2025年7月版本说明
Last updated: September 19, 2025
人工智能正在改变软件的构建方式，从而改变您的招聘和提升开发者技能的方式。此版本帮助您保持领先。
借助IDE中的AI辅助，您现在可以超越评估代码正确性的范围，评估候选人在实际环境中的工作表现：他们如何使用AI编写干净、高效的代码并进行权衡。我们还添加了强大的生产力增强功能，如Scorecard Assist，帮助您节省时间并更快地发现更强的信号。这些新功能中的一些作为AI附加包的一部分提供——请在下面的更新中查找它们。
在开发者方面，新的订阅计划和由AI驱动的准备工具包使候选人比以往任何时候都更容易练习、认证和成长。通过SkillUp，您的团队可以构建Prompt Engineering、RAG和Agent Building等GenAI技能，甚至推出符合您需求的定制认证。
最后，Engage为您提供在嘈杂市场中脱颖而出的工具：举办AI原生的黑客马拉松，并在几分钟内启动精美的品牌微型网站。
这些更新现已上线！观看我们的网络研讨会录像以了解更多信息。
屏幕
测试变体
您现在可以创建多个测试变体，并根据候选人在登录时的输入提供正确的版本。这使得评估使用不同技术栈（如Node.js、Python或Java）的候选人变得更加容易——只需一个简化的测试设置。
候选人只会看到与他们相关的部分，报告也只反映他们尝试的变体，因此洞察保持干净、角色特定且易于评估。这减少了维护负担，同时为您提供了在大规模个性化评估方面的灵活性。
欲了解更多信息，请参阅 📄 测试变体 。
测试设置的增强
我们已重新设计测试设置，以减少复杂性并改善可用性。设置现在更直观地分组。这些更改简化了决策过程，增强了平台的一致性，并为更智能的组织范围控制奠定了基础。以下是亮点：
简化结构：设置现在遵循测试创建流程——从问题开始，接着是部分，最后是测试邀请。
统一部分控制：部分设置已合并，消除了重复编辑。
粘性保存：持续提醒确保更改不会丢失。
新选项：添加截止百分比（不仅仅是分数）并定义测试邀请的到期时间（按持续时间或结束日期）。
欲了解更多信息，请参阅 📄 修改测试的一般设置，📄 修改测试的问题设置，📄 修改测试的章节设置，📄 修改测试的评估设置，📄 配置测试的入职设置，📄 配置测试的电子邮件设置，📄 配置测试邀请设置。
为测试设置自定义邀请过期时间
您现在可以直接在测试级别定义测试邀请的有效期。设置特定的结束日期或定义自定义持续时间以满足您的需求。这为您提供了更多的灵活性，可以在不受全局默认值限制的情况下调整过期时间窗口。
欲了解更多信息，请参阅 📄 配置测试邀请设置。
更新的默认邀请模板
默认的测试邀请模板现在包含更清晰的指示、改进的语气以及样本测试的预览。这有助于候选人感到更有信心和更好地准备，从而帮助你在无需额外努力的情况下吸引更多候选人进入你的渠道。
AI 附加包中的屏幕功能
AI 附加包包括帮助你评估下一代技能并在 AI 原生世界中保持面试完整性的高级功能。它旨在以适当的深度和控制解决新出现的挑战。欲了解更多详情，请联系你的客户经理或发送电子邮件至 support@hackerrank.com。
AI 辅助测试
使用提供候选人上下文帮助的 AI 辅助 IDE 升级你的测试，例如语法提示、模板和平台指导，而不会泄露完整解决方案。它反映了开发者今天的工作方式，同时保持评估的公平性。
通过高级评估，全面了解每位候选人的方法，包括代码质量、最优性和 AI 使用总结等信号，以及完整的聊天记录。
AI 辅助 IDE
为候选人启用智能、以 AI 为先的编码辅助，旨在提高生产力并让你了解候选人在实际编码任务中如何使用 AI。
聊天： 解释代码，澄清问题，并提供语法支持，而不透露完整解决方案。
