AI-промты для технического интервью кандидатов
Настройте грейд и стек — получите готовый сценарий интервью
- Структурирует интервью по компетенциям и грейдам
- Снижает bias и субъективные оценки в найме
- Экономит 2–3 часа подготовки на каждого кандидата
Конструктор промтов для техинтервью
Укажите уровень кандидата, стек и этап интервью — соберём сценарий с вопросами и критериями
Ваш промт появится здесь
Выберите параметры слева — промт обновится автоматически
Подготовка технического интервью съедает у CTO по 3–4 часа на кандидата: нужно собрать вопросы под стек, продумать live coding, сверстать сценарий system design и ещё учесть уровень — от Junior до Principal. Генератор промтов снимает эту рутину: задаёте роль интервьюера (Tech Lead, Architect, Head of Engineering), уровень кандидата, стек (Backend Python/Django, Go/микросервисы, DevOps/Kubernetes) и этап — первичный скрининг, техническое интервью, live coding или culture fit с техфокусом. Укажите приоритет найма и критерий оценки — получите готовые промты под ChatGPT, Claude или любую другую нейросеть. Такие промпты закрывают большую часть подготовительной работы: сценарий собирается за минуты, а не за вечер, и остаётся время на живой диалог с инженером. Заполните форму бесплатно и получите промт, оптимизированный под конкретного кандидата и вашу команду.
Промты для техинтервью: инструкция за 4 шага
Выберите роль и этап интервью
Укажите Роль интервьюера, Уровень кандидата и Этап интервью — это задаст структуру вопросов под найм.
Настройте тон и формат вывода
Задайте тон коммуникации и формат (например, структурный чек-лист с критериями оценки по грейдам).
Впишите вакансию и резюме
Добавьте Вакансию и Резюме кандидата — промт станет точечным и учтёт реальный стек и опыт.
Скопируйте и запустите в нейросети
Скопируйте готовый промт и вставьте в ChatGPT или Claude — получите набор вопросов для интервью.
Для кого промты по техническим интервью
Генератор помогает CTO, тимлидам, HR-специалистам и рекрутерам готовить интервью в ChatGPT и Claude
CTO растущего стартапа
Провожу 10 интервью в неделю и теряю фокус на продукте
Получайте структурированный план интервью под роль за 5 минут
Tech Lead продуктовой команды
Каждый раз выдумываю задачи на live coding по 2 часа
Генерируйте набор задач под стек и уровень кандидата мгновенно
IT-рекрутер в продуктовой компании
На скрининге не могу отличить Middle от Senior без техлида
Создавайте чек-лист скрининговых вопросов под уровень за минуту
Архитектор на найме Senior-инженеров
System design собеседование готовлю по 4 часа под каждого
Собирайте сценарий system design интервью под домен за один клик
Ещё промты для технических интервью
Промты дополняют генератор смежными задачами по техинтервью. Скопируйте, замените данные в [скобках] и вставьте в ChatGPT, Claude, YandexGPT или GigaChat.
Аудит текущей воронки технических интервью с планом улучшений
Аудит воронкиРоль: Ты Head of Engineering с 10+ лет опыта найма инженеров в продуктовые компании. Экспертиза: структурированные интервью, калибровка оценщиков, метрики hiring funnel (pass-through rate, offer acceptance, quality of hire). Context: Я технический директор в [тип компании — продукт/аутсорс/финтех]. Мы нанимаем на [тип вакансии], стек [технологический стек]. Текущие данные: конверсия скрининг→оффер [процент конверсии], время закрытия вакансии [дней до оффера], отказов после live coding [процент отказов], причины отказов [топ-3 причины], уровень кандидатов [Junior/Middle/Senior]. Задача: Провести аудит воронки технических интервью, найти узкие места и предложить план улучшений на 90 дней с измеримым эффектом. Формат вывода: (1) Таблица этапов воронки с метриками, бенчмарком рынка и отклонением. (2) Топ-5 гипотез узких мест с приоритизацией ICE. (3) План на 30/60/90 дней: действия, ответственный, KPI успеха. Детали: Опирайся на фреймворки structured interviewing (Google) и Topgrading. Избегай общих советов вида 'улучшите процесс' — только конкретные действия с метриками.
