Невидимые нейросетевые суфлёры на собеседованиях: как устроены, кто их делает и как с ними бороться

Представим ситуацию.

Вы четвертый месяц ищете разработчика в команду. Ваш любимый рекрутер передаёт резюме. Кандидат - идеальное попадание. Скрининг прошёл отлично. Начинается собеседование.

Вы спрашиваете: "Что произойдёт, если в Go запустить тысячу горутин, а одна повиснет на чтении из канала без читателя?"

Тишина. Восемь секунд. Десять. И вдруг - ответ. Гладкий. Термины на месте, структура "во-первых, во-вторых", как будто отвечает не человек, а языковая модель. На расшаренном экране - чисто. Никаких вкладок. Взгляд не уходит ни в телефон, ни на второй монитор.

Знакомо? Если пока нет - скоро будет.

За последний год появился целый класс продуктов, которые называют себя "невидимыми помощниками для собеседований". Суть: слушают вопрос через микрофон или снимают экран, прогоняют через языковую модель и выводят готовый ответ в прозрачном окне поверх созвона. Кандидат видит шпаргалку. Собеседующий - ничего. Даже при демонстрации экрана.

Сразу проведу границу. Готовиться к собеседованию с помощью нейросети, тренироваться на моковых интервью, лезть в документацию во время ответа - это нормально. Речь про другое: подсказки в реальном времени с попыткой остаться незамеченным. Это другой класс действий, и он требует другого класса ответов.

Я полез в тему не из академического интереса. Я провожу технические собеседования сам и знали бы вы как бесит этот паттерн: кандидат слышит вопрос, несколько секунд мычит что-то не по делу - и вдруг выдаёт ответ, который правильный теоретически, но стопроцентный нейрослоп по структуре. Стал копать - и обнаружил рынок, который растёт быстрее, чем индустрия найма успевает на него реагировать.

В этой статье разберу:

Весной 2025 года 20-летний студент Колумбийского университета Чунгин "Рой" Ли выложил на YouTube запись своего технического собеседования в Amazon. Стандартный онлайн-раунд: демонстрация экрана, задачка с LeetCode, 30 минут. Ли справился, получил приглашение на стажировку - и тут же публично рассказал, что всё время пользовался собственным инструментом Interview Coder, который был невидим для собеседующего.

Реакция была предсказуемо взрывной. Amazon отозвала приглашение и выпустила внутреннее руководство для рекрутеров по выявлению кандидатов с нейросетевыми суфлёрами. Колумбийский университет отчислил Ли.

А Interview Coder за 67 дней вышел на $3 млн годового дохода. Подписка стоила $60/мес, сейчас - $299/мес или $799 за "пожизненный" доступ.

По словам самого Ли, продукт устроен элементарно: "Снимок экрана => отправка в нейросеть => просьба решить задачу. Рабочий прототип - меньше тысячи строк кода". На сайте, конечно, обещают куда больше: 20+ технологий маскировки, невидимость при записи экрана и в диспетчере процессов, прозрачное окно, сквозь которое проходит курсор.

НО.

Самое интересное не это. Сгенерированный ответ - не просто код. Туда включены пометки для имитации процесса размышлений: заранее составленные уточняющие вопросы, которые кандидат должен озвучить, разборы граничных случаев, которые стоит упомянуть. Кандидат получает готовый сценарий: что сказать, что напечатать, какие вопросы задать "для достоверности".

Ли не остановился. Привлёк $5,3 млн инвестиций и запустил Cluely - по его определению, "Interview Coder для всего". Слушает созвон, анализирует экран и расшифровку речи, выводит подсказки в невидимом окне. Расширил аудиторию: менеджеры по продажам, переговорщики, студенты - и, разумеется, разработчики.

На сайте заявляют время отклика 300 мс, поддержку 12+ языков, точность распознавания 95%. А в манифесте утверждают, что это "не мошенничество, а что-то уровня калькулятора".

Сильное заявление, проверять его я конечно буду (С).

Я протестировал. С русским языком - откровенно плохо. Ответы на теоретические вопросы слабые для уровня сеньора. Задержки - от 5 до 30 секунд. Но для секции с лайвкодингом сервис выдал идеальное решение.

И как это обычно бывает - успех любого приложения порождает волну запросов "название + open source alternative". На гитхабе уже лежат неплохие аналоги, включая старую версию оригинального Interview Coder. Они стали драйвером для появления суфлёрных стартапов в России.

Я изучил исходный код нескольких открытых реализаций - OpenCluely, free-cluely, interview-coder, tech-int-cheat - и могу утверждать: базовая архитектура у всех одна. Различаются нюансы, но скелет - один и тот же конвейер из трёх этапов: захват => обработка => вывод.