AI 自动补全： 提供行内和多行代码补全，加快开发速度。
AI 助手支持编码、前端、后端、移动端、全栈和代码仓库问题类型。
欲了解更多信息，请参阅 📄 AI辅助测试。
高级评估
有了AI的帮助，招聘决策不能仅依赖于通过/不通过的测试用例结果。作为招聘经理，你需要了解候选人如何思考、构建以及使用AI来达到目标。高级评估帮助你深入了解代码质量、解决问题的行为以及AI协作，从而提供更全面的实际技能视图。
欲了解更多信息，请参阅 📄 高级评估。
代码质量评分
生产就绪的代码需要具有可读性、可维护性和高效性，此外还要功能正确。代码质量评分突出显示候选人编写的代码的理解程度和可扩展性。您将看到评论者风格的评论，指出优点并提出改进建议，这样您可以快速评估工艺，而不仅仅是正确性。
欲了解更多信息，请参阅 📄 代码质量评估。
最优性
优秀的代码还应具有可扩展性。最优性根据时间和空间复杂度对候选解决方案进行评分，以便您可以在现实世界的限制下评估性能。
欲了解更多信息，请参阅 📄 最优性。
人工智能使用总结
人工智能使用总结提供了一个清晰、简洁的视图，显示了在每次测试中人工智能助手的使用情况。它在性能总结报告和详细的题目级别报告中都可以查看。
任何支持题型的测试都可以升级到AI辅助体验。其他测试将继续使用我们现有的测试体验。
欲了解更多信息，请参阅 📄 AI 使用总结。
增强的监考模式
注意：必须是没有尝试的新测试。
监考模式为您的评估带来AI驱动的诚信监控，提供现场监考的严格性而无需额外工作。它会跟踪摄像头活动、标签切换，并在测试期间截取屏幕截图，提供带有完整会话回放和违规总结的测试后报告。
通过此次发布，监考模式现已在AI插件包中普遍可用，具有重大增强功能，减少了审查候选人报告所需的手动工作，并扩大了对更多题型的覆盖范围。
阻止多显示器：候选人必须使用单一显示器。如果检测到多个显示器，测试将无法开始（或将暂停）。此功能支持Chrome和Edge浏览器。如果候选人试图使用不支持的浏览器（如Firefox或Safari）访问测试，他们将在开始前被提示切换。
候选人报告中的会话重放：您现在可以直接从报告中观看候选人测试会话的完整录像。会话重放捕获整个测试浏览器标签页以及网络摄像头图像和系统截图，集中显示。时间线显示关键事件，例如全屏退出、标签切换、可疑的网络摄像头活动和截图，帮助您快速回顾关键时刻，以获得更深入的性能和诚信洞察。
截图分析：现在会自动分析定期截图，以检测潜在的可疑活动迹象。
扩展的问题类型支持：监考模式现在支持更广泛的问题类型，包括多项选择、编码、句子完成、文件上传以及除DevOps之外的所有项目。支持更多问题类型即将到来，为您提供更大的安全评估灵活性。
欲了解更多信息，请参阅 📄 监考模式。
技能平台
iOS 评估
招聘 iOS 开发者变得更容易了。您现在可以在一个模拟实际构建 iOS 应用程序的环境中评估 iOS 开发技能，支持多文件结构、Swift 语法和智能自动补全。这些评估还支持 SwiftUI 等框架。
候选人在内置的 iOS 模拟器中编写和运行代码，因此您可以预览实际的应用体验。这意味着您不仅仅是在测试它是否工作。您在看到它的外观、感觉和性能。
更多信息，请参见 使用 HackerRank IDE。
Flox
我们现在支持 Flox，允许您使用 Flox 包管理器创建和运行自定义问题。通过 Flox，您可以在问题设置中直接定义一致、可复现的环境，使测试候选人使用真实工具和工作流程变得更容易。这对于使用自定义开发环境的团队尤其有用。
更多信息，请参见 执行环境。
库改进
新内容
我们已扩展我们的内容库，以帮助您评估更广泛的技能范围。
99个新的编码挑战，测试算法推理和实现效率。
41个新的项目任务，测试候选人管理和执行复杂实际任务的能力。
在以下高需求职位类别中的内容新增：
