上週 Meta 宣布裁掉 8,000 人 — 10% 的全公司員工，Zuckerberg 在內部信裡寫：「success isn't a given in the AI era（在 AI 時代，成功不是理所當然）」
整個科技圈 2026 第一季已經砍掉超過 5 萬個職位，4 月單月就超過 4.5 萬 — 兩年來最慘的單月
業界在裁、又同時砸 $725 億在 AI 上 — 整個招聘 / 解雇的邏輯都在重新洗牌
裁的不是用 AI 的人，是被 AI 取代的人。這波洗牌的本質，是「AI 移民 vs AI 原生」的世代分水嶺被加速顯化 — 簡立峰講的「失落的一代」跟「1% 超級人類」正在被分流
我為什麼一開始要丟這些數字？
因為我想跟你聊的這場面試，剛好就發生在這個業界重新洗牌的同一段時間 — 而我從中看到的東西，跟這波洗牌有直接關係
你相信一場「沒過」的面試，能比一個「過了」的面試教你更多嗎？
前陣子我跑了一家 YC 投資的 AI 公司 founding AI engineer 面試，沒拿到 offer
我想跟你聊的不是「我為什麼沒拿到 offer」這種事
我想跟你聊的是：我從這場沒過的面試裡，看到 AI 時代的「面試」這件事，正在被重新定義
一個獨立工作者為什麼會去面試
先補一段背景，不然你會覺得我在做什麼
我目前是獨立接案者，手上同時有幾條線在跑 — 一個傳統產業的 AI 導入、一個學會的研究案、一個出版集團的主管培訓、幾個顧問案
獵頭找上我的時候，我其實沒有積極在找工作
但這個職缺是 founding AI engineer，YC 投資，全遠端，有股票，職稱對
我接下這次面試有兩個原因：
一個是想驗證「市場現在怎麼看一個從企業出來、走獨立接案、自己長出 AI 產品開發能力的人」
另一個是想當作一個 避險，萬一接案這條線哪裡卡住，這條線可以接上
不是非進不可，但也不是隨便玩玩
我大概投了快一個月準備，過了一些關卡，但最終沒拿到 offer
為什麼舉這個案子寫這篇文章
我想先把這件事說清楚 — 因為它會影響你怎麼讀這篇文章
我不是想蹭 YC 這個牌子
也不是想寫一篇「某家爛公司面試把我刷掉、所以我來批評他們」的文章
我選舉這個案子，是因為它雙方都有一定品質
對方那邊：YC 投資、CTO 親自面試、整個團隊有過真實做出產品、交付給真實使用者的經驗 — 不是新手創辦人練第一手的場域
我這邊：獨立接案一年，跑過 5-6 家公司、橫跨教育 / 傳統製造業 / 醫療 / 出版 / 學會研究 5 個產業、累積 8+ 個專案；過去也拿過外商工程師 offer、工作品質有過關紀錄 — 不是完全的菜鳥
這是一場雙方都不是 輕量 的對話
但結果是我沒過
如果文章的兩邊是「強大甲方 + 菜鳥乙方」或「爛甲方 + 強乙方」，這篇文章就會變成單向敘事 — 教訓或抱怨
但兩個都不是 輕量 的時候，沒過這件事本身就會帶出更深的問題：在這場旗鼓相當的對話裡面，什麼東西讓我沒辦法跟上對方？
這個問題的答案就是這整篇文章想探討的
而且我必須承認另一件事 — 這次面試暴露的東西，不是「我對新創團隊不夠熟」
過去我在中文教育平台從早期一路待到 10 年後的轉型，從基層到高階主管角色都做過 — 新創環境我熟
這次真正暴露的，是兩件「語言」的同時不到位：
- 數位的語言：AI 時代下，我怎麼讀懂對方想要的空氣、訊號、品質
- 實體的語言（英文）：我怎麼把腦袋裡的思考流利輸出、跟對方在即時對話裡相輔相成
兩個語言我都還沒練到「相輔相成」的程度 — 這才是這次面試讓我看清楚的東西
我選舉這個案子 來寫，就是因為它讓這個差距變得非常具體可見
最後，因為這篇文章沒有「誰對誰錯」的結論，只有框架