Составление скоринговой рубрики для калибровки интервьюеров
КалибровкаРоль: Ты Staff-инженер с 8+ лет опыта проведения интервью в bigtech. Экспертиза: behavioral anchors, competency matrix, межоценочная надёжность (inter-rater reliability). Контекст: Я техдиректор в [размер команды инженеров]. В команде [число интервьюеров] интервьюеров с разным опытом. Стек [технологический стек], уровень найма [уровень кандидата]. Проблема: оценки расходятся, разброс финальных score [диапазон score], консенсус-митинги тянутся [время на debrief]. Задача: Разработать скоринговую рубрику с поведенческими якорями по 4 компетенциям, чтобы снизить разброс оценок и ускорить debrief. Формат вывода: (1) Матрица 4 компетенций × 5 уровней score с behavioral anchors для каждой ячейки. (2) Чек-лист калибровочной сессии: 5 шагов с таймингом. (3) Шаблон debrief-документа с разделами signal/no signal и финальным recommendation. Детали: Компетенции: problem solving, coding quality, system design, collaboration. Используй терминологию strong hire / hire / no hire / strong no hire. Не предлагай численные шкалы без привязки к наблюдаемому поведению.
Разбор записи live coding с обратной связью кандидату
DebriefРоль: Ты Tech Lead с 7+ лет опыта менторинга и проведения live coding. Экспертиза: оценка алгоритмического мышления, clean code принципы, структурированный фидбек по модели SBI (Situation-Behavior-Impact). Контекст: Я техдиректор в [тип компании]. Провёл live coding с кандидатом уровня [уровень кандидата] на позицию [название позиции], стек [технологический стек]. Транскрипт/заметки сессии: [вставить заметки по ходу решения задачи]. Задача, которую решал: [описание задачи и ограничений]. Финальное решение: [ключевые особенности кода]. Задача: Подготовить структурированный разбор сессии для внутреннего debrief и корректный письменный фидбек кандидату (вне зависимости от решения hire/no hire). Формат вывода: (1) Таблица сильных/слабых сигналов по осям: декомпозиция, корректность, качество кода, коммуникация. (2) Рекомендация hire/no hire с обоснованием из 3 пунктов. (3) Письмо кандидату 150–200 слов в тоне SBI: что удалось, где зоны роста, конкретные ресурсы. Детали: Опирайся на принципы Big-O анализа и SOLID. Не допускай оценочных суждений о личности — только о наблюдаемом поведении в сессии.
План онбординга нового интервьюера до shadow→reverse shadow→solo
ОбучениеРоль: Ты CTO стартапа с опытом масштабирования инженерной команды с 10 до 100 человек. Экспертиза: interviewer training programs, shadow-методология, контроль качества найма. Контекст: Я техдиректор в [тип компании]. В интервьюерский пул добавляется [число новых интервьюеров] инженеров уровня [уровень инженеров]. Они будут проводить [этап интервью] по стеку [технологический стек]. Текущий eNPS интервьюеров [значение eNPS], средний фидбек кандидатов [оценка кандидатов о процессе]. Задача: Составить план онбординга нового интервьюера от первого наблюдения до самостоятельного проведения с критериями допуска на каждом шаге. Формат вывода: (1) Таблица этапов shadow → reverse shadow → co-interview → solo с длительностью, активностями и критериями перехода. (2) Чек-лист из 10 пунктов готовности к solo-интервью. (3) Набор из 5 типовых ошибок новичка с техниками коррекции. Детали: Опирайся на практики Google interviewer certification и Amazon bar raiser. Не включай этапы без измеримых критериев прохождения.
6 правил промтов для тех-интервью
Используйте эти правила, чтобы получать сильные вопросы и кейсы для тех-интервью в ChatGPT и Claude
Задайте роль тех-интервьюера
Вместо 'Ты HR' укажите: 'Ты Staff Engineer с 8+ лет в Go и Kubernetes, провёл 200+ system design интервью в FAANG'. ИИ сразу поднимет планку вопросов.
Указывайте грейд и стек точно
Задайте Middle/Senior/Staff, годы опыта, стек (React 18, PostgreSQL, AWS) и этап: live coding, system design или behavioral. Без этого получите вопросы уровня junior.
Запрашивайте формат рубрики
Просите вывод как таблицу: вопрос, сигналы сильного ответа, red flags, follow-up, скоринг 1-5 по STAR или Google-рубрике. Это готовый скрипт для интервьюера.