职位类别
技能
问题类型
AI/ML
Python
数据科学
AI/ML
R
数据科学
AI/ML
RAG
GenAI
移动端
Android
项目
移动端
iOS
项目
移动端
Flutter
选择题
移动端
Swift
编码
移动端
Cucumber
项目
质量保证
问题解决
编码
软件工程
SQL
数据库
云计算
Salesforce
选择题
云计算
GCP
选择题
云计算
SAP
选择题
网页开发
Node.js
项目
网页开发
Node.js
选择题
数据工程
Redis
选择题
数据工程
Snowflake
选择题
数据工程
Informatica
选择题
内容质量升级
HackerRank 图书馆不断发展，以提高清晰度、准确性和易用性，同时支持有效的技能评估。
我们已重写了超过70%的实践问题，使候选人的体验更加顺畅，评审者的体验更加一致。每次更新都经过我们的质量标准验证，以确保公平、准确和严谨。
原始问题
改进的问题
你需要自定义一个名为 DataEncryption 的类，具有以下属性： encryptionRatio、baseEncryptionValue，以及一个名为 encryptValue() 的方法。
默认的 encryptValue() 函数通过以下方式计算加密值：
encryptedValue = baseEncryptionValue + encryptionRatio
在现有的 encryptValue() 方法基础上添加更多功能，使其接受一个名为 encryptionAdjustment 的整数类型变量。该函数应相应地调整加密值的计算方式为：
encryptedValue = (baseEncryptionValue + encryptionRatio) - encryptionAdjustment
此外，你还被要求对该方法进行重载，使其接受 encryptionAdjustment 作为字符串类型，将其转换为整数，并在加密值的计算中进一步使用它。
encryptedValue = ( baseEncryptionValue + encryptionRatio) - encryptionAdjustment
在 DataEncryption 类中，有三个重载版本的 encryptValue()：
默认版本：不接受参数，计算加密值为
baseEncryptionValue+encryptionRatio第一个重载版本：接受一个整数
encryptionAdjustment，计算加密值为 (baseEncryptionValue+encryptionRatio) -encryptionAdjustment第二个重载版本：接受一个字符串
encryptionAdjustment，将其转换为整数，并计算加密值为 (baseEncryptionValue+encryptionRatio) -encryptionAdjustment
自定义一个名为 DataEncryption 的类，具有属性 encryptionRatio、baseEncryptionValue，以及一个名为 encryptValue() 的方法。
在 DataEncryption 类中实现三个版本的 encryptValue() 方法：
默认版本：不接受参数，计算加密值为
baseEncryptionValue+encryptionRatio第一个重载版本：接受一个整数
encryptionAdjustment，计算加密值为 (baseEncryptionValue+encryptionRatio) -encryptionAdjustment第二个重载版本：接受一个字符串
