你的 AI Coding 占比多少？面试官追问的才是重点

最近面试，我每次都会问这个问题。

不是为了得到一个数字。这个问题之后的对话，往往能看清楚一个工程师的 AI Coding 认知。

---

占比越高越好

先说我的立场：占比越高越好。

AI Coding 的价值，就在于把你从重复的、机械的编码工作里解放出来。占比越高，说明你越充分地用上了这个杠杆。

工作一两年的候选人，回答普遍很高。80% 以上，有人直接说 100%。这很正常，做的多是新系统、功能边界清晰的需求，AI 在这里确实好用。

资深工程师的占比反而低一些，50% 左右，有的更少。原因也很直接：老系统里藏着多年的业务决策、踩过的坑、当时的技术限制，还有一堆只有老人才知道的”为什么这么写”。AI 不知道这些，你要让它动那段代码，得先把所有隐性上下文翻译给它，成本很高。

但这里有个判断：如果一个资深工程师在老系统上也能做到高占比，说明他有真方法。他找到了怎么把隐性上下文结构化喂给 AI、怎么拆解任务让 AI 能接手的路子。这比新人在新系统上的高占比含金量高得多。

有个比喻挺准的：传统编程像写小说，AICoding 像带徒弟。徒弟手快，但需要管教。师傅负责的是方向和质量，不是打字速度。在老系统上用好 AI，难的不是让它写代码，是让它理解你这个”老师傅”脑子里的东西。

---

我真正在追问的

所以数字本身不是终点，我想追问的是：你的占比是怎么做到的？

第一个问题：遇到过什么坑？

没踩过坑的高占比，要么是做的事情太简单，要么是踩了没意识到。

AI 的代码，表面上能跑，逻辑可能是错的。合并了，上线了，出问题了，才发现某个边界条件处理错了。踩过这种坑的人，通常会主动讲。描述里有个转折：“从那之后，我开始……”

第二个问题：怎么验证 AI 给你的代码？

这个问题最能区分人。

差的回答：跑一下没报错，看起来对就提了。

好的回答有三层：语义上说清楚了吗，AI 理解对了吗；运行上能跑，报错处理了没；逻辑上做的是我想要的事吗，边界用例覆盖了吗。能说出第三层的，知道生成只是起点，验证才是核心。

第三个问题：你的工作节奏是什么样的？

没有闭环，占比再高也是在堆风险。今天生成快，明天 review 和返工的成本全在那等着。

好的节奏：写一个函数，立即验证。出错，立即修。不堆积，不等待。

Peter Steinberger，OpenClaw 开发者，AI Coding 领域的先行者，他有句话很直接：“Just Talk To It。” 很多人总结的最佳实践，其实只是旧模型时代的 workaround。随着模型越来越强，他的提示越来越短，现在一句话加一张截图，AI 就能做对。但他同时跑 3 到 8 个实例，每次改动前先评估影响范围。高占比，高速度，同时有严格的验证节奏。这才是方法。

---

认知框架才是我想看的

问到最后，我看的是这个人有没有形成自己的方法论。

占比是结果，方法是原因。 能讲清楚自己怎么在复杂系统上把占比做高的人，才是真正把 AI Coding 用明白的人。

以前考察工程师，看的是能不能把需求转化成代码。现在多了一层：能不能把复杂系统和业务上下文，结构化地喂给 AI，让它能可靠地接手。

这个能力，所有人的起点都一样。AI Coding 某种程度上让大家站在了同一起跑线，拉开差距的是谁先跑通了自己的方法。

---

所以如果你也被问到这个问题，不要只报一个数字。

说说你的方法，说说踩过什么坑，说说你的节奏。

占比是起点，方法才是答案。

AI Coding 的用法正在分层。关注我，一起聊。