如何在招聘过程中客观地评估高级工程师候选人在高层系统架构设计方面的能力

两位候选人遇到相同的题目：设计一个允许用户分享短视频的服务。第一位候选人在十分钟内画出了清晰的流程图，列出了所有常用组件，并且自信满满地进行讲解。第二位候选人则起步较慢，询问了用户群体，指出了自己不确定的部分，并给出了不同的存储方案，且理由充分。面试官A给第一位候选人的评价是“优秀”。旁听了同一面试的面试官B也给第二位候选人的评价是“优秀”。两人的评价几乎没有重合之处。

这是一个示例场景，并非已记录的招聘案例。这种情况很常见，大多数工程团队都会遇到。两种设计方案都各有道理。区别在于两位面试官的评分标准：流畅度、速度、对自身偏好架构的熟悉程度，或是推理的质量。本指南面向工程经理和工程赋能负责人，旨在为他们提供一套系统设计面试评分标准，以便两位面试官能够基于相同的证据对高级候选人进行评分，从而得出一致的结论。在实际招聘决策中使​​用以下每一项标准之前，都应由一位高级工程师进行验证，并审查其公平性。

系统设计面试评分标准是什么？

系统设计面试评分标准是一份评分指南，它列出了面试官需要考察的内容、每个分数对应的可观察行为，以及哪些错误无法被其他方面的优势所弥补。评分标准与面试问题并列，确保每位面试官都能根据相同的标准收集证据。谷歌的结构化面试指南将这些评分工具称为“评分标准”，并指出研究人员称之为“行为锚定评级量表”。该指南指出，结构化面试具有更高的预测效度，且能缩小不同人群之间的差异，预先准备好的问题、指南和评分标准平均每次面试可节省 40 分钟。您可以在Google re:Work：结构化面试指南中阅读完整内容。

公开的例子很容易找到，而且大多数都是为候选人写的。本指南是为参选者准备的。

要闻速览

1. 明确你要评估的绩效指标

先从工作内容入手，而不是主题。对于高级工程师来说，相关的任务通常是：面对一个模糊不清的问题，做出并捍卫架构决策，并说明哪些方案可以更改这些决策。用一句话概括，并明确指出该职位、级别以及工作环境。支付公司的高级后端工程师和媒体公司的高级平台工程师的要求就截然不同。

同时，也要写明哪些内容不属于评估范围。打字速度、对特定云服务商的熟悉程度以及在共享白板上清晰绘图的能力都是常见的意外考核标准。如果这些并非工作职责的一部分，就不应该影响最终得分。

2. 选择一项具有代表性的、不熟悉的任务

选择一道能够体现实际工作内容且应聘者无法死记硬背的题目。例如，一个广为人知的题目（例如“设计一个URL缩短器”）鼓励应聘者进行练习。或者，选择一道来自你所在领域的题目，去除敏感细节，并请一位资深工程师独立解答，以便了解合理的答案范围。

要明白，一个45分钟的问题只能反映高级工程师工作能力的一部分。它可以展现应聘者如何处理模糊不清的情况、限制条件和权衡取舍，但无法体现他们如何指导他人、如何运行长达数月的迁移项目或如何处理长期故障。在招聘文件中明确说明这一点，以免有人过度解读分数。

3. 制定可观察的标准和锚点

围绕可以写下来的证据构建评判标准。以下是一套适用于高级系统设计面试的简短有效的评判标准：

每个标准按 0 到 2 分评分：0 分表示缺失或缺乏支持，1 分表示部分缺失但相关内容有所遗漏，2 分表示完整且符合既定标准。评分标准比评分本身更重要。例如，对于权衡推理，0 分表示“仅提及某项技术，未说明原因”，1 分表示“给出了原因，但未说明替代方案的成本”，2 分表示“在既定约束条件下比较各种方案，并说明每种方案需要放弃什么”。

将关键错误单独定义，例如忽略面试官提出的数据保护要求，或提出的设计方案无法满足既定的硬性限制。平均分绝不能掩盖关键错误。避免以自信或速度来评分；一位思维缜密、不爱张扬的候选人不应因其表达方式而受到惩罚。我们的判断力和问题解决能力评估指南涵盖了如何编写推理任务的评分标准。

4. 校准评估人员并开展试点

如果两个人对评分标准的理解不同，那它就不能称之为评分标准。在使用前请务必仔细阅读以下内容：

1. 请举个例子。 使用一位与招聘流程无关的同事提供的书面设计，或者在征得对方同意后录制的模拟面试视频。
2. 独立评分。 每位评估员在看到其他人的分数之前，都会先写出每个标准的证据。
3. 比较证据。 如果分数相差超过一分，请找出锚定标准是否含糊不清，或者评估者是否注意到了不同的内容。如有发现，请重新修改锚定标准。
4. 对第二个例子重复上述步骤。 当分歧在于判断而非措辞时，就应该停止争论。

谷歌的指南将面试官培训与校准相结合，以确保面试官在评估中保持一致性和信心，这与我们的理念相同。您可以请一位专家，例如邻近团队的工程经理，来审核案例和参考标准，并请您的人力资源团队审核招聘流程，确保其公平性并符合您所在地区的法律法规要求。