encryptionAdjustment，将其转换为整数，并计算加密值为 (baseEncryptionValue+encryptionRatio) -encryptionAdjustment
开发者体验
新候选人站点 - 项目和句子完成问题
在上个季度的编码、多项选择题和数据库题目的重新设计基础上，我们现在将简化的候选人界面扩展到更多题型 - 前端、后端、移动端、全栈、GenAI 和句子完成。
作为这些更新的一部分，候选人现在可以轻松重置项目，使在测试尝试期间重新开始变得更简单。此外，测试执行现在更加自然，集成的输出跟踪直接显示在 IDE 终端中，增强了可见性并减少了上下文切换。
更多信息，请参阅 进行前端、后端、全栈和移动开发者评估。
数据科学评估改进
候选人提交检查
提交错误的文件不应妨碍获得优异的结果。候选人现在在点击提交时会自动进行提交检查，确认他们的 submission.csv 文件是否存在、命名正确且格式正确。
系统会标记常见问题，例如：
缺失或命名错误的 submission.csv
列名错误
无效的数据类型
这可以减少可预防的错误，并帮助确保候选人获得他们所做工作的积分。
欲了解更多信息，请参阅 回答数据科学问题。
升级的 JupyterLab IDE
我们已升级到 JupyterLab 4.4.1，以为数据科学候选人提供更流畅、更快、更直观的体验。
自定义编码控制台： 候选人可以将代码提示放在顶部、左侧或右侧——不仅仅是底部。新的工具栏按钮使运行、重启、清除和切换内核变得更容易。单元格的临时记事本切换有助于专注于逐步工作。
更干净的用户界面： 更细的状态栏现在隐藏空闲终端和内核计数器，减少杂乱并最小化在触摸设备上的意外点击。
性能提升：输出渲染更快，在流式传输或滚动大型笔记本时延迟减少。
需要时提供更强的计算能力
随着问题复杂性的增加，特别是在像TensorFlow用于机器学习和数据科学角色的计算密集型用例中，我们现在支持GPU支持的环境，以确保顺畅的执行和最佳的候选人体验，使您能够更准确地评估技能，而不受平台限制的约束。
您现在可以通过联系support@hackerrank.com请求GPU支持的免费试用。
DevOps 评估改进
DevOps 库问题现在加载速度提高了50%，等待时间从四分钟多缩短到大约两分钟。终端延迟也已减少，因此环境从一开始就感觉更具响应性。
无错误报告处理
候选人报告处理现在更加可靠，有助于最大限度地减少接收评估结果的延迟。我们已大幅改进，减少报告处理错误93%，将其降低到0.2%以下。这确保了更顺畅、更可靠的评估体验，帮助您及时获取洞察以评估绩效并做出自信的招聘决策。
平台升级
HackerRank平台现在运行在当今最常用语言和框架的最新版本上，因此您可以在反映真实工程堆栈的环境中评估开发人员
这些升级有助于确保兼容性、改善性能，并为候选人提供良好的体验。
环境
当前版本
升级版本
白板体验的改进
我们引入了一系列白板改进，以使编辑、处理形状以及复制粘贴变得更快、更直观。
直观的文本编辑：调整大小并换行文本框，即使在粘贴后，也可以专注于内容，而不是格式。你现在可以双击形状，在内部直接添加文本，而无需单独的文本框。
更简便的形状调整：悬停时会显示锚点，便于自定义形状，使元素定位和对齐更简单。
形状间的一致样式：从右侧面板添加的形状现在会自动保留你选择的颜色和描边设置。
粘性滚动：切换标签时，你的视图会精确保持在离开的位置。
改进的复制粘贴：从 Google 文档复制的图片现在可以干净地粘贴到白板上——无需额外步骤。
Workday 和 Greenhouse 的面试评分卡 PDF
招聘团队现在可以在 Greenhouse 和 Workday 的候选人资料中直接查看 HackerRank 评分卡的安全、验证的 PDF 版本。这使得团队，尤其是那些不登录 HackerRank 的团队，更容易审查反馈，无需延迟或变通方案。评估结果就放在你工作的地方，招聘决策变得更快、更清晰、更协作。
