简而言之
- 每项一个要点: 一项考察要求就是好回答会说出或做到的一件事,针对具体问题,在面试前写好。
- 必备项要严格: 只放在这个级别上缺了就会拒绝候选人的内容,其余都是加分项。
- 每个环节三到六项: 太少,一次失误就定了结果;太多,回答在有限时间内无法全部覆盖。
- 由代码计分: 在 testee 中,每项考察要求都会得到一个状态并附上原话引用;必备项权重加倍,评分供审阅参考,并非录用决定。
- 只关乎工作: 绝不涉及受保护特征、工作年限或流利度之类的替代指标,也不涉及“文化契合”。
什么是考察要求
一项考察要求,就是好回答应涵盖的一个要点。在面试前写好它们,并区分必备项和加分项,就能把一份问题清单变成面试评分标准:每位候选人都按事先确定的同一组要点来评判。
- 按环节设定。 在 testee 中,每个环节(一个问题、一项任务或一段角色扮演)都有自己的考察要求,且至少有一项是必备项。
- 两个级别。 必备项是核心:候选人缺了它你就会拒绝。加分项是额外加分。
- 对候选人隐藏。 考察要求从不会发送到候选人的浏览器,即使被问到,AI 面试官也不会透露。
- 有据可查。 每个环节结束后,AI 分析会为每项考察要求给出状态,并引用候选人支撑该判断的原话。
- 测验由系统计算。 测验中“回答正确”这一必备项取决于所选选项,而不是 AI;其他考察要求评判的是候选人的解释。
状态与覆盖度评分如何运作
| 状态 | 含义 | 计分 |
|---|---|---|
| 已覆盖 | 无需引导,清晰且正确地回答到了这一点 | 全分 |
| 部分覆盖 | 提到了,但较浅或不完整 | 半分 |
| 提示后覆盖 | 面试官给出提示后才回答到 | 半分 |
| 不正确 | 回答到了,但有事实性错误 | 不计分 |
| 未覆盖 | 没有回答到 | 不计分 |
覆盖度评分范围为 0 到 100,由代码根据这些状态计算得出,从不由 AI 给出;必备项的权重是加分项的两倍。以一个包含三个必备项和两个加分项的环节为例:候选人覆盖了两个必备项,第三个只答到部分,覆盖了一个加分项,漏掉了另一个:2 + 2 + 1 + 1 + 0 = 6 分(满分 8 分),得分 75。
报告还会说明是否满足了所有必备项(已覆盖或提示后覆盖)。在这个例子中并没有:部分覆盖的那一项不算。整场面试的总分由各环节综合而成,每个环节按其考察要求的数量加权,因此考察要求越多的环节占比越大。审阅人可以手动修改任何状态,评分也会标注“供审阅参考,并非录用决定”(使用说明)。


逐项打分、再按固定规则相加,是有意为之。多项研究表明,用公式汇总评分比专家在脑中综合判断更能预测工作绩效:平均效度为 .44,而后者为 .28(Kuncel et al. 2013)。如何解读结果,请参阅如何阅读 AI 面试报告。
编写能在回答中看得见的面试评分标准
好的考察要求描述的是候选人说了或做了什么,并且针对具体问题,这样两位审阅人读同一个回答时会得出相同的状态。事先描述好回答应包含哪些内容的量表,可以追溯到 Smith & Kendall (1963);使用这类量表时,面试官之间的评分一致性很高(Taylor & Small 2002)。
- 每项一个要点。 “查看日志并回滚版本”是两项检查,应拆开。
- 一个行动或一句陈述。 以动词开头:说出、解释、询问、核实、承认。
- 针对具体问题。 写“以 UTC 存储时间,只在显示时转换”,而不是“懂日期处理”。
- 简短。 最多约 20 个词。
- 多种回答都算时,列出示例。 “提供变通办法(某项设置、导出、手动操作)”:做好其中一种就够了。
| 模糊 | 问题所在 | 可观察 |
|---|---|---|
| 沟通能力好 | 任意两位审阅人都难有共识 | 回答前用一句话概括客户的问题 |
| 技术能力强 | 与问题无关 | 指出时区是在系统的哪个环节丢失的 |