所以唯一能讓你判斷這篇是否值得讀的，可能是這個脈絡 — 兩邊大概是什麼樣的對手、什麼樣的場域、什麼樣的對話品質
我把這個脈絡 先說明在這裡
剩下的閱讀，就留給你自己判斷
一開始我想寫的是「為什麼沒過」
被拒之後，我第一個反應是把資料封存
整套面試準備材料 — 履歷、研究報告、案子分析、訓練筆記、模擬問答、面試過程的筆記紀錄 — 我全部歸檔到 _archive/ 目錄底下，標記 rejected，準備之後類似的職缺可以再用
但當我把這些檔案整理完，準備寫一篇「我這次面試學到什麼」的反省文時，我發現我寫不下去
因為我一直在試圖回答「我哪裡做得不夠好」
但越寫越覺得這個問題本身可能是錯的
真正讓我卡住的，是「實力沒辦法透過兩種語言被對方看到」
這場面試對方的方法本身沒什麼問題
第一段他跟我聊我的人生價值觀、選擇、為什麼想加入這家公司 — 是個很好的出發點
真正讓我卡住的點，是進入考技巧的環節之後：我在「AI 語言」跟「人類語言」切換的決策點上，陷入了一種混淆狀態
我明明有實力，但這個實力沒辦法透過數位的語言、跟實體的人類語言，被對方看到
讓我用一個比喻來說明這個落差
過去面試一個 資深個人貢獻者（individual contributor，獨立貢獻者），考的東西大概可以分三類：
第一類是基本功 — 演算法、資料結構、系統設計，這類東西考的是「沒有 AI 你會什麼」
第二類是經驗 — 過去做過什麼、解過什麼問題，這類東西考的是「你的腦袋裡裝了哪些模式」
第三類是 文化契合 — 跟團隊合得來嗎、價值觀對不對
過去這三類加起來，差不多能組出一個 資深工程師的輪廓
但是 AI 進來之後，這三類的辨識度全部出問題
第一類「沒有 AI 你會什麼」變得不太重要，因為工作時你就是會用 AI，沒人會逼你裸寫一個 binary search
第二類「你裝了哪些模式」變得難判斷，因為 AI 可以幫你把任何模式補進來，你說你會的東西，可能你做過 100 次，也可能你昨天才看 Claude 教你
第三類 文化契合 還能考，但 文化契合 在遠端 + 短時間面試下，本來就是雜訊很大的東西
那麼一個面試流程真正能讀到的是什麼？
資深工作者在 AI 操作下，自己都搞不清楚自己會什麼
這是一件很多人沒意識到的事
我在獨立接案這一年，做了一個很奇怪的觀察：我自己愈來愈搞不清楚，哪些是「我會」、哪些是「Claude 幫我」
舉個具體例子
我幫一個傳產客戶做 AI 工作流程，從訪談、設計、開發、部署都我一個人
裡面有一段是 RAG pipeline，要把客戶的 PDF 拆塊、embedding、寫進 vector DB、做 retrieval
如果你問我「RAG pipeline 你會嗎？」
我會說我會
如果你逼我裸寫 — 不能開 Claude Code、不能查文件、不能 google — 30 分鐘內把整個 pipeline 寫完
我可能寫得出來骨架，但很多細節我會卡住，因為實務上我都是邊跟 Claude 對話邊寫的
那我到底會不會 RAG pipeline？
過去定義：「不查就能寫」叫會 現在定義：「有 AI 你能交付」叫會
兩個定義差很多，而且我自己都還在過渡期
如果連我自己都搞不清楚，面試官怎麼可能在 2 小時內搞清楚？
面試的雜訊跟辨識度，同時變大
我本來以為 AI 進來會讓面試的雜訊變小 — 因為大家工具都一樣，比較容易看出來「裸技術」差距
但實際走完一輪我發現，是反過來的
雜訊變大了：因為每個 候選人 用 AI 的方式都不一樣，有人靠 AI 拼湊出深度，有人靠 AI 加速產出 — 你很難分辨
