Litmus

สร้างข้อสอบจากโค้ดเบสของคุณเอง แถมดูด้วยว่าผู้สมัครใช้ AI อย่างไร

Contact for pricing

Litmus ใช้โค้ดเบส ทิกเก็ต และคำอธิบายตำแหน่งงานของบริษัทเองสร้างแบบทดสอบเขียนโปรแกรมแบบไม่พร้อมกัน (asynchronous) โดยอัตโนมัติ ประเมินว่าผู้สมัครจริง ๆ แล้วจะทำงานบน tech stack ของคุณอย่างไร และยังติดตามกระบวนการที่พวกเขาใช้เครื่องมือ AI

จุดเด่นและสถานการณ์การใช้งาน

ความไร้สาระที่สุดของการสัมภาษณ์ด้านเทคนิคคือ สิ่งที่คุณสอบคือกลับต้นไม้ทวิภาค แต่งานจริงคือแก้โมดูลที่ไม่มีใครเข้าใจในโปรเจกต์เก่าอายุสิบปี Litmus อยากแก้ช่องว่างนี้ สร้างโจทย์ที่ใกล้เคียงงานจริงจากโค้ดเบส ทิกเก็ต Jira และคำอธิบายตำแหน่งงานของบริษัทโดยตรง ที่น่าสนใจกว่าคือวิธีให้คะแนน นอกจากตรวจสอบความถูกต้องด้วยเฟรมเวิร์กทดสอบแบบกำหนดผลได้แน่นอนใน sandbox แล้ว มันยังบันทึกกระบวนการของผู้สมัครอย่างครบถ้วน แก้ไฟล์กี่ครั้ง ประวัติ commit หน้าตาเป็นอย่างไร และการใช้เครื่องมือ AI ข้อสุดท้ายสำคัญเป็นพิเศษในปี 2026 เพราะปัญหาตอนนี้ไม่ใช่ "คุณใช้ AI เป็นไหม" แต่คือ "คุณใช้อย่างไร" นอกจากนี้ยังตั้งค่าให้ LLM ทำการประเมินเชิงคุณภาพได้ ดูความคิดเชิงสถาปัตยกรรมและคุณภาพการตัดสินใจ ด้านการเชื่อมต่อรองรับ ATS อย่าง Ashby, Greenhouse, Lever ข้อมูลผู้สมัครซิงค์อัตโนมัติ ลูกค้ารวมถึง Neo Scholars, Mercor, Composio ราคาปรับตามความต้องการและปริมาณการสรรหา ไม่เปิดเผยอัตราค่าบริการ

เหมาะกับการประเมินด้านเทคนิคของทีมซอฟต์แวร์ทุกระยะ โดยเฉพาะสตาร์ทอัพและบริษัทช่วงเติบโต บริษัทที่โค้ดเบสยุ่งเหยิงเกินไปหรือเกี่ยวข้องกับความลับต้องประเมินความเป็นไปได้ก่อน

ฟังก์ชันหลัก

สร้างข้อสอบจากโค้ดเบส ทิกเก็ต และคำอธิบายตำแหน่งงานของบริษัทอัตโนมัติ
ติดตามกระบวนการของผู้สมัคร การแก้ไฟล์ซ้ำ ประวัติ commit การใช้เครื่องมือ AI
ให้คะแนนเรียลไทม์ใน sandbox ทดสอบแบบกำหนดผลได้แน่นอนตรวจสอบความถูกต้อง
ตั้งค่าให้ LLM ประเมินเชิงคุณภาพด้านสถาปัตยกรรมและการตัดสินใจได้
เชื่อมต่อ ATS อย่าง Ashby, Greenhouse, Lever

การใช้งานทั่วไป

การประเมินด้านเทคนิคแบบไม่พร้อมกันในขั้นคัดกรองเบื้องต้น
ใช้งานจากโค้ดเบสจริงแทนโจทย์ไวท์บอร์ด
ประเมินความสามารถจริงของผู้สมัครบน tech stack เฉพาะ
สังเกตว่าผู้สมัครใช้เครื่องมือ AI แก้โจทย์อย่างไร
การสร้างมาตรฐานการประเมินด้านเทคนิคของหลายตำแหน่งงาน

ฟีเจอร์เด่น

สร้างข้อสอบจากโค้ดเบส ทิกเก็ต และคำอธิบายตำแหน่งงานของบริษัทอัตโนมัติ
ติดตามกระบวนการของผู้สมัคร การแก้ไฟล์ซ้ำ ประวัติ commit การใช้เครื่องมือ AI
ให้คะแนนเรียลไทม์ใน sandbox ทดสอบแบบกำหนดผลได้แน่นอนตรวจสอบความถูกต้อง
ตั้งค่าให้ LLM ประเมินเชิงคุณภาพด้านสถาปัตยกรรมและการตัดสินใจได้
เชื่อมต่อ ATS อย่าง Ashby, Greenhouse, Lever