5. 通过一个实际例子进行分析

仅供参考。高级工程师在使用前应验证案例并回答相关标准。

案例：候选人需要为一款外卖应用设计一个通知服务：当订单状态发生变化时，客户会收到更新通知。规模仅被描述为“每天几百万个订单，主要集中在用餐高峰时段”。

这是第一次尝试。 “我会在订单服务和通知工作进程之间放置一个消息队列，将每个事件存储在数据库中，然后发送推送通知。” 这个架构合理，但应聘者没有问需要哪些渠道，如果通知延迟或发送两次会发生什么，以及队列在高峰负载下会受到什么影响。

面试官反馈和重试。面试官会问：“延迟通知和重复通知，哪个更糟糕？”面试官应该针对每个标准制定一套标准的后续跟进流程，确保每位候选人都有平等的机会展示自己的技能。

更强有力的尝试。 “推送消息重复更糟糕，因为用户会因此不再信任应用，所以我建议使用顺序键和状态键来实现幂等发送。对于短信，我会接受偶尔的重复，因为成本更重要。用餐高峰时段的负载意味着队列应该能够应对突发情况，并且工作进程应该根据队列深度进行扩展。我不确定交付时间承诺的严格程度，因此在选择简单的重试策略还是为时间紧迫的更新设置优先通道之前，我会先咨询产品负责人。”

评分。根据评分标准，此答案在权衡推理（两种选择、成本、理由）方面得分2分，在问题框架构建（陈述假设、提出问题）方面得分2分，在处理变化方面得分1分（直到面试官添加限制条件）。请注意，面试官评分的是证据，而不是将候选人的设计与自己偏好的设计进行匹配。

互动式教学有助于

您在此培养的技能是面试官的技能，互动练习非常适合。在实时校准环节中，展示示例设计，请每位评估者私下对每个标准进行评分，并在讨论前公布评分结果。人们会在听到房间里声音最大的人之前就确定自己的分数，而分歧则能指出需要修改的关键点。同样的示例和评分标准可以供之后加入的新面试官自主学习，并安排实时环节讨论存在歧义的情况。AhaSlides 支持互动学习，并可在实时学习和自主学习之间切换。它是一个演示和学习工具，而非面试平台或应聘者追踪系统，因此请将真实的候选人数据保留在您的招聘工具中。请将您计划使用的任何特定创作、反馈或报告功能与您自己的工作流程进行比对。有关如何选择格式的帮助，请参阅我们关于何时使用自适应、互动和实时学习的指南；有关反馈设计，请参阅关于如何设计具有实用反馈的互动练习。

衡量发生了哪些变化

事先确定哪些指标可以证明评分标准有效。以下两项指标切实可行。首先是一致性：对于同一份录制或书面设计，独立面试官在校准后给出的评分是否比校准前更接近一致？明确校准对象、分母和时间节点。其次是相关性：几个月后，评分是否与新员工在设计评审中的表现相关？如果新员工人数较少，这只能提供一个粗略的参考，因此应将其视为审查评分标准的提示，而非确凿的证据。如果结果有所改善，在将功劳归于评分标准之前，请检查同期是否还有其他变化，例如新的角色定义或不同的招聘渠道。

可能存在的限制

• 代表性。 一个问题代表了工作的一部分。将其与其他证据结合起来，例如工作样本或关于过去决策的结构化对话。
• 公平。 评分标准可以减少差异，但本身并不能消除偏见。请审查案例和基准，检查其中关于背景的假设，并与你的团队核实各组的结果。
• 面试时间。 校准需要几个小时。没有校准，评分标准就只是一份更长的表格而已。
• 角色明确。 如果团队对“资深”的定义没有共识，任何评判标准都无法解决这个问题。
• 法律背景。 不同地区的招聘评估规定各不相同。在更改流程之前，请务必先查阅当地的具体要求。

常见问题

系统设计面试评分标准应该包含哪些内容？

3 到 5 项标准，例如问题框架、权衡推理、深度、应对变化和沟通，每项标准 0 到 2 分，并单独列出关键错误。

如何阻止面试官根据自信程度来评分？

让他们在给出分数之前，写下每个标准的可观察证据，并将每个分数与行为联系起来，例如“比较两个选项并说明未选择选项的成本”。

系统设计面试应该持续多长时间？

面试通常安排在一小时左右，但合适的时长应该让候选人能够充分展现你评分标准中的所有要求。可以先进行一次试点测试。

评分标准能否使招聘更具客观性？

这使得审核过程更加一致且易于操作，但判断仍然至关重要。目标是让面试官基于相同的理由达成一致，而不是将任何人排除在决策之外。

从哪儿开始

选择一个空缺职位，并撰写一句绩效描述。拟定三项标准，并附上关键要素和简短的重大错误列表，然后请一位资深工程师独立完成此案例。与面试官进行一次校准会议，修改引起分歧的关键要素，并在少量实际面试中试用该评分标准，然后再广泛使用。

要了解如何使用自己的面试官进行实时校准会议，并在之后以自定进度重复使用，请探索 AhaSlides。