有个最近越来越常见的面试问题：AI 写代码比你快很多，候选人的价值到底在哪里？
这个问题表面是在问工具替代，实际是在问技术面试的评价标准有没有变。我的判断是：变化不在于面试官不再看代码，而在于“只把代码写出来”越来越难单独证明一个工程师可靠。真正能拉开差距的，是你能不能把问题、约束、取舍、验证和复盘讲成一条证据链。
这也是我这轮更想写的主题。不是继续讨论 mock interview，也不是把 AI 面试助手讲成万能练习器，而是回到 coding interview、系统设计面试和项目深挖里最硬的部分：你怎样证明自己不是在背答案，而是在稳定地解决问题。
写这篇前，我看了掘金首页几篇同平台高互动内容的写法：有的用“面试官让我手写 Promise”这种具体冲突开头，有的先抛出“35 岁程序员的价值”这种判断，有的把“AI 写代码比你快 100 倍”拆成能力问题。它们共同点不是标题刺激，而是开头先给一个真实矛盾，中段用场景拆开，结尾落到可执行方法。我也按这个节奏写。
只会写出答案，已经不够了
以前很多 coding interview 的准备方式，是把题型、模板和复杂度背熟。两数之和、LRU、二叉树遍历、Promise、并发控制、缓存淘汰，准备得越多，心里越稳。
但面试官真正想看的经常不是“这题你见过没”，而是几件更细的事：
你听到需求时有没有主动确认输入规模、边界条件和错误路径。
你选方案时能不能解释为什么不是另一个方案。
你写代码时会不会把核心不变量讲清楚，而不是安静敲完。
你遇到追问时能不能调整，而不是只会回到原模板。
你答完后是否知道自己哪里弱，下一轮该练什么。
这些东西很难靠刷题数量自然出现。一个人刷了 300 道题，仍然可能在真实面试里卡在“为什么这样设计”“如果数据量大 100 倍怎么办”“这个 tradeoff 你怎么验证”。这就是 AI 时代技术面试更残酷也更公平的地方：代码生成门槛降低，表达、判断和复盘门槛变高。
5 层证据链：从题目到复盘
我现在更建议把一次技术面试准备拆成 5 层证据链，而不是只拆成“算法题”和“系统设计题”。
第一层是问题识别。拿到题目时，先判断它到底在考什么。是数据结构选择、状态转移、并发边界、系统吞吐、缓存一致性，还是简历里的项目真实性？很多候选人一上来就写代码，实际已经错过了确认问题的机会。Coding Interview Assistant 真正有价值的地方，不是替你答题，而是帮你把题目归类，把约束和追问方向先摆出来。
第二层是方案选择。你要能说清楚当前方案解决了什么，牺牲了什么。比如系统设计面试里做消息队列消费，至少要讲重复消费、幂等 key、重试策略、死信队列、可观测性和回滚方式。不是把这些词列出来，而是说明为什么当前业务需要它们，哪些可以先简化，哪些不能省。
第三层是表达结构。很多人会做题，但讲得像在自言自语。面试官听不到你的判断，只看到你在试错。一个更稳的表达顺序是：先复述目标，再列约束，再给方案，再说复杂度或容量，再主动补一个风险。Interview Copilot 这类能力应该服务于结构化表达，而不是让人绕开面试规则。
第四层是项目证据。简历 JD 准备最容易被低估。JD 里写高并发、稳定性、Agent、RAG、搜索、推荐、支付、风控，你就要把自己简历里的项目拆成证据：我负责哪一段、指标是什么、失败过什么、怎么排查、为什么这样取舍。没有这层证据，系统设计回答容易变成背八股。
第五层是面试复盘。复盘不是写“这题没答好”，而是标记第一次失控点：题意听偏、方案选早、复杂度没讲清、tradeoff 没证据、追问后防守太久。下一次训练只针对这个失控点，不再盲目加题量。
一个具体例子：从 Promise 题到工程判断
假设面试官让你手写 Promise。最普通的准备方式，是背 resolve、reject、then 链式调用和状态不可逆。这样能过基础题，但不一定能证明工程判断。
更好的拆法是这样：
问题识别：这不是只考 API 记忆，而是在看你是否理解异步状态、回调队列和错误传播。
方案选择：先实现最小状态机，再扩展 then 的异步执行和链式返回，不一口气写完整规范。
表达结构：每写一段先讲不变量，比如 pending 只能转一次，fulfilled/rejected 后回调顺序不能乱。
项目证据：如果你做过前端稳定性、请求封装或任务调度，可以顺带说明在业务里如何处理重试、取消和错误边界。
复盘动作：如果你卡在 thenable 或微任务队列，不是继续刷 20 道 Promise，而是单独练“异步执行顺序”和“错误冒泡”两类追问。
这类拆法适用于算法题，也适用于系统设计面试。比如做短链接服务，别只背“数据库 + 缓存 + 哈希”。要讲清楚读写比例、冲突处理、热点 key、过期策略、监控指标和滥用风险。面试官真正需要的是你能把答案从代码片段拉到工程场景。
AI 面试助手应该帮你练什么
我做 Offer.cc 时，对 AI 面试助手有一个很明确的边界：它不应该被包装成作弊工具，也不应该承诺保过。更合理的定位，是把准备、表达和复盘变得结构化。
一个好的 AI 面试助手应该做四件事：
把技术题拆成题型、约束、复杂度和追问清单。
把系统设计题拆成容量、数据模型、接口、故障模式和 tradeoff。
把简历 JD 准备拆成岗位要求、项目证据、风险点和可能追问。
把面试复盘拆成卡住点、原因、下一次训练动作和薄弱点回看。
Offer.cc 现在更适合这个方向：用 Coding Interview Assistant 帮你整理技术题和系统设计框架，用 Interview Copilot 练结构化表达，用面试复盘把每一次练习沉淀成下一轮训练清单。入口放这里，链接保持干净： offer.cc/zh/coding-i…
一套 30 分钟准备法
如果你明天就要面试，不建议临时刷大量新题。更稳的是做一次 30 分钟证据链训练。
前 5 分钟，读 JD，只圈 3 个高频能力词，比如 distributed system、React performance、Java concurrency、RAG、payment、observability。
接着 8 分钟，从简历里找对应项目证据。每个能力词至少写一个项目事实：当时的问题、你的动作、结果指标、失败或取舍。
再用 10 分钟做一题或一个系统设计片段。不要追求完整，而是边做边讲：我确认了什么约束，我为什么选这个方案，我担心哪里，我会怎么验证。
最后 7 分钟复盘，把问题写成四格：题目、当场答案、卡住点、下一次训练动作。
这 30 分钟不会让你突然变成算法高手，但会让你的面试表现更像一个工程师，而不是一个临时背答案的人。
结论
AI 让写代码更快，但没有让技术面试变简单。面试官会更在意你能否定义问题、解释取舍、组织表达、拿出项目证据，并在失败后复盘。
所以技术面试准备别只问“我还要刷多少题”。更值得问的是：我能不能把每道题、每段项目、每次追问都变成一条证据链？如果能，AI 面试助手才是训练系统；如果不能，它只会变成另一个让人焦虑的工具。
关键词自然落在这里：AI 面试助手、技术面试辅助、Coding Interview Assistant、Interview Copilot、系统设计面试、简历 JD 准备、面试复盘。真正有用的准备，不是把这些词挂在标题里，而是让它们对应到你下一次面试里的具体动作。
