91学AI - AI Native 工程师

AI 编程类的面试有什么新趋势？该怎么准备？

AI 编程面试从考八股转向考实战：现场人机协作写代码、讲工作流、审 AI 产出找雷；准备方向是用熟一两个工具、沉淀方法论、备好事例和数据。

91学AI·6 阅读

这题考的是 AI 拉平产出后的差异化认知：优势不在用得熟练，而在问题定义、质量判断、系统兜底三类 AI 替代不了的能力；要用具体事例佐证，别讲概念。

91学AI·5 阅读

AI 让「写代码」环节大幅贬值，程序员的重心转向问题定义、质量判断和系统设计；角色从作者变成审校与指挥，守住核心代码能力和系统理解是护城河。

91学AI·4 阅读

规范驱动开发把 spec 提升为一等公民：先写可验收的规范，再生成计划、任务、代码；AI 时代 prompt 易逝而 spec 持久，SDD 解决的是意图漂移和返工问题。

91学AI·5 阅读

AI 时代 review 的重心从「逐行找错」转向「审意图、审边界、审设计」；流程上要小 PR、作者先讲清改动、测试与静态检查前置，人守住 AI 缺陷高发的三个区域。

91学AI·5 阅读

AI 代码质量保障靠四道闸：约束前置写进项目记忆、测试与静态检查机器兜底、小步提交逐段验收、合并者承担全责；核心是把信任从人转移到流程。

91学AI·5 阅读

Vibe coding 指不看代码、凭运行结果顺不顺来驱动 AI 编程的方式；原型场景提效明显，但生产场景会引入安全漏洞、隐性 bug 和不可维护代码，必须配验证底线。

91学AI·6 阅读

高效 AI 编程工作流分四步：先写清 spec 对齐意图，再让 AI 出 plan 人工确认，拆成 todos 小步执行，每步 verify 后再推进；核心是人在关键节点设卡。

91学AI·5 阅读

Claude Code 本质是跑在终端里的 agent loop：模型决策、工具执行、结果回灌、循环推进；靠通用工具集、CLAUDE.md 记忆和上下文压缩支撑长任务。

91学AI·6 阅读

AGENTS.md/CLAUDE.md 是每次会话自动注入的项目级持久记忆，写法要短、具体、可执行、分层组织、随代码演进维护，反模式是写成长篇文档无人更新反成误导源。

91学AI·5 阅读

Claude Code 的上下文管理靠 CLAUDE.md 持久记忆、auto-compact 阈值压缩、子 Agent 隔离、工具输出截断落盘四件套，是上下文工程的最佳实践样板。

91学AI·7 阅读