Фиксируйте этап воронки найма
Screening, tech-screen, on-site loop и bar raiser требуют разной глубины. Шаблон: 'Этап: on-site system design, 60 мин, кандидат Senior Backend, цель — проверить scalability до 1M RPS'.
Итерируйте через follow-up
После первого набора вопросов уточняйте: 'Углуби секцию по concurrency в Go, добавь каверзный вопрос про race condition и эталонный ответ с sync.Mutex vs channels'.
Избегайте вопросов-загадок
До: 'Дай 10 сложных вопросов по Java'. После: 'Дай 5 задач на JVM memory model и GC для Senior, с разбором ответа и сигналами найма/отказа по рубрике Amazon'.
FAQ: промты для техинтервью
Промты для технического интервью — это готовые текстовые инструкции, которые задают ChatGPT роль Tech Lead или CTO и генерируют вопросы под нужный уровень кандидата. В промт вы вшиваете роль интервьюера, стек (например, Backend Python/Django или Frontend React/TypeScript), этап (скрининг, live coding, system design) и критерии оценки — алгоритмы, чистоту кода, troubleshooting. ChatGPT на выходе отдаёт структурированный план интервью с 10–15 вопросами и контрольными ответами для проверки. Это экономит 2–3 часа подготовки на каждого кандидата и убирает субъективность оценки. Скопируйте готовый промт из генератора и вставьте в ChatGPT перед следующим собеседованием.
Опишите в Claude контекст: уровень Middle, стек Node.js/Nest.js, этап live coding, фокус — алгоритмы и структуры данных. Затем попросите сгенерировать 3 задачи нарастающей сложности на 60 минут с критериями оценки решения: читаемость, сложность O(n), обработка edge cases. Claude хорошо держит длинный контекст и выдаёт задачи с эталонным решением и типичными ошибками Middle-кандидатов — от забытой проверки null до неоптимального перебора. Дополнительно попросите сформулировать follow-up вопросы по коду, которые отсеют «зазубренные» ответы с LeetCode. Попробуйте бесплатный генератор промтов GUSAROV — он соберёт структуру сам, вам останется вставить её в Claude.
CTO получает единый стандарт оценки и экономит время всей команды интервьюеров. Вместо того чтобы собирать вопросы вручную под каждый стек и уровень, вы за минуту получаете промт под задачу «найти Senior-архитектора для закрытия критического пробела» или «взять Junior с потенциалом роста». ChatGPT или YandexGPT по такому промту выдаёт калибровочные вопросы по system design, код-ревью и troubleshooting — с привязкой к реальному приоритету найма. Это снижает cost-of-hire, ускоряет time-to-offer на 30–40% и защищает от найма «по ощущениям». Используйте генератор перед запуском воронки найма, чтобы собрать библиотеку промтов под каждую вакансию.
Промты для system design фокусируют нейросеть на архитектурных решениях: масштабирование, CAP-теорема, выбор БД, очереди, CDN — уровень Staff/Lead и Senior. Промты для код-ревью просят ИИ сгенерировать фрагмент кода с намеренными багами и анти-паттернами, чтобы кандидат нашёл проблемы чистоты, SOLID и производительности. Первый тип проверяет ширину мышления и архитектурную экспертизу, второй — глубину и внимание к деталям. В Claude system design работает лучше за счёт длинного контекста, а код-ревью одинаково хорошо отрабатывает ChatGPT и Gemini. Выберите нужный тип в генераторе промтов и соберите пакет под этап интервью.
Промты совместимы со всеми основными LLM: ChatGPT, Claude, Gemini, YandexGPT, GigaChat и DeepSeek. Для генерации задач по алгоритмам и system design лучший результат даёт ChatGPT и Claude — они точнее следуют структуре и выдают корректный код на Python, Java и TypeScript. Для интервью на русском языке с учётом локальной специфики подойдут YandexGPT и GigaChat — они корректнее формулируют вопросы для поведенческой части и первичного скрининга. Gemini хорошо работает на Frontend React/TypeScript и мультимодальных задачах. Рекомендуем прогнать один и тот же промт через 2 нейросети и сравнить покрытие тем. Вставьте бесплатный промт GUSAROV в любую из них и протестируйте на ближайшем интервью.