欲了解更多信息，请参阅 在 Greenhouse 上查看面试评分卡。
报告页面中的状态指示器
面试页面上的点赞/踩状态指示器现已移除。这确保了“合格”或“未通过”标签不会出现在时间线上，为候选人和面试官创造了更中立、一致的体验。
性能改进
面试加载速度显著提升，改善了候选人和面试官的体验。编码题目打开速度快37%，白板题目加载快26%。通过减少重定向、消除不必要的加载检查和并行化API调用，我们缩短了等待时间，帮助候选人更快开始，面试官保持进度。
对完整性信号的改进
面试诚信现在更加具有上下文和重点。系统不再仅仅标记孤立的行为，如切换标签或粘贴，而是寻找行为模式，组合信号并将其分类为静默、分组或关键。当多个行为表明存在真正的担忧时，您才会收到提醒，从而减少不必要的干扰。
一个新的实时状态小部件为您提供候选人专注度、屏幕共享和监控设置的实时可见性。这有助于您在正确的上下文中解释行为并做出适当的反应。
欲了解更多信息，请参阅 📄 面试诚信信号。
AI 附加包中的面试功能
AI 附加包包括先进的功能，帮助您评估下一代技能并在AI原生世界中保持面试诚信。它旨在以适当的深度和控制解决新出现的挑战。欲了解更多详情，请联系您的客户经理或发送电子邮件至 support@hackerrank.com。
屏幕与面试身份匹配
确保参加面试的候选人与参加筛选测试的人是同一人——无需增加流程的摩擦。
候选人的图像在两个阶段都自动捕获，并使用面部识别进行匹配。如果相似度得分低于预设阈值，则会触发实时警报，让您有机会采取行动而不打断会话。
更多信息，请参阅 📄 屏幕到面试身份匹配。
面试转录
实时转录现在提供了每次对话的轻量级、可搜索的记录，因此招聘团队可以专注于有意义的评估，而不是手动记笔记。由Zoom的SDK支持，转录捕获所有音频交互，并可通过电子邮件、报告或API轻松访问。您还可以完全控制转录设置，以匹配您的工作流程和隐私偏好，使您可以轻松回顾和审查最重要的内容。
更多信息，请参阅 📄 评分卡助手。
编码问题的评分卡助手
一个新的自动生成的评分卡简化了招聘团队的面试后评估。一旦面试官选择“离开面试”或“结束面试”，平台会自动使用会话中的数据生成预填充的评分卡，包括转录、代码提交、时间戳、测试用例结果和分配的评分标准，从而实现更快、更有条理的评估，帮助团队做出决策。
前提条件：在启用评分卡助手之前，需要启用面试转录功能。
欲了解更多信息，请参阅 📄 评分卡助手。
AI辅助面试
在面试中，您可以开启无防护模式，AI助手会提供更开放式的帮助，特别是在配对编程环节中。无论候选人是在审查代码、修复错误还是浏览新文件，面试体验现在感觉更自然，更接近日常软件开发。
主要功能：
聊天：AI可以解释代码、澄清问题和编写代码。
AI自动补全：候选人可以获得内联和多行代码补全，加快开发速度。
代理模式：自主浏览您的代码库，编辑多个文件，运行命令并修复错误以完成任务，充当AI配对程序员的角色。
AI助手支持前端、后端、移动端、全栈和代码仓库问题类型。
欲了解更多信息，请参阅 📄 AI辅助面试。
SkillUp
面向生成式AI技能的新学习路径
人工智能正在改变软件的构建方式，你的团队也在寻求成为下一代开发者。通过SkillUp，开发者学习如何用AI思考和构建：何时使用它，如何引导它，以及如何在保持质量的同时保持畅通。关于提示工程、RAG和代理构建的新AI导师引导路径，帮助你的团队掌握这些新技能。
欲了解更多信息，请参阅 SkillUp中的角色与技能。
RAG
你现在可以在AI导师的实际支持下学习构建检索增强生成（RAG）管道——一次专注一个概念。
RAG基础知识： 了解检索、向量索引和生成在现代AI管道中的协作方式。学习用实际案例排查每个部分的问题。
