面试被问“你怎么用AI提效”，答工具名最省事，但也最容易被追问。消息提到一项针对某款宣称能省token的代码工具的实测：在Terminal-Bench 2.1上共1740次尝试、花费超1500美元，结论是该工具并不普遍降低成本。这项实测有明确范围——特定任务、特定模型组合，不能直接推给所有团队。但它的启示很具体：用AI和更便宜，本来就是两件事。

先问单位任务成本，而不是用不用AI

同一段代码，两种做法差别可能很大。做法A让模型一次生成、人工修改；做法B反复重试直到通过。前者省时间，后者可能把账单推高。面试时你可以问：团队有没有按任务类型统计过token或订阅成本？是看月费，还是看单次任务的实际花费？

如果对方只说“我们都在用”，却说不清谁在核算、按什么口径核算，那这个预期大概率还停在感觉层面。1740次尝试、超1500美元这个量级说明，尝试次数和花费是可以被记录的——问题只在于团队愿不愿意记。

追问“更快”到底指什么

“AI让开发更快”是一句很容易滑过去的话。你要追问口径：快是任务完成时间缩短，还是尝试次数减少，还是账单金额下降？这三者经常不同步。重试少了但单价高了，总成本未必降。

一个可用的判断方法：请对方举一个最近的具体任务，说说用AI前后的耗时和花费。如果只能给笼统感受，说明效率提升还没被拆成可核查的指标。这不是说团队不靠谱，而是你要知道自己进去之后，“提效”会不会变成你个人的隐性KPI。也可以直接问：这个指标会不会进个人考核？

判断投入是务实还是跟风

务实团队通常愿意区分任务类型：哪些适合交给模型，哪些不适合；也承认某些场景下AI反而更贵。跟风团队则容易把“用了AI”直接等同于“更划算”。

你可以问：团队有没有因为成本原因调整过工具或用量？有没有做过上线后的成本复盘？如果对方回避成本，只反复强调“拥抱AI”和“大家都在用”，那你在谈薪和定预期时就要更谨慎——至少别默认“用AI省下的时间会算成你的产出”。

模拟一个面试场景（假设）：面试官问你怎么用AI提效，你先讲自己实际的做法和边界，再反问“团队目前怎么衡量AI带来的收益”。这不是抬杠，是把话题从工具名拉回可验证的口径。

结尾给一个实际可做的小建议：面试前，挑一个你最近真实做过的任务，记下用AI前后的耗时和大致花费，面试时用这组数字回答，再顺势问对方的核算方式。你有具体数字，对方有没有，一问便知。