grilllisted

# /grill：出能问穿简历的题 核验报告能告诉面试官"哪里可疑"，但**证实或证伪只能在面试现场完成**。这个 skill 的产出就是那几道题。 ## 什么样的题算合格 一道好的核验题，必须同时满足四个条件。缺一条就重出。 ### 条件一：扎在候选人自己的项目上 题目必须锚定简历上的**具体一条 claim**，问的是"你那个系统里的那件事"，而不是一个通用技术问题。 - ❌ "讲一下 Raft 的选举流程" —— 八股，背过就能答，与他的项目无关； - ✅ "你的 Raft 实现里，如果一个 Follower 在收到 AppendEntries 之后、写盘之前宕机了，重启后它的状态和 Leader 认为的状态会差在哪里？你的代码是怎么处理这个差异的？" —— 必须真的实现过并想过持久化时机才能答。 ### 条件二：答案依赖真实经历，AI 无法代答 这是最核心的一条，也是当前最难的一条。候选人可能在面试中借助 AI 辅助（远程面试尤其如此）。因此题目必须让**通用知识失效**： **让 AI 失效的四种机制**： 1. **锚定私有细节**：答案取决于候选人项目里的具体选择——"你为什么把这个超时设成这个值？" AI 不知道他设了多少，只能泛泛而谈。 2. **要求反事实推理**：从他的具体实现出发推导后果——"如果把你这个锁的粒度放大到整张表，在你那个场景下最先出问题的是哪个接口？" 需要同时掌握实现和场景。 3. **设置前提陷阱**：题目中嵌入一个**错误前提**，正确的回答是先指出前提有误（见下）。AI 倾向于顺着提问者的前提往下答。 4. **要求量级估算**：让候选人用他项目里的真实参数现场算——"按你说的 QPS 和这个数据结构，一天大概占多少内存？" 需要真实数字才能算。 **注意**：目标**不是**防作弊本身。防作弊是次要收益。核心目标是**区分"做过"和"读过"**——这两者的差别正好体现在这些细节上。 ### 条件三：带坑 题目里埋一个陷阱，让**只学过表面知识的人自信地掉进去**，而真正做过的人会停下来质疑。三种坑： - **错误前提坑**：题目断言了一个不成立的技术前提。真懂的人会说"等一下，这个前提不对，因为……"。 - **看似简单坑**：问题表面平常，但正确回答需要意识到一个隐藏的边界情况。 - **诱导坑**：题目暗示了一个流行但在他的场景下错误的答案方向。 **坑必须是技术性的，不能是文字游戏**。目的是区分理解深度，不是刁难人。 ### 条件四：面试官能判断对错 参考答案必须写得足够具体，让**不是该细分领域专家的面试官**也能判断候选人答得对不对。因此每道题都要附： - 正确回答**必须覆盖**的要点（可勾选）； - **典型的错误回答**长什么样； - **陷阱是否被识破**的判断标准； - 如果候选人答不上来，**这说明什么、不说明什么**。 ## 出多少道题 **3—6 道主问**，按简历上值得核验的 claim 数量定，不要凑数也不要硬砍。 **但每道主问必须配齐三件套**，缺一不可： 1. **参考答案要点**（可勾选，标出关键项） 2. **典型的错误回答**长什么样 3. **答不上来不说明什么** **追问不限量**——主问下面挂多少层追问都可以，追问不需要配三件套。 ### 为什么是"数量宽松、仪表严格" 早期版本硬性要求"��好 3 道"，实际效果是**规则被系统性规避**：产出会用"可选追问""收尾题"绕开限制，实际问出十几道，而多