辨識度也變大了：因為當你把人放在「跟 AI 協作完成一個任務」的場景下，他的 taste、判斷、溝通、結構感，會比過去裸面試暴露得更明顯
這是個奇怪的悖論：
噪音變大 + 訊號也變大，但兩個都疊在同一個維度上，所以「面試結果跟工作能力的對應關係」可能比過去更難讀
不是 offer 不算數，是 offer 跟「你實際能交付 什麼」這兩件事，過去靠得近，現在中間多了一層雜訊要解
那這場面試到底發生了什麼？
回到我的故事
那場面試我做了一份書面作業，做了一個實作展示，過程跟我接案的日常很像 — 開 Claude Code、查 docs、串 API、除錯
我交出去的東西，我自己覺得可以交付 到 production
面試結束前那 15 分鐘 — 對方給我的回饋，正好就是這篇文章想講的
在拒絕信之前，面試最後 15 分鐘，CTO 給了我一段 結尾回饋
他講了 4 件事，我覺得每一條都值得寫下來
第一，他明確告訴我：他不評估「AI 操作本身」
AI 使用已經不是 evaluation 的重點，因為大家都會用，這個能力對他來說是 commodity
他真正想看的是四個東西 — taste（品味）、judgment（判斷力）、對使用者的 empathy、對問題本身的 curiosity
第二，他指出我「不先問問題、不先 clarify」
我拿到題目就動手，沒花時間問「成功條件是什麼」「你期待什麼樣的輸出」「範圍 邊界在哪」
他說：在 AI 時代，「跟對方對齊我們要做什麼」這件事，比「做完」更重要
第三，他說我「好奇心蓋過了範圍」
我想得太多、做得太大、做得太精緻
他想看的是：短時間內交出可用的東西、留更多時間討論 取捨
第四，他說我進了「完成模式」但忘了「跟對方對話」
我以為我在示範「我可以建一個完整的、結構化的、型別清楚的系統」
但他在等我跟他對話
「把問題打進 AI、AI 給答案、我說 OK、下一步」這個 flow，他看不到我的判斷
我以為我在 demo「我多會用 AI」
他想看的是「你怎麼跟一個資深工程師一起想清楚這個問題、在 AI 加速下還能保留判斷力」
聽完這 15 分鐘，我才意識到一件事：
我帶錯了一份任務定義 進面試
我以為這場面試的任務定義 是「展示我的 AI 工程能力」
實際的任務定義 是「展示你怎麼跟一個人類工程師對話 + 在 AI 加速下還能保留判斷力」
兩份任務定義 都需要 AI，但優化的目標完全不一樣
他的回饋對我來說有點刺，但是好的那種刺
因為他講的東西，正好就是我這篇文章本身的論點
只是他用了我沒辦法 忽視 的方式講出來
過了幾天，我收到拒絕信
我沒辦法跟你說「他們為什麼拒絕」，因為他們的回饋是框架 級的，不是具體錯誤
可能是 taste 不合 可能是想找另一種 profile 的人 可能是流程裡的某個雜訊 可能是我有什麼盲點自己沒看到
我說不準，我也不打算說準
但有一件事我看見了：我的工作能力 跟 這次面試的結果，可能評估的是不同的維度
這不是要為自己解套
是看完整套 AI 時代面試流程後，我願意承認的觀察
但我想多講三層 — 「不先問問題」這件事，沒那麼簡單
CTO 指出的「你不先問問題」這件事，我承認那是事實
但我想多講三層，因為這件事比「我做錯」或「他看錯」都更複雜
第一層：「先問問題」這個動作本身的時代背景
AI 時代之前，「先問問題」這個動作其實帶有大量的套路
過去面試官給你一個題目，比方說，誇張一點：「1 + 1 等於多少？」
老派的做法是什麼？
裝作對這個題目很有興趣、double check「你期待的輸入輸出是什麼？」、找輸入跟輸出的盲點、表演「思考的過程」給對方看
這些都是套路 — 不是說沒價值，但很大一部分是表演，不是真的不知道
AI 時代不一樣了
