Как проверить разработчиков без Leetcode
Что на самом деле измеряет Leetcode
Задачи в стиле Leetcode измеряют способность вашего кандидата решать алгоритмические головоломки под давлением времени. Это реальный навык. Это также, для 95% инженерных должностей, не тот навык, который вы нанимаете.
Когда команды жалуются "мы продолжаем нанимать людей, которые проходят Leetcode, а затем выпускают глючный CRUD-код", система работает как задумано. Вы измеряли неправильное.
Что измерять вместо этого
Навыки, которые на самом деле предсказывают производительность на рабочем месте для большинства должностей:
- Могут ли они читать существующий код и быстро его понимать?
- Могут ли они написать код, который другой инженер хочет поддерживать?
- Могут ли они спроектировать небольшую систему от начала до конца?
- Могут ли они отладить проблему без готового ответа?
- Могут ли они ясно сообщать компромиссы?
Ни один из них не требует задачи Leetcode.
Три форматы интервью без Leetcode
1. Упражнение "Исправить кодовую базу"
Дайте кандидату маленький, намеренно сломанный репозиторий (50–200 строк). Скажите им симптом: "API возвращает 500 при этом запросе." Попросите их найти и исправить ошибку, обсуждая свои рассуждения.
Это тестирует чтение кода, отладку и коммуникацию — три навыка, которые Leetcode не затрагивает.
2. Упражнение "Расширить функцию"
Дайте им рабочее приложение и попросите добавить одну небольшую функцию. Может быть, новое поле, новый endpoint, новое правило проверки. Смотрите, куда они смотрят в первую очередь, что они спрашивают и насколько чистый diff.
3. Разговор "Спроектируй это маленькое"
Не большой дизайн системы ("спроектируй Twitter"). Маленькое. "Спроектируй API для сокращателя URL, который поддерживает пользовательские slugs и истечение." 30 минут. Интересные части выходят из последующих вопросов, а не из диаграммы.
Почему эти форматы естественно ловят обман AI
Задача Leetcode с известным ответом тривиально решаема LLM. Репозиторий из 200 строк с тонкой ошибкой требует от кандидата читать код — и LLM, который не видел репозиторий, не лучше кандидата в поиске проблемы. Сам формат частично устойчив к AI.
Дополните сигналами интегрности
Даже с реалистичными проблемами дополните оценку сигналами нажатия клавиш и экрана. Кандидат, вставляющий исправление из ChatGPT, всё ещё флаг, который стоит видеть. ClarityHire поставляется с шаблонами для обоих форматов сломанного репо и расширения функции; клонируйте один, настройте, отправляйте.