最近看了很多AI应用的案例，越看越觉得一个问题很有意思：现在大家讲AI落地，很容易把两件事混在一起。

一件事是基模厂商、算力厂商、云厂商的增长，也就是所谓的“卖铲子”。比如调用量涨了、token消耗涨了、MaaS收入涨了、GPU更贵了，这些当然是增长，但这是铲子卖得好，不代表下地挖矿的人真的挖到了金子。

另一件事才是应用端的真实产出：一个企业用了AI之后，到底有没有少招人、少返工、少犯错、少试错，或者创造出以前根本做不出来的东西。

这两个问题不能混着讲，一混就容易把故事讲大。

这两年面试，AI相关的问题越来越多。当然了，这里说的不是AI算法岗的面试，而是大模型应用开发，或者传统后端开发中的面试。有没有同学会想，面试官到底想考你什么？

我发现一个很有意思的现象：

很多同学聊AI的时候，像是在聊新闻联播。

DeepSeek、Agent、上下文窗口、推理模型、多模态、MCP，一个词接一个词往外蹦，听起来都知道。但一问到自己平时怎么用AI写代码，怎么判断AI写得对不对，怎么处理上下文太长、响应太慢、代码跑偏这些问题，马上就开始虚了。

我发现公司同事在面试的时候，基本不太喜欢问“你知道某某模型吗”，也不太喜欢问“你了解Agent吗”。这些问题太容易背，也太容易把面试变成概念互殴。