01Core pain point and demand
AI编程助手普及后，约80%的开发候选人不再自己写代码而是指挥AI代理，导致面试官难以评估候选人真实的编码能力和系统设计水平，传统LeetCode和设计面试逐渐失效。
02Product solution
构建一个AI驱动的技术面试评估平台，通过实时监控候选人与AI代理的交互过程（如提示词质量、调试策略、代码审查能力），结合动态生成的系统设计场景和防作弊机制，量化评估候选人的真实工程能力。平台提供自动化评分、行为分析和可解释的评估报告，帮助面试官做出更准确的招聘决策。
03Monetization and business model
采用SaaS订阅模式，按面试官席位或面试次数收费；同时提供企业定制化评估方案和API集成服务，向HR Tech平台收取佣金。
04Action steps
- 1进行市场调研，访谈50+技术面试官和工程经理，验证痛点并收集需求。
- 2开发MVP：构建一个浏览器插件或IDE插件，记录候选人与AI的交互日志，并生成基础行为报告。
- 3设计评估算法：基于提示词质量、迭代次数、代码修改等维度，建立评分模型。
- 4与10家科技公司合作试点，收集反馈并迭代产品。
- 5集成防作弊机制，如动态问题生成、环境锁定和异常行为检测。
- 6推出正式版，通过技术社区和HR Tech展会推广，建立品牌认知。
- 7扩展API生态，与主流ATS（如Greenhouse、Lever）集成，实现自动化流程。
05Risk notice
技术风险：AI交互追踪可能涉及隐私和合规问题；市场风险：大厂可能自研类似工具；竞争风险：现有平台快速跟进。需持续创新并建立数据壁垒。