Голос => текст. Большинство решений перехватывают звук системного микрофона. OpenCluely использует библиотеку node-record-lpcm16 для захвата PCM-аудио с частотой 16 кГц и передаёт поток в Azure Speech SDK для распознавания в реальном времени. Альтернативный и полностью бесплатный путь - локальный Whisper от OpenAI. Каждая фраза собеседующего превращается в текст и уходит в контекст модели.

Экран => снимок. Когда на экране условие задачи или код - суфлёр делает скриншот. На macOS - вызов screencapture -x (флаг подавляет звук затвора). На Windows - PowerShell с .NET API. OpenCluely - через Electron API desktopCapturer.getSources(). Free-cluely - через screenshot-desktop, причём прячет собственное окно перед снимком (задержка 100 мс => скриншот => окно обратно), чтобы не захватить себя.

Дальше все решения конвертируют снимок в base64 и отправляют на API.

Текст напрямую. Самый простой путь - кандидат копирует условие задачи из браузера. Или расширение для браузера само вытаскивает субтитры из Google Meet.

Захваченные данные уходят в API языковой модели. Но не "вот вопрос - дай ответ", а с подготовленным контекстом.

OpenCluely реализует класс SessionManager, который хранит все события собеседования: расшифровки речи, текст со снимков, предыдущие ответы - с временными метками. При каждом новом запросе последние n событий добавляются в контекст. Суфлёр "помнит" ход собеседования: какие вопросы задавались, какой код написан, какие ответы давались. При накоплении более 500 событий старые записи сжимаются.

По умолчанию используется Gemini 2.5 Flash - быстрая и дешёвая модель. Interview Coder маршрутизирует запросы на свои серверы, но по результатам экспериментов с Reddit понятно, что под капотом - OpenAI.

Я собрал и перевёл примеры их системных промптов. Вот два характерных:

Первый - для секции с лайвкодингом. Модели говорят: ты эксперт по спортивному программированию, выдавай оптимальное решение, без комментариев в коде, предпочитай O(n) или O(n log n). Процесс: определи паттерн задачи, оптимальный подход, чистую реализацию, сложность.

Второй - для теоретической части. Тут интереснее. Модели говорят: ты краткий помощник, давай быстрые советы, не раскрывая, что ты нейросеть. И дальше - стиль коммуникации: "начинай с "дай подумаю пошагово"", "разговорно, не роботизированно", "естественно показывай ход мыслей". То есть суфлёр генерирует не просто ответ, а сценарий имитации живого мышления.

Локальные модели - отдельная история. Free-cluely поддерживает Ollama - локальный инструмент для запуска языковых моделей. Приложение автоматически находит доступные модели, тестирует соединение и позволяет переключаться между облачным и локальным режимом. Суфлёр может работать полностью без сети - данные не покидают машину кандидата.

Для нас как для защищающейся стороны это принципиально важный момент: сетевые контрмеры против такого суфлёра бессильны.

Задержка - главный враг суфлёра. Весь конвейер (распознавание речи + запрос к модели + генерация) занимает от 5 до 30 секунд. Для облачных моделей основная задержка - сеть и время генерации. Для локальных - скорость работы на железе кандидата (на MacBook с M-чипом Llama 3.2 выдаёт ~30 токенов/сек - достаточно для коротких ответов).

Именно эту "мёртвую зону" кандидат заполняет водой и паузами. И именно она - ключевой маркер для обнаружения.

Ответ нужно показать кандидату так, чтобы собеседующий ничего не увидел - даже при демонстрации экрана.

Все изученные мной суфлёры построены на Electron. Ключ к невидимости - конфигурация окна:

const window = new BrowserWindow({

frame: false, // без рамки

transparent: true, // прозрачный фон

backgroundColor: '#00000000',

alwaysOnTop: true, // поверх всех окон

skipTaskbar: true, // не видно в панели задач

hasShadow: false,

type: 'panel',

focusable: true,

});

На экране кандидата - прозрачное безрамочное окно поверх всего. Текст ответа на полупрозрачном фоне. Под ним - окно Zoom или редактор кода.

Сквозные клики. Когда кандидат не взаимодействует с суфлёром, окно переключается в режим "прозрачности для мыши":

window.setIgnoreMouseEvents(true, { forward: true });

Клики и прокрутка проходят сквозь окно. Кандидат спокойно печатает код. По горячей клавише окно "материализуется" - становится кликабельным.

Почему собеседующий не видит окно суфлёра при демонстрации экрана?

setContentProtection(true) - главный трюк. На macOS это флаг NSWindowSharingNone, исключающий окно из захвата. На Windows - SetWindowDisplayAffinity(WDA_EXCLUDEFROMCAPTURE), исключающий окно из вывода DWM-захвата.