題目一進來，我會直接把題目丟進 AI 裡，先讓它幫我把「這題有多少個面向可以切」展開來
這個展開比我自己腦袋想還快、還涵蓋更多 edge案子
我不會 100% 全聽 AI 的，但 common sense 那一層 AI 可以先 cover
然後我才開始用人的判斷力 — 挑面向、加脈絡、決定 範圍
那場面試我身體就是進到這個狀態 — 我直接把題目跟答案的 frame 丟進 AI、讓它先把 code 跑出來，然後不糾結每一行 code，而是跟 AI 對話「怎麼測試這個」「我漏了哪些案子」
這是我的「結案模式」— 先交答案、再看對方反應、再 反覆調整
如果你問我這在我日常接案有沒有用？有，而且很有用
第二層：但我那場面試真正的錯誤 — 客場打球還想耍主場花招
不過我必須承認，我這個做法在那場面試是錯的
不是因為做法本身錯，而是場域錯了
回到 NBA 球員的比喻 — 你在主場打球，可以耍很多花招、可以即興、可以做你直覺最舒服的動作
但你到了客場打球，環境陌生、節奏不熟、裁判標準甚至都不一樣 — 那時候求勝的策略是保守、是穩、是先把基本功打到位，不是搞主場才適合的花招
那場面試對我來說，就是一場客場比賽
語言上、文化上我都是弱勢 — 英文不是我的母語，要在「隨心所欲、自然對話」的狀態下問出一個道地、能展現判斷力的好問題，對我來說比中文還難一個 layer
我既然已經有語言文化的弱勢，卻還想用「結案模式」這個我主場最舒服的招式來獲取對方的信賴
這是 不對位
CTO 看到的不是「我會不會用 AI」（他看到了，也直接說了「印象深刻」）
他看到的是：這個候選人在客場，但他在打主場的球
那個落差，是我這次真正的 沒讀到的訊號 — 一個我自己事後才看清楚的 self-awareness gap
第三層：但這個 不對位 本身，也是整個業界正在面對的問題
拉遠一點看，我那場面試的失誤，其實也呈現了一個 AI 時代的更大現象
就算是兩個都已經算資深的人，對「該怎麼解一個題目」這件事，已經開始有不同的直覺
而這個現象不只發生在我一個人身上 — 2026 年整個 招聘業界 都在重新校準
- Meta 開放 候選人 在 coding interview 用 AI 助手，但他們真正想看的是「你怎麼跟 AI 協作、怎麼抓 AI 的錯」
- OpenAI 允許 live interview 用 AI，但要求 share screen + narrate reasoning，看你的判斷過程不是看 AI 的輸出
- Google 改了 rubric，把「prompt 品質、驗證 嚴謹度、抓 AI 錯誤的能力」放進主要評估維度
- Karat 的 2026 招聘數據 顯示：中階工程師開始要面系統設計題（過去資深工程師才有的）、資深工程師要面 資深 staff 等級範圍的題
整個業界都在面對同一個問題 — AI 讓「code 本身」變便宜了，但「對 code 的 judgment」變更貴
Medium 上 2026 年 5 月有一篇文章寫得很精準：「Code is 成為 cheap. Understanding is 成為 expensive.」
當 code 變便宜，傳統面試方法（演算法、資料結構、白板）原本想評估的「裸技術」就跟「真實工作能力」脫鉤了
這也是為什麼 in-person 面試從 2022 年的 24% 回升到 2025 年的 38% — 不是公司想刁難 候選人，是大家都在試著找新的辨識方式
回到 CTO 跟我的 不對位