使用真实开发工具： 在现代开发环境中工作，具有终端访问、测试工具、临时数据集存储和每一步的AI指导。
边建边学： 每个模块结合概念讲解（配有图示和问答），随后是动手编码任务，你需要完成或调试一个工作中的RAG管道的部分内容。
提示工程
掌握编写清晰、有效提示的技能，以生成更好的AI输出，获得AI导师的实践指导。
提示基础： 了解什么是好的提示以及它的重要性。与您的AI导师一起探索示例，提出问题，并在实际任务之前在引导的沙箱中进行试验。
使用真实开发者工具： 在集成LLM的编辑器中编写和测试提示，内置评估和提示日志。AI导师提供逐步支持，帮助您不断改进。
边建边学： 每个模块都包括专注于基于代码和非代码提示的挑战，配有测试用例以评估您的输出。
代理构建
通过构建反映现代开发者如何将LLM集成到实际工作流程中的基础技能，开始使用AI代理。
代理基础: 了解无状态代理如何使用 ReAct 模式工作，将推理与工具使用相结合。学习大型语言模型（LLMs）如何调用工具和 API 来执行简单、范围明确的任务。
构建实用代理: 解决实际挑战，例如从零开始创建提交信息生成器或轻量级的 Python 代理，而不依赖于库或框架。
引导学习: 一位 AI 导师帮助解释关键概念，如思考-行动-观察循环、狭义工具使用以及 LLM 集成的基础，为更高级的代理系统打下坚实基础
自定义认证
你现在可以将 HackerRank Screen 中构建的自定义测试转换为 SkillUp 中的认证。这些认证与我们的标准认证一样工作，具有进度跟踪和清晰的自定义标签以区分它们。管理员可以在 HackerRank 中构建和管理评估，而开发者通过 SkillUp 的引导体验获得认证。这为你提供了测试对你组织最重要技能的灵活性，同时受益于 SkillUp 的集成学习路径、实践轨迹和报告工具。
更多信息，请参见 📄 自定义认证。
终端和Jupyter笔记本的内联集成
您现在可以在SkillUp的学习和实践轨道中直接执行终端命令和Jupyter笔记本，无需切换上下文或被重定向到HRW测试，从而更轻松地完成DevOps和数据科学任务。一切都在一个无缝、集成的工作流程中运行。
参与
使用AI生成横幅图片
您现在可以在几秒钟内使用AI为您的活动生成专业的横幅图片。使用提供的起始提示输入您想要的图片描述，系统将创建一个包含您的活动名称的定制横幅。最多可以重新生成五次横幅图片，以查看不同的变体并选择最符合您活动视觉识别的版本。
欲了解更多信息，请参阅 更新内容布局。
在 HackerRank 社区自动发布广告
您的活动应面向合适的受众。通过此更新，您可以直接向 HackerRank 社区的数百万开发者推广它们，全部在 Engage 内部操作。只需在“推广”标签下添加您的活动详情，准备好后即可发布。您的广告将立即上线，帮助您推动注册，无延迟。
欲了解更多信息，请参阅 设置您的推广。
首页注册洞察
追踪您的营销渠道的投资回报率现在更简单。您活动概览页面上的新“浏览量与注册数”图表准确显示每个渠道对您的注册的贡献。利用这些洞察优化您的营销策略，将努力集中在最具影响力的地方。
欲了解更多信息，请参阅 查看营销洞察。
对电子邮件序列体验的增强
无需在标签页之间切换以跟踪您的活动电子邮件。所有候选人通信——注册确认、邀请、提醒和互动电子邮件——现在都集中在“外展”菜单中的新“电子邮件序列”标签下。可以从一个简洁的视图中轻松查看和编辑每条消息。
欲了解更多信息，请参阅 设置电子邮件序列。
感谢您支持我们的使命——用技能取代血统，改变世界。您的反馈不断推动我们的创新前进。如果您有任何问题或需要帮助，请发送电子邮件至 support@hackerrank.com 或联系您的客户经理。