Giới thiệu

Khi tôi chuẩn bị cho buổi phỏng vấn Big Tech đầu tiên của mình, tôi đã làm theo cách mà hầu hết các kỹ sư đều thực hiện: ôn tập các khái niệm, giải hàng trăm bài toán trên LeetCode và xem mọi video về thiết kế hệ thống mà tôi có thể tìm thấy. Sau nhiều tháng cố gắng, tôi nghĩ mình đã sẵn sàng.

Để kiểm tra lần cuối, tôi đã tổ chức một buổi phỏng vấn mô phỏng với một người bạn vừa gia nhập Microsoft. Nó diễn ra khá tốt. Tôi đã giải quyết được thuật toán, giải thích cách tiếp cận của mình và hoàn thành đúng thời gian. Nhưng khi tôi hỏi họ một câu hỏi đơn giản: “Tôi có giải thích quyết định của mình đủ tốt không?”

Họ đã đưa ra một câu trả lời chung chung và tiếp tục. Phản hồi không sai, nhưng cũng không hữu ích. Tôi ra về với nhiều câu hỏi hơn là câu trả lời. Đó là lúc tôi nhận ra khoảng cách trong việc chuẩn bị của mình: tôi có thể giải quyết vấn đề, nhưng không có cách nào để đo lường cách tôi thể hiện trong cuộc trò chuyện. Tương tác giữa người với người là nơi mà việc chuẩn bị của tôi thiếu sót.

Khoảng cách đó vẫn tồn tại trong tôi, và nhiều năm sau, nó trở thành nguồn cảm hứng cho mockinterviews.dev, một nền tảng phỏng vấn mô phỏng MAANG sử dụng AI, được thiết kế để mang lại cho các kỹ sư trải nghiệm thực tế mà tôi ước mình có được vào thời điểm đó.

Tại sao phỏng vấn mô phỏng thực tế lại cần thiết cho việc chuẩn bị MAANG?

Khi tôi làm việc tại Meta và Microsoft, tôi lại trải qua điều tương tự khi phỏng vấn các ứng viên cho các vị trí kỹ thuật ở nhiều cấp độ. Nhiều người có vẻ đã chuẩn bị tốt trên giấy tờ, nhưng họ gặp khó khăn ngay khi cuộc phỏng vấn chuyển sang cuộc trò chuyện trực tiếp.

Một số người đã đông cứng lại ngay khi tôi ngắt lời họ trong quá trình giải quyết. Những người khác bị rối khi tôi nhấn mạnh vào các sự đánh đổi. Một số nói vòng vo, hết thời gian mà không trình bày rõ ràng quan điểm của mình. Điều tôi thấy không phải là một khoảng cách về kiến thức, mà là một khoảng cách về thực hành. Họ đã được đào tạo cho các bài tập - không phải cho các buổi phỏng vấn trực tiếp.

Các tùy chọn chuẩn bị thông thường không khắc phục được điều này. LeetCode, YouTube, các chủ đề trên Reddit và các buổi huấn luyện đắt tiền đều phân mảnh. Không có cái nào phản ánh được dòng chảy và áp lực của một buổi phỏng vấn MAANG kéo dài 60 phút. Và nếu việc thực hành không cảm thấy thực, nó sẽ không chuẩn bị cho bạn cho cuộc phỏng vấn.

Đó là vấn đề mà tôi không thể gạt bỏ: việc thực hành cảm thấy được kiểm soát và có thể dự đoán, nhưng buổi phỏng vấn thực tế lại rối rắm, mang tính đối thoại và áp lực cao.

AI giải quyết các vấn đề phỏng vấn mô phỏng phổ biến như thế nào

Tại Educative, chúng tôi đã cố gắng giải quyết vấn đề này bằng cách tổ chức các buổi phỏng vấn mô phỏng giữa các đồng nghiệp. Ý tưởng rất đơn giản: kết nối các ứng viên với các kỹ sư có kinh nghiệm. Về lý thuyết, điều này hoạt động. Trong thực tế, nó đã gặp khó khăn.

Chúng tôi đã tổ chức hàng trăm buổi, và gần một nửa trong số đó đã bị hoãn lại hoặc hủy vào phút cuối. Trải nghiệm thay đổi đáng kể: một số huấn luyện viên để lại những nhận xét một dòng như “giải quyết vấn đề tốt”, trong khi những người khác cung cấp phản hồi nhiều trang. Sự không nhất quán làm cho việc tiêu chuẩn hóa chất lượng trở nên không thể; không có sự nhất quán, mô hình không thể mở rộng.