對 CTO 來說：先問問題、釐清 範圍、時間限制、進入對話 — 注意，這不是「AI 之前 老派思維」。他自己也是 AI 原生（用 Skills.MD、做 TDD、有意識地用 AI）。他的直覺是「engineers enhanced by AI」（被 AI 強化的工程師）— 用 AI 加速判斷力，不是讓 AI 取代判斷力
對我來說：題目進來、丟 AI 展開面向、先交一個 可交付的 版本、用對話 反覆調整 — 這是我這一年獨立接案養成的 直覺，比較傾向「ship-it-then-反覆調整」
兩個 直覺 都是 AI 原生 的不同 angle — 不是新 vs 舊，是同一個時代兩種合理的工作方式
但在同一場面試裡，兩個 直覺 撞到一起，就會看起來像「候選人不夠 senior」或者「面試官沒看到候選人的框架」
這個落差未來只會越來越常見
過去軟體開發有所謂「紅綠燈測試」— 跑 單元測試、看綠燈紅燈、除錯
我覺得未來會多出一層「紅綠燈測試」— 在兩個人對「這件事該怎麼做」的認知對齊度
能不能寫出對方覺得厲害的 code，可能不再只取決於 code 本身，也取決於甲乙雙方對問題本身的認知是不是在同一個等級
認知對齊 — code 怎麼產出（人寫 / AI 寫 / 人 + AI 寫），反而沒那麼重要 認知不齊 — 不管 AI 多強、code 多漂亮，也不會是對方要的
這是 整個業界 的挑戰 — 但我覺得這個挑戰是有價值的
因為在 AI 把一切都加速的時代，能夠靜下來問「我們對這件事的理解，真的對齊了嗎？」這件事本身，就是 senior 工作者最稀缺的技能
三層放在一起
回到那場面試：
我「不先問問題」可能是 AI 時代下接案者養成的一個有效 直覺（第一層）
但在那個客場、那個語言文化、那個脈絡 下，這個 直覺 是我的 沒讀到的訊號 — 我該收起來打基本功的時候搞了主場花招（第二層）
而這種 直覺 之間的差異，正是 AI 時代資深工作者彼此辨識度被放大的原因（第三層）
三層放在一起，不是要為自己解套，是想留下一個觀察：
AI 時代，連兩個資深工程師之間，對「對的做事方法」都開始出現分歧
而面試這個場域，剛好把這個分歧放大給雙方看
我從這場分歧裡帶走的，不是「誰對誰錯」的結論
是更清楚地看見 — 我這套 直覺 的邊界在哪、什麼場合用它有效、什麼場合該收起來
第四層：兩件事我都得承認 — 反應習慣跟英文，兩條訓練軌都關鍵
寫到 Layer 3 我帶出了兩個 instinct 撞到的觀察
但接下來我必須誠實面對自己 — 把兩件具體事情拿出來認，不互相迴避
第一件事：不確定出現時，我預設轉向 AI，不轉向眼前的人
這是我獨立接案一年養出來的反應習慣
接案時大部分時候我真的一個人在做事 — 客戶不在場、partner 各忙各的，面對不確定就丟給 Claude
這個預設在接案主場服務得很好，因為大部分不確定是設計層的、可以慢慢處理
但帶到「跟人類在時間限制下做即時對話」的環境，這個反應習慣會反過來咬我
那場面試 CTO 給了至少 5 次想要我 把對話拋回給他 的訊號 — 我每次都預設回去問 AI
「等等，這題我不確定成功條件是什麼」 → 我該轉向他問清楚，我轉向 AI 「這個邊緣情境沒講」 → 我該跟他對齊優先級，我轉向 AI 「我做的方向對嗎」 → 我該停下來跟他確認，我轉向 AI
每一次都優先轉向 AI
第二件事：英文確實是大問題 — 不是放大器，是門檻沒到
我一開始想把英文降成「直覺反應的放大器」、不算核心
但拉回來檢查，這個輕描淡寫不誠實
對「我英文不夠好」這句話我必須更精準：
過去：傳統工程師面試英文夠用 — 我拿過外商 offer、工作品質過關
現在：AI 時代 founding 角色對話品質要求是另一個等級 — 我的英文不夠用
過去工程師面試的英文門檻是「能說清楚框架 + 解題」 — 那個門檻我過得去