| 以客户为中心 | 是特质,不是行动 | 建议替代方案前,先询问客户如何使用该功能 |
| 懂销售 | 无法从一个回答中看出 | 跟进前先回顾演示时达成的共识 |
| 产品感好 | 太宽泛 | 用使用数据找出用户在哪一步流失 |
| 抗压能力强 | 属于性格评判 | 说出承诺的日期延误时,自己是怎么跟客户说的 |
每个环节设几项考察要求
大多数环节三到六项。太少,一次失误就决定了整个环节;太多,每个要点只分到几秒钟,回答在有限时间内无法全部覆盖。
| 环节 | 常见数量 |
|---|---|
| 对话,4–5 分钟 | 3–5 |
| 测验,1–2 分钟 | 2 项:回答正确,加上解释应涵盖的内容 |
| 角色扮演或书面回答,8–10 分钟 | 4–6 |
| 编程、代码审查或白板,12–15 分钟 | 5–8 项;代码审查每个预埋问题设一项 |
由于总分按考察要求的数量为各环节加权,有八项的环节比只有三项的占比更大。把最多的考察要求留给最重要的技能。
必备项与加分项:要严格
必备项是在这个级别上,候选人漏掉就会被你拒绝的要点,其余都是加分项。美国残障法律也在工作的基本职能与其他职能之间划了类似的界线(29 CFR 1630.2),这对任何岗位都是个好习惯。
每个必备项都要问的四个问题
- 拒绝: 一位其他方面都很强的候选人漏了这一点,你真的会拒绝吗?
- 级别: 这个资历级别应该具备吗?初级人员不必说出监控工具的名称,高级人员则应该能。
- 可培训: 第一个月内能学会吗?能的话,它就是加分项。
- 可回答: 问题能引出这一点吗?问题从未问及的要点,好的候选人也会漏掉。
如果一个环节的考察要求大多是必备项,请逐一再检查一遍。加分项能让优秀的候选人多展示一些,又不会让其他人吃亏。
考察要求只关乎工作
考察要求必须针对工作所需,绝不能针对候选人是谁。还要警惕替代指标:听起来与工作相关,实际上却代指年龄、出身、残障或性格的说法。
| 避免 | 问题所在 | 改写为 |
|---|---|---|
| 文化契合 | 没有定义,结果偏向与面试官相似的人 | 写出你看重的行为:“举例说明自己根据同事的反馈调整计划” |
| 自信、有活力 | 属于性格评判 | “给出建议并说明理由” |
| 10 年以上经验 | 代指年龄,而非技能 | “解释在自己负责的某个功能中,为什么选择了这种方案而不是另一种” |
| 英语母语者 | 代指出身 | 如果工作确实需要英文写作:“写出客户无需懂行话也能看懂的回复” |
| 表达流利,毫不迟疑 | 惩罚了口音、口吃和紧张 | 评判回答的内容,而不是表达方式 |
在 testee 中,分析只评判覆盖度:不评估性格、口音、流利度、自信程度或“文化契合”,也从不分析情绪、声音或面部。生成功能会拒绝涉及受保护特征的问题,公司撰写的文本也会在发布时接受相应检查。无法或不愿开口的候选人可以用文字作答所有问题,所以考察要求要针对说了什么,而不是怎么说。更多内容见公平的 AI 面试。
四个岗位的招聘标准示例
每个岗位一个对话环节,各约五分钟,考察要求按上述规则编写。请把它们当作参考范例,而不是现成的面试。
软件工程师:时区 bug
“其他国家的用户反映,你们应用中某个页面显示的预订时间不对。你会如何排查并修复?”
| 考察要求 | 级别 |
|---|---|
| 检查时间在哪里存储、在哪里转换(数据库、服务器、浏览器) | 必备项 |
| 以 UTC 加明确偏移量存储或传输时间,只在显示时转换 | 必备项 |
| 至少在两个时区测试修复,包括一次夏令时切换 | 必备项 |
| 使用平台自带的时区支持或日期库,而不是手动计算偏移量 | 加分项 |
| 检查其他页面和报表是否存在同样的 bug | 加分项 |
客户支持:消失的功能
“一位客户来信说,他每天都在用的一个功能在昨天更新后不见了。你不知道这是不是有意移除的。你会怎么回复?”
