判斷
能抓出真正的缺陷
候選人是否發現了眼前的真正問題？
稀缺的技能
信心會轉化為行動，而非自我評價。
候選人需判斷是否信任 AI 生成的實作，或對其提出質疑。當他們提出質疑時，須承諾針對其不信任的特定程式碼行，並將其推理過程記錄下來。
示意候選人互動
先做決定，再為決定辯護。
ai-patch/cache.jsAI 生成的修補程式
1async function getUser(id) {
2 const cached = cache.get(id);
3 if (cached) return cached;
4
5 const user = await db.users.find(id);
6 cache.set(id, user);
7 return user;
8}
挑戰您不信任的程式碼行
候選人會指出具體程式碼行並說明原因，而非籠統地表示不喜歡該修補。
「第 3 行即使查找失敗仍會回傳快取值，因此遺失的使用者會被永遠當作命中結果回傳。」
通話與推理過程將留下紀錄。
審核者可看到哪些內容受到質疑、哪些內容被採信，以及原因。
候選人互動的示意圖，並不代表最終招募評分。
一筆可供審閱的紀錄
候選人的體驗在計時開始前即已展開，並持續至提交之後。
此流程旨在減少介面上的意外，保留每項決策背後的推理，並讓面試官能提出精準的下一個問題，而非從零開始重新面試。
01
在計時器開始前先行演練
啟用演練的 AI 程式碼審查環節中，候選人可在開始評估作業前練習「信任」或「挑戰」。
02
建置與驗證
經過設定的篩選可結合可執行的作業與 AI 輸出審閱任務，因此精緻的最終答案並非唯一證據。
03
檢視紀錄
招募團隊在分享結果前，會檢視測驗、決策、推理過程，以及可取得的誠信相關背景資訊。
04
探究不確定之處
在有證據可用時，報告可將遺漏的缺陷與不確定的判斷，轉為即時驗證的提示。
判斷力證據
範圍有限、界線誠實的訊號。
判斷力衡量在不確定情況下對正確性的判斷。它並不假裝能取代完整面試流程的其他部分。
- 可執行的檢查能為審閱者提供已知答案的證據。
- 缺失的訊號維持缺失；評分卡不會捏造其未曾擷取的證據。
- AI 輔助摘要可支援審查，招募決定由人員做出。
- 不進行臉部、聲音、情緒或人格評分。
克制
可避免誤報
候選人是否在正確的程式碼面前保持不動，而非對一切提出質疑？
定罪
表達不確定性
在有記錄的情況下，紀錄會顯示候選人對每項判斷的堅持程度。
查看成果產出
在接受此主張前，先檢視證據。
範例報告說明任務結果、AI 程式碼審查發現、誠信脈絡、候選人可見的回饋，以及即時追蹤如何相互搭配。
買方問題
及早取得可比較的訊號。在能增加深度的地方，運用公司背景資訊。
DevEval 並非主張單一評估就能回答所有招募問題。它是一個可供審閱的證據層，用於評估 AI 讓工程工作中更難判斷的那一部分。
為什麼不從我們的程式碼庫產生每個畫面？
儲存庫工作對於進入決選的候選人深入評估很有幫助。在較前面的流程中，具有已知答案的有限任務，更便於比較證據，並減少候選人在展現判斷力前需要吸收的公司背景資訊。
候選人可以使用 AI 嗎？
是的，前提是評量已設定為允許使用 AI。DevEval 評估的是生成之後發生的事：候選人是否質疑薄弱的輸出、驗證重要論點，以及能否說明哪些內容值得信任。
Discernment 是最終的招募判定嗎？
不會。它是技術判斷的一個結構化證據層。編碼、系統思考、溝通、職務情境與人工審閱仍然重要。
招募團隊會收到什麼？
可供審查的紀錄，包含可用的任務結果、候選人的決定與推理、AI 審查結果、審查者備註，以及聚焦的追蹤提示。重播與整合功能取決於所選的工作流程與方案。