Come Screen Developer Senza Leetcode

Cosa Leetcode effettivamente misura

I puzzle in stile Leetcode misurano l'abilità del tuo candidato di risolvere puzzle algoritmici sotto pressione di tempo. Questa è una skill reale. È anche, per il 95% dei ruoli di engineering, non la skill che stai assumendo per.

Quando i team si lamentano "continuiamo ad assumere persone che passano Leetcode e poi spediscono buggy CRUD code," il sistema sta funzionando come designato. Hai misurato la cosa sbagliata.

Cosa misurare invece

Le skill che effettivamente predicono le prestazioni on-the-job per la maggior parte dei ruoli:

• Possono leggere codice esistente e capirlo velocemente?
• Possono scrivere codice che un altro engineer vuole mantenere?
• Possono designare un piccolo sistema end-to-end?
• Possono debuggare un problema senza la risposta?
• Possono comunicare chiaramente i trade-off?

Nessuno di questi richiede un problema di Leetcode.

Tre formati di intervista senza Leetcode

1. L'esercizio "fix the codebase"

Dai al candidato un piccolo, intenzionalmente rotto repo (50–200 righe). Dì loro il sintomo: "l'API ritorna 500 su questa richiesta." Chiedi loro di trovare e fixare il bug mentre parlano attraverso il loro ragionamento.

Questo testa reading, debugging, e comunicazione — tre skill che Leetcode non tocca.

2. L'esercizio "extend the feature"

Dagli un'app funzionante e chiedigli di aggiungere una piccola feature. Forse un nuovo campo, un nuovo endpoint, una nuova regola di validazione. Guarda dove guardano primo, cosa chiedono, e come pulito il diff è.

3. La conversazione "design this small thing"

Non un Big Tech system design ("design Twitter"). Una piccola cosa. "Designa l'API per uno URL shortener che supporta custom slug ed expiration." 30 minuti. Le parti interessanti escono dai follow-up, non dal diagram.

Perché questi formati catturano naturalmente il cheating di AI

Un problema di Leetcode con una risposta conosciuta è trivialmente risolvibile da un LLM. Un repo rotto di 200 righe con un bug subtile richiede al candidato di leggere codice — e un LLM che non ha visto il repo non è migliore del candidato nel trovare il problema. Il formato stesso è parzialmente AI-resistant.

Pair con segnali di integrità

Anche con problemi realistici, pair la valutazione con keystroke e screen segnali. Un candidato che incolla una soluzione da ChatGPT è ancora una flag che vale la pena vedere. ClarityHire spedisce template per entrambi i broken-repo e estend-the-feature formati; clona uno, customizza, manda.