AI 時代 founding 角色的英文門檻是「能跟對方在不確定下做即興判斷、帶業務直覺、帶資深判斷力的彈性對話」 — 這個門檻我沒到
兩個門檻不是同一件事
過去環境的英文夠用，不代表新環境的英文也夠用 — 過去經驗的轉移範圍是有 boundary 的
我必須承認 — 我這次連對話品質的英文門檻都沒到
兩件事都要承認，不能拿一個推開另一個
我一開始想拿英文推開直覺反應（「都是英文問題、直覺反應沒事」） — 不誠實
我後來想拿 直覺反應推開英文（「英文只是放大器、根因是直覺反應」） — 也不誠實
正確的做法是兩個都承認，兩條訓練軌都關鍵：
| 訓練軌 | 內容 | 適用場域 |
|---|---|---|
| 直覺反應重寫 | 不確定的瞬間優先轉向眼前的人，不轉向 AI | 中英文都適用，治根本 |
| 對話品質英文 | 從技術英文升級到彈性、即興、即時資深判斷的英文 | 跨境資深場域的前置條件 |
兩條缺一個都會把另一個限制住
如果直覺反應對了但英文卡在「技術夠 / 對話品質不夠」這個等級 — 跨境場域依然會絆倒
如果英文進步了但直覺反應還是「不確定 → AI」 — 任何場域都會絆倒
我這次面試是兩個同時 trip — 對話品質英文不夠到讓我抓不到對方的細微訊號，直覺反應在不確定時優先轉 AI 沒轉人類
對症下藥之前，得先把症看清楚
如果我把這次失誤定義成「就是英文不好、學英文就行」 — 那是窄化，學完還是會絆倒
如果我把這次失誤定義成「就是直覺反應問題、跟英文無關」 — 那是過度抽象，沒處理對方真實看到的東西
真實的對症下藥是兩條軌並行：
- 練英文 — 不是 單字，是「對話品質英文」這個等級
- 練直覺反應 — 不確定出現時，第一個轉向給人類，不是給 AI
兩個訓練都不是 30 天速成的東西
兩個訓練都是這次面試教我看到的、過去獨立接案一年沒磨到的肌肉
（其實還有第三條我留給之後練 — 簡立峰講的「跨域常識橫槓」。直覺反應跟對話品質英文是 π 字的兩條腿，但讓資深判斷力真正立得起來的，是上面那條跨域整合的橫槓。這次我先把兩條腿練穩，橫槓留給之後）
這就是這次面試讓我學到的東西
這次面試還留下一件事 — 我對兩條路看得更清楚
走完這整輪我發現一件附帶的事 — 我對「接案」跟「進新創團隊全職」這兩條路的差異看得更清楚了
接案這個形式讓我同時長很多條線、靈活度高，是我過去一年累積下來的優勢
進新創團隊全職的角色則需要更深的過程對齊、更專注、跟團隊更長時間共事，是另一種長法
兩條路都有人在走、都有價值。這次走完之後，我比較清楚自己目前的優勢和能量配置適合哪一條當主軸 — 至少在這個階段，接案是我主場
這不代表未來不會走另一條路。只是這次面試讓我把兩條路的差別摸得更具體
這個發現本身，比 offer 值錢
而且把「兩條路」這件事想清楚之後，剩下要練的兩條訓練軌反而更聚焦 — 直覺反應跟對話品質英文不只為了某一種未來職涯路徑準備，是為了任何「跨境合作 / 跨境對話」場景都需要的肌肉
結尾
我有個朋友前陣子被資遣，他問我：「現在這個時代，到底還能不能透過面試找到對的工作？」
我跟他說：
可以，但你要把「面試」這件事的定義重新寫一次
過去面試是「對方評估你」的單向動作
AI 時代的面試是「雙方互相辨識」的雙向動作 — 你也在評估這家公司、這個團隊、這位創辦人跟你的工作方式合不合
合，就進去，把 AI 協作能力一起帶進去，當作彼此的放大器
不合，就走，但你帶走的不是失敗，是更清楚的自我認識
錄取與否，可能真的不是重點了
重點是，你有沒有在這個混亂的時期，把「自己」這件事，看得比上一次更清楚一點
寫於獨立接案的第二年