使用的风险、以及如何有效避免这些风险。而不够熟悉的人通常只是机械地使用工具，甚至完全忽略了 AI 可能产生的误导性结果。

还有最重要的一点，面试官最好自己要有一定的 AI 使用经验，否则你很难分辨候选人回复答案的好坏。

结语：未来，AI 会像 Excel、PPT 一样普及

曾经，懂得用 Excel、PPT 的人更容易找到好工作；如今，懂得如何巧妙运用 AI 的人也会拥有同样的竞争力。

但真正优秀的人才，并不是会用几个工具那么简单，而是知道：

• • 如何更高效地完成任务；
• • 如何与 AI 有效沟通；
• • 如何快速学习新的工具和方法。

所以，下次面试的时候，不妨多问问上面那些问题，或许你会发现，真正会用 AI 的人才并不只是懂技术，而是懂得让技术更好地为自己服务的人。