Trong khi đó, một nhận thức đã đọng lại trong tôi: các buổi phỏng vấn mô phỏng không nên là đặc quyền. Chúng nên là một thói quen thường xuyên, có sẵn cho bất kỳ kỹ sư nào. Nhưng các định dạng giữa các đồng nghiệp không thể mở rộng.

Khi các công cụ AI bắt đầu trưởng thành, ý tưởng này lại trở nên rõ ràng hơn. Nếu một tab trình duyệt có thể hoạt động như một người phỏng vấn MAANG dày dạn kinh nghiệm, xử lý các vòng phỏng vấn về lập trình, thiết kế và hành vi, có sẵn bất cứ lúc nào cho bất kỳ ai muốn thực hành?

Mục tiêu không phải là thay thế con người. Mục tiêu là làm cho việc thực hành nhất quán và thực tế có thể thực hiện ở quy mô lớn. Nguyên mẫu đã cho thấy chúng tôi còn phải làm rất nhiều. Nó không thể chạy mã và xử lý các yêu cầu trực tiếp cùng một lúc và thường xuyên bị treo trong hầu hết các buổi. Việc khắc phục lỗi duy nhất đã cho thấy ý tưởng có thể hoạt động, kết hợp việc lập trình và giao tiếp trong một quy trình. Mỗi lần sửa lỗi dẫn đến một bước tiến tiếp theo để xây dựng điều gì đó mà các kỹ sư có thể sử dụng.

Cách thức hoạt động của tác nhân phỏng vấn mô phỏng AI

Mục tiêu từ đầu rất đơn giản: việc thực hành nên cảm thấy như một buổi phỏng vấn thực sự. Điều đó có nghĩa là mô phỏng sự kết hợp giữa lập trình, thiết kế, giao tiếp hành vi, áp lực thời gian và phản hồi mà các ứng viên gặp phải trong quy trình MAANG thực tế.

Để đạt được điều đó, chúng tôi bắt đầu với các thành phần cốt lõi:

• Widget lập trình với khả năng thực thi và yêu cầu trực tiếp, giúp việc giải quyết vấn đề cảm thấy như một vòng lập trình thực sự.
• Công cụ vẽ sơ đồ cho các buổi phỏng vấn thiết kế hệ thống và lập trình hướng đối tượng, kết hợp với các yêu cầu theo dõi cuộc trò chuyện.
• Buổi phỏng vấn hành vi động mà câu trả lời kích hoạt các yêu cầu theo dõi sâu hơn, phù hợp.
• Hỗ trợ giọng nói để làm cho các buổi phỏng vấn trở nên tự nhiên và gần gũi hơn.
• Phản hồi có cấu trúc, được mô hình hóa theo cách mà các buổi phỏng vấn thực tế diễn ra, với đánh giá, ví dụ và các bước tiếp theo có thể hành động.

Những thành phần này đã tạo thành nền tảng, và ngay cả ở giai đoạn này, tác nhân đã cảm thấy giống như một buổi phỏng vấn thực sự hơn bất kỳ trải nghiệm nào tôi đã thử nghiệm trước đó. Nhưng điều này vẫn chưa đủ. Mục tiêu rõ ràng đối với nhiều kỹ sư: các buổi phỏng vấn MAANG với nhịp độ, văn hóa và kỳ vọng riêng biệt của họ.

Bước tiếp theo là tạo ra các lộ trình phù hợp với từng công ty.

Bên trong các buổi phỏng vấn MAANG+

Sự thực tế chung là nền tảng. Nhưng nhiều kỹ sư muốn thực hành phản ánh chính xác trải nghiệm tại các công ty MAANG. Đó là lý do tại sao trên mockinterviews.dev, chúng tôi đã xây dựng các lộ trình phỏng vấn dành riêng cho Microsoft, Amazon, Apple, Meta, Google, LinkedIn, Netflix và Oracle, với nhiều công ty khác đang được phát triển.

Đây không chỉ là các ngân hàng câu hỏi chung chung. Mỗi lộ trình được điều chỉnh để phù hợp với phong cách độc đáo của các công ty này, từ tông giọng, tốc độ, độ nghiêm ngặt của các câu hỏi theo dõi, và ngay cả cách thức phản hồi được cung cấp cũng được mô phỏng theo cách mà các buổi phỏng vấn tại những công ty này thực sự diễn ra.