ข้อดี

โจทย์ใกล้เคียงงานจริง คุณภาพสัญญาณสูงกว่าโจทย์อัลกอริทึมสำเร็จรูปมาก
ติดตามวิธีการใช้ AI สอดคล้องกับรูปแบบการทำงานจริงของนักพัฒนายุคนี้
ทำแบบไม่พร้อมกัน ไม่กินเวลาแบบพร้อมกันของผู้สัมภาษณ์และผู้สมัคร
เชื่อมต่อ ATS หลัก กระบวนการไม่ต้องย้ายข้อมูลเพิ่ม

ข้อเสีย

ต้องให้เข้าถึงโค้ดเบส โปรเจกต์ที่เกี่ยวข้องกับความลับมีข้อกังวล
ไม่เปิดเผยราคา ต้องเจรจา
การติดตามการใช้ AI อาจก่อความกังวลด้านความเป็นส่วนตัวของผู้สมัคร
คุณภาพโจทย์ขึ้นอยู่กับความอ่านง่ายของโค้ดเบสบริษัทเองอย่างมาก

กรณีการใช้งาน

การประเมินด้านเทคนิคแบบไม่พร้อมกันในขั้นคัดกรองเบื้องต้น
ใช้งานจากโค้ดเบสจริงแทนโจทย์ไวท์บอร์ด
ประเมินความสามารถจริงของผู้สมัครบน tech stack เฉพาะ
สังเกตว่าผู้สมัครใช้เครื่องมือ AI แก้โจทย์อย่างไร
การสร้างมาตรฐานการประเมินด้านเทคนิคของหลายตำแหน่งงาน

บันทึกบรรณาธิการ

"ใช้ AI เป็นไหม" ในปี 2026 ไม่ใช่ปัญหาอีกแล้ว "ใช้อย่างไร" ต่างหาก ผมเคยเห็นผู้สมัครใช้ AI สามสิบวินาทีส่งคำตอบที่รันได้แต่ดูแลรักษาไม่ได้เลย ก็เคยเห็นคนใช้ AI ทำความเข้าใจโค้ดเบสที่ไม่คุ้นเคยอย่างรวดเร็วแล้วเขียนโซลูชันที่สะอาดออกมาเอง ความต่างของคนสองแบบนี้ การสัมภาษณ์แบบดั้งเดิมดูไม่ออกเลย Litmus บันทึกกระบวนการไว้ ทิศทางนี้ผมว่าถูกมาก เงื่อนไขคือบอกคนก่อนว่าคุณกำลังบันทึกอยู่

คำถามที่พบบ่อย

ให้โค้ดเบสกับบุคคลที่สามปลอดภัยไหม

นี่คือปัญหาที่ต้องแก้ก่อนนำเข้าใช้งาน วิธีที่เหมาะสมคือให้เฉพาะชุดย่อยที่ปกปิดตัวตนแล้ว หรือโค้ดเบสจำลองที่สร้างขึ้นโดยเฉพาะ ไม่ใช่โค้ดการผลิตทั้งชุด ในสัญญาต้องระบุวัตถุประสงค์การใช้ข้อมูล ระยะเวลาการเก็บ และจะใช้ฝึกโมเดลหรือไม่ให้ชัด โปรเจกต์ที่เกี่ยวข้องกับข้อมูลลูกค้ายิ่งต้องระวัง

ติดตามว่าผู้สมัครใช้ AI อย่างไร แบบนี้ยุติธรรมไหม

ผมว่าเงื่อนไขความยุติธรรมคือ "แจ้งให้ทราบชัดเจนล่วงหน้า" นักพัฒนายุคนี้ใช้ AI อยู่แล้ว แกล้งว่าไม่ใช้กลับผิดจากความจริง สิ่งสำคัญคือบอกให้ชัดล่วงหน้าว่าอนุญาตให้ใช้ AI และกระบวนการจะถูกบันทึกและประเมิน ส่วนการแอบตรวจสอบเป็นอีกเรื่อง จะมีปัญหาด้านกฎหมายและความไว้วางใจ

บริษัทในไทยใช้ได้ไหม

แนวคิดใช้ได้ แต่ต้องระวังสองจุด หนึ่ง PDPA ของไทยมีข้อกำหนดเรื่องข้อมูลที่เก็บในกระบวนการสรรหา การติดตามบันทึกพฤติกรรมต้องแจ้งและได้รับความยินยอมล่วงหน้า สอง คุณภาพการสร้างโจทย์อัตโนมัติขึ้นกับความคิดเห็นในโค้ดและโครงสร้างของโค้ดเบส โปรเจกต์เก่าของบริษัทไทยจำนวนมากอาจสร้างโจทย์ที่ดีไม่ออก