招聘团队真正要回答的,不是候选人知不知道几个AI名词,而是他能不能在岗位任务中稳定交付。把冰山模型落到AI面试,关键是让每项能力都对应可观察的证据。
这篇给出一套四步落地法:先按冰山模型区分水面之上的实操能力与水面之下的底层素养;再为每项能力指定能留下证据的考核形式;然后整理成一页能力维度映射表,写清考核动作、观察点和记录去向;最后把逐题记录回写到多维能力画像。本文只处理能力项与考核动作的对应。
先看两层结构:冰山之上考什么,冰山之下看什么

冰山模型的价值,在于把“会不会用AI”拆成两种不同性质的证据。水面之上,是能在任务里直接看到的实操表现,例如把需求拆开、写出提示词、校验AI输出;水面之下,是支撑这些表现长期稳定的底层素养,例如学习迁移、沟通协作与判断。资料中的AI能力考核方案把AI能力拆为6项可考核的实操能力和6项可迁移的底层通用素养,不能只看一张AI常识试卷。
牛客AI面试的冰山模型图,把身体/生理条件、价值观、动机等维度放在水下层次,也提示水面上的任务表现与水面下的稳定特质要分开记录。单一AI常识分数答不了能力层级与素养问题。
第一步:把岗位AI能力拆成可命名、可区分的两层

拆分时不要从题库出发,而要从岗位交付物出发。先列出这个岗位需要借助AI完成的结果,例如需求分析、数据归因或活动方案,再把所需能力写成可命名的能力项。资料中的AI能力考核把AI常识、提示词能力和AI实战能力作为三个考核方向,可作为实操起点;底层素养则单列为可迁移的通用素质,不与具体工具操作混在一起。
判断能力项属于哪一层,可以问:它能否在短时间内通过一次任务直接观察?如果不能,需要多轮追问或行为例证才能判断,就应归入水下素养。常见误拆是把“会用某个工具”写成素养,或把“沟通表达”写成一次实操题;前者会随工具变化,后者需要行为证据支撑。
第二步:为每项能力选择能留下证据的考核形式
能力项确定后,考核形式要服务于证据,而不是追求题型新颖。AI实战任务适合验证可验收的交付质量;提示词能力与AI常识可以用标准化题目或智能出题;语言能力可对应20+语言评估;专业与通用素质可对应测评。牛客AI面试产品手册还列出智能出题、2s极速多维追问和智能人才报告,为过程证据采集提供工具基础。
选择原则是让候选人在接近真实岗位的场景中产生可观察行为。评分标准应由领域专家与企业共创,基于冰山模型确定考核维度、权重和对标行业常模的描述;本文不展开具体权重数值。
第三步:把对应关系写成一张AI能力维度映射表
映射表的价值,是让每次面试都能回答三件事:用什么任务考、看到什么行为算证据、这条证据最后落在画像的哪一层。下表给出起稿结构,企业可按岗位增删能力项。
| 能力层 | 能力项(示例) | 候选考核形式 | 可观察证据 | 记录去向 | 画像回写位置 |
|---|---|---|---|---|---|
| 实操层 | 需求拆解 | AI实战任务 | 任务分解与交付物 | 逐题记录 | 实操画像 |
| 实操层 | 提示词与AI常识 | 标准化题目 | 作答与追问记录 | 逐题记录 | 实操画像 |
| 素养层 | 学习迁移 | 结构化行为追问 | 新情境下的动作 | 追问记录 | 素养画像 |
| 素养层 | 沟通协作 | 专业与通用素质测评 | 表达与协作例证 | 测评记录 | 素养画像 |
填表有两个约束:每行只放一个能力项,避免一行里既考提示词又考沟通;证据列必须写成可观察的动作或产出。这张表是方法推导,不替代岗位建模,也不提供具体权重数值。
第四步:核对评估结果怎样回写能力画像
面试结束后,结果不应停在一条总分。资料中的方案强调生成多维能力画像,既呈现候选人当前的AI实战水平,也预判其未来的成长潜力。操作上按“逐题记录→分层汇总→画像层级”核对:每题的作答与追问先保留,再按实操与素养汇总,最后回到画像对应位置。
牛客AI面试的成绩报告样例中,综合得分旁边配有雷达图和金字塔图,画像呈现需与逐题证据并存。核对时重点看三件事:画像结论能否追到具体题目;追问是否保留原始动作;是否保留人工复核条件。自动评分可提效,但不能替代录用结论。
适用条件与边界:什么时候这张映射表需要重新校准
这张映射表依赖岗位建模先行。岗位职责、业务场景或AI工具链变化时,原有能力项和证据形式可能失效,需要重新校准;同一张表不宜直接套到所有岗位。按岗位设置权重应由企业结合目标确认,本文不讨论具体数值。
还要区分方法推导与产品事实:本篇给出的表格是分析框架;“140+岗位业务场景”“20+语言评估”“专业能力测评”“通用素质测评”“2s极速多维追问”等表述来自牛客AI面试产品手册的冻结资料。产品能力以牛客官方最新说明为准,不把通用AI面试的做法写成特定产品承诺。相邻主题分别负责题型组合、英语对标与分档审查。
常见问题
问:冰山模型里的“水下素养”能直接考出来吗?答:不能把它当成一次笔试就能测出的固定分数。可用的办法是把素养翻译成可观察的行为例证,再用结构化追问收集多轮证据;证据不足时标为待补,不替候选人补全。
问:实操能力和底层素养要不要分开出题?答:建议分开记录、配合使用。实操题回答“现在能不能交付”,素养追问回答“换一个场景还能不能稳定交付”;两类证据混在一条评分里,画像结论难解释,也不利于用人经理复核。
问:映射表做好后,怎样判断它是否可用?答:用一两个真实岗位小范围试评,检查每项能力能否追到具体题目、观察点和记录位置;如果某一行找不到对应证据,先补考核动作或删掉该行,再决定是否扩大使用范围。
让下一次AI面试从“考什么”开始
把冰山模型落到AI面试,不是多加几道AI题,而是先分层、再为每层选择能留下证据的考核形式、最后回写画像。你的下一次面试,能不能说清每个结论来自哪道题?