Phỏng vấn lập trình

Mỗi công ty tiếp cận phỏng vấn lập trình một cách khác nhau. Tại Apple, các câu hỏi thường tập trung vào hiệu suất thuật toán và các giải pháp tối ưu dưới áp lực thời gian. Google nhấn mạnh vào các trường hợp biên và phân tích độ phức tạp sâu hơn. Meta đánh giá khả năng lý luận có cấu trúc và sự rõ ràng trong cách tiếp cận. Microsoft nổi tiếng với việc yêu cầu ứng viên giải thích các sự đánh đổi và biện minh cho các lựa chọn thiết kế trong các vòng lập trình.

Trên nền tảng của chúng tôi, các lộ trình lập trình phản ánh những khác biệt này:

• Lập trình kiểu Apple: Các bài toán ngắn, tập trung với yêu cầu nghiêm ngặt về tối ưu hóa.
• Lập trình kiểu Google: Nhiều yêu cầu theo dõi khám phá các trường hợp biên, với độ khó tăng dần nếu bạn xử lý tốt các bài cơ bản.
• Lập trình kiểu Meta/Microsoft: Các yêu cầu giao tiếp cần giải thích “tại sao” cũng như “cái gì”, với các ngắt quãng để kiểm tra lý do.
• Lập trình kiểu Oracle/LinkedIn/Netflix: Thay đổi giữa nhiều bài toán nhỏ và một bài toán lớn đang phát triển.

Widget lập trình cộng với cuộc trò chuyện trực tiếp khiến trải nghiệm cảm thấy ít giống như thực hành trên LeetCode mà giống hơn với việc ứng biến dưới áp lực thực tế trong buổi phỏng vấn. Chúng tôi thậm chí đã cập nhật giao diện để mã chạy ở bên phải và cuộc trò chuyện diễn ra ở bên trái, phản ánh đúng cách thiết lập phỏng vấn trực tuyến mà ứng viên trải nghiệm tại những công ty này.

Phỏng vấn thiết kế hệ thống

Các buổi phỏng vấn thiết kế hệ thống khác biệt nhiều hơn giữa các công ty. Microsoft nhấn mạnh việc thu thập yêu cầu một cách có hệ thống và biểu đồ rõ ràng. Meta yêu cầu ứng viên nhanh chóng giải quyết các sự đánh đổi ở quy mô lớn. Các buổi phỏng vấn của Google thường diễn ra theo từng bước, với người phỏng vấn từ từ tăng độ phức tạp cho đến khi bạn đạt giới hạn. LinkedIn nhấn mạnh vào sự hợp tác trong thế giới thực, trong khi Netflix tập trung vào sự độc lập và quyết định dưới áp lực.

Trên nền tảng của chúng tôi, các lộ trình thiết kế phản ánh các phong cách này thông qua các công cụ vẽ sơ đồ và các yêu cầu theo dõi trực tiếp:

• Thiết kế kiểu Microsoft: Các yêu cầu có cấu trúc yêu cầu rõ ràng về yêu cầu, sơ đồ luồng và lựa chọn thành phần hợp lý.
• Thiết kế kiểu Google/Meta: Các bài toán mở mà phát triển giữa phiên, với tác nhân ngắt quãng để kiểm tra phản ứng của bạn đối với các thách thức về quy mô và điểm nghẽn.
• Thiết kế kiểu Amazon/LinkedIn/Netflix: Các phiên dựa trên tình huống mà bạn biện minh cho các sự đánh đổi về độ tin cậy, chi phí hoặc tốc độ - phản ánh chính xác các cuộc trò chuyện mà bạn sẽ có trong buổi phỏng vấn trực tiếp.

Độ khó tăng lên một cách động, và phong cách cuộc trò chuyện thay đổi tùy thuộc vào văn hóa của công ty. Công cụ vẽ sơ đồ cộng với cuộc trò chuyện trực tiếp khiến nó cảm thấy như bạn đang phác thảo trên một bảng trắng với một người phỏng vấn thực sự ngắt quãng vào những thời điểm quan trọng. Nó không chỉ bắt chước cấu trúc của một buổi phỏng vấn thiết kế. Nó cũng tái tạo áp lực và dòng chảy chính xác.

Phỏng vấn hành vi

Amazon nổi tiếng với việc đánh giá ứng viên dựa trên Nguyên tắc Lãnh đạo. Netflix tập trung vào sự độc lập và phán đoán trong tình huống không rõ ràng. Meta và Google dựa vào sự hợp tác, giao tiếp và học hỏi từ những sai lầm. Oracle thường kết hợp các câu hỏi hành vi và kỹ thuật để kiểm tra độ sâu và phạm vi kiến thức.