| 考察要求 | 级别 |
|---|---|
| 回复前先确认这一变更是否有意为之(发布说明、产品团队) | 必备项 |
| 如实告诉客户目前了解的情况,以及何时会有进一步消息 | 必备项 |
| 如有可行的变通办法或替代方案,主动提供 | 必备项 |
| 把客户的使用场景反馈给产品团队 | 加分项 |
| 查看是否有其他客户反馈过同样的问题 | 加分项 |
销售:突然失联的潜在客户
“一次顺利的演示之后,潜在客户已经三周没有回复了。你会怎么做?”
| 考察要求 | 级别 |
|---|---|
| 联系之前,先回顾演示时达成的共识以及由谁拍板 | 必备项 |
| 跟进时提供对客户有用的内容,而不只是“问问进展” | 必备项 |
| 如果主要联系人一直没有回音,尝试联系该客户的其他人 | 必备项 |
| 设定一个节点,到时关闭商机、转向下一个 | 加分项 |
| 直接询问潜在客户的优先事项是否有变化 | 加分项 |
产品经理:没人用的功能
“你的团队一个月前上线的功能几乎没人用。你会怎么做?”
| 考察要求 | 级别 |
|---|---|
| 查看使用数据,找出用户在哪一步流失 | 必备项 |
| 与用户交流,既包括试用过该功能的,也包括没用过的 | 必备项 |
| 在改进、重新定位和下线之间做出选择,并说明理由 | 必备项 |
| 指出本应在上线前设定的成功指标 | 加分项 |
| 与团队和相关方分享学到的经验 | 加分项 |
发布前检查清单
针对每个环节
- 三到六项考察要求, 较长的任务可以更多,每项只含一个要点。
- 可观察: 每项以动词开头,写明说了或做了什么。
- 具体: 每项都只适用于这个问题。
- 至少一个必备项, 且每个必备项都通过了拒绝、级别和可培训三项检验。
- 问题能引出每一项考察要求; 没有暗藏的陷阱。
- 不涉及候选人是谁: 没有受保护特征、替代指标、性格或表达方式。
- 权重与重要性相符: 关键技能的考察要求最多。
总结
- 一项考察要求是好回答应涵盖的一个可观察要点,在面试前写好,并对候选人隐藏。
- 必备项只包括缺了就会拒绝候选人的内容,其余都是加分项。
- 在 testee 中,每项考察要求都会得到一个状态并附上原话引用;评分由代码计算,必备项按两倍计,供审阅参考,并非录用决定。
- 围绕工作和回答内容来写,绝不针对这个人本身或其说话方式。
常见问题
必备要求和加分要求有什么区别?
必备项是在这个级别上,候选人缺了就会被拒绝的内容。加分项能为候选人加分,但缺了也不会因此被淘汰。必备项要少而严。
工作中的必备项和加分项有哪些例子?
对于支持岗位,“如实告诉客户目前了解的情况,以及何时会有进一步消息”是必备项,“把使用场景反馈给产品团队”是加分项。对于修复时区 bug 的工程师,以 UTC 存储时间是必备项;检查其他页面是否有同样的 bug 是加分项。
如何为招聘制定面试评分标准?
选出工作所需的技能,每项技能写一个问题,再列出好回答应涵盖的三到六个可观察要点,并逐一标为必备项或加分项。在第一场面试前定好,并用同一份清单评判每位候选人。
招聘评分标准是什么样的?
每个问题一份清单:每行是好回答应涵盖的一个要点及其级别,面试结束后再加上状态和支撑它的证据。上面四个岗位的示例就是真实的样子。
候选人能看到考察要求吗?
在 testee 中不能:考察要求从不会发送到候选人的浏览器,面试官也不会透露。候选人能看到每个问题或任务,以及面试的各个部分和时长。
来源
- Kuncel, Klieger, Connelly & Ones (2013), Mechanical versus clinical data combination in selection and admissions decisions
- Smith & Kendall (1963), Retranslation of expectations
- Taylor & Small (2002), Asking applicants what they would do versus what they did
- ADA 法规,29 CFR 1630.2(基本职能)
- testee,使用说明(覆盖度评分的计算方式)