Các lộ trình hành vi của chúng tôi tái tạo điều này bằng cách sử dụng các cuộc trò chuyện tự nhiên:

• Hành vi kiểu Amazon: Các yêu cầu STAR nhanh chóng theo sau bởi các phản hồi để kiểm tra sự nhất quán và sự phù hợp với các nguyên tắc.
• Hành vi kiểu Netflix: Các câu hỏi mở với kỳ vọng cao về quyền sở hữu và quyết định.
• Hành vi kiểu Meta/Google: Các cuộc thảo luận dựa trên tình huống nhấn mạnh sự làm việc nhóm, cải tiến và sự rõ ràng.
• Hành vi kiểu LinkedIn/Oracle: Tập trung vào khả năng thích nghi, tư duy phát triển và quyết định lãnh đạo kỹ thuật.

Các lộ trình này tái tạo cảm giác của cuộc phỏng vấn: các ngắt quãng, nhịp độ, áp lực và tiêu chí đánh giá. Đó là điều biến việc thực hành thành chuẩn bị thực sự. Và các ứng viên cảm nhận được sự khác biệt ngay lập tức.

Kỹ sư nói gì về các buổi phỏng vấn mô phỏng MAANG sử dụng AI?

Kể từ khi ra mắt, hơn 15.000 buổi phỏng vấn đã được hoàn thành. Đánh giá đã tăng từ 2.5 trong giai đoạn beta đầu tiên lên 4.5 ổn định. Nhưng con số không quan trọng bằng những gì chính các ứng viên nói.

Một kỹ sư nói với chúng tôi: “Điều này bắt chước phỏng vấn thực sự.” Một người khác viết: “Hiệu quả hơn nhiều so với nhiều cuộc phỏng vấn mà tôi đã có với các huấn luyện viên 200 USD.” Và một người khác ghi nhận (cũng là câu yêu thích của tôi): “Bot thực sự cảm thấy như một người phỏng vấn thân thiện. Điều này rất hữu ích.”

Đó là sự xác nhận mà tôi cảm thấy quan trọng nhất - không phải từ các chỉ số trên bảng điều khiển mà từ khi các ứng viên cảm thấy chuẩn bị tốt và ra về với cảm giác ‘Điều này thật sự giống như thực tế.’

Tương lai của việc chuẩn bị phỏng vấn mô phỏng AI

Mỗi tính năng có ý nghĩa, lập trình, sơ đồ, giọng nói và các phỏng vấn chi tiết đều xuất phát trực tiếp từ phản hồi của người dùng. Làn sóng tiếp theo cũng sẽ như vậy.

Chúng tôi tập trung vào việc làm cho giọng nói trở nên tự nhiên hơn, cải tiến môi trường lập trình để mô phỏng các công cụ phỏng vấn thực tế và thêm phân tích câu trả lời sâu hơn để các ứng viên có thể theo dõi các mẫu trong các phiên.

Nguyên tắc là giống như lúc đầu: xây dựng sự thực tế, được hướng dẫn bởi những người sử dụng nó.

Câu trả lời mà tôi đang tìm kiếm

Tôi đã thấy cách mà việc chuẩn bị phỏng vấn thường gặp khó khăn. Là một ứng viên, tôi đã bỏ lỡ phản hồi thực sự quan trọng. Tôi đã chứng kiến những kỹ sư mạnh mẽ vấp ngã trong các buổi phỏng vấn vì việc thực hành của họ không phù hợp với kỳ vọng thực tế trong phỏng vấn.

Điều này đã khuyến khích tôi xây dựng một tác nhân phỏng vấn mô phỏng cảm thấy gần gũi hơn với một cuộc phỏng vấn MAANG thực sự hơn bất kỳ điều gì tôi đã thấy. Nó không hoàn hảo. Nhưng nếu việc thực hành cảm thấy giống như trò chơi thực tế, bạn sẽ bước vào cuộc phỏng vấn thực sự với sự sắc bén, bình tĩnh và tự tin hơn.

Đối với tôi, nó bắt đầu với một mảnh phản hồi mơ hồ, khoảnh khắc mà tôi nhận ra mình không biết mình đã thể hiện như thế nào. Ngày nay, hàng ngàn kỹ sư rời mockinterviews.dev với hiểu biết chính xác về hiệu suất của họ, những gì họ làm tốt và nơi cần cải thiện.

Sự chuyển mình này, từ sự không chắc chắn đến sự rõ ràng, là câu trả lời mà tôi đã tìm kiếm vào thời điểm đó. Và bây giờ, nó có sẵn cho bất kỳ ai chuẩn bị cho các buổi phỏng vấn quan trọng nhất.