При демонстрации экрана в Zoom/Meet содержимое защищённого окна заменяется чёрным прямоугольником или просто не захватывается.

На macOS скрытие идёт глубже:

window.setHiddenInMissionControl(true);

window.setWindowButtonVisibility(false);

window.setVisibleOnAllWorkspaces(true, {

visibleOnFullScreen: true

});

OpenCluely дополнительно мониторит захват экрана - если обнаруживает активную демонстрацию, все окна суфлёра мгновенно выносятся за пределы видимой области:

window.setPosition(-10000, -10000);

Где невидимость ломается. Защита хрупкая. Zoom начиная с версии 6.1.6 использует новые API захвата, которые игнорируют setContentProtection. Нативная запись экрана macOS тоже обходит защиту. В README interview-coder прямо указано: "Не невидим для Zoom 6.1.6+".

НО.

Это гонка вооружений. Разработчики Zoom закрывают лазейку, авторы суфлёров ищут новую. Мне хватило 20 минут поиска, чтобы наметить рабочие гипотезы обхода. Публиковать детали не буду, но общий вектор обозначу:

OpenCluely прячется в диспетчере задач:

process.title = "Terminal";

app.setName("Terminal");

В списке процессов отображается как "Terminal". Можно замаскироваться под что угодно. Маскировка поверхностная - путь к исполняемому файлу и его хэш не меняются - но при беглом осмотре ничего подозрительного не видно.

Вся архитектура - не то чтобы rocket-science. Electron-приложение с прозрачным окном, пара вызовов к API, библиотека захвата звука. OpenCluely - ~2000 строк JavaScript. Free-cluely собирается одной командой npm start, у него 1300 звёзд и 393 форка на гитхабе.

Порог входа: вечер работы и бесплатный API-ключ от Gemini. С Ollama - даже ключ не нужен.

Interview Coder и Cluely - это западный рынок. Но если вы собеседуете на русском языке - вас должна интересовать другая картина. Я потратил несколько вечеров, чтобы прочесать русскоязычный сегмент - и обнаружил сформировавшийся рынок с иерархией, маркетингом и ценовыми войнами.

Самый раскрученный русскоязычный суфлёр. Телеграм-канал, чат сообщества, блог с инструкциями "как не спалиться" - да, прямо так и называется статья на сайте. На лендинге заявляют 6100+ пользователей, 26 300+ созданных собеседований, 425 000+ решённых задач.

Что предлагает: десктопное приложение (судя по поведению - Electron), невидимое при демонстрации экрана. Расшифровка голоса в реальном времени - и собеседующего, и кандидата. Выбор модели: OpenAI, Claude, Gemini, Grok. После собеседования - автоматический анализ с цветовой индикацией.

Совместимость проработана основательно: Google Meet, Teams, Discord, Jitsi, VK Calls, Салют Джаз, МТС Линк, HackerRank, CoderPad, Codility. Zoom - только через браузер. Яндекс.Телемост и Telegram - тоже через веб-версию. Вложились в маркетинг, а вложиться в специалиста, который обошёл бы новые ограничения setContentProtection - видимо, не додумались.

Цены: 990 ₽ за 7 дней, 2 490 ₽ за 30 дней, 4 990 ₽ за 90 дней.

Более молодой проект. На лендинге прямо написано: "Собеседование - это не экзамен. Это переговоры. Мы помогаем тебе вести их с позиции силы".

Предлагают персонализацию по резюме и вакансии - загружаешь описание позиции, модель адаптирует ответы. Технически это вставка резюме и описания вакансии в системный промпт - решение примитивное, но для пользователя выглядит как "ИИ знает мой опыт".

Цены: 499 ₽ за ~1 собеседование, 2 499 ₽ за ~7–9, 3 799 ₽ за ~13–15.

Прямолинейное название, прямолинейный подход. Заявляют работу через системный звук, а не через микрофон. Суфлёр слышит то же, что слышите вы - аудиовыход созвона. На macOS реализуется через BlackHole, на Windows - через WASAPI loopback.

offergenie.ai, enigmai.ru, shadowhint.com, hintsage.com, interviewhunter.net, aiapply.co, finalroundai.com - список можно продолжать долго.

Все появились в 2025 году после хайпа Interview Coder. Все используют одинаковую архитектуру. Различаются обёрткой: персонализация, выбор модели, аналитика после собеседования. Ни один не предлагает ничего, чего нельзя собрать из открытых компонентов за выходные - но продают удобство и "уверенность".

Мы разобрали, как суфлёры устроены. Мы увидели, что их десятки. Мы поняли, что просить кандидата показать диспетчер задач - тупик: маскировка процесса делается в три строки.

НО.

У абсолютного большинства суфлёров есть одна общая зависимость - сеть. Им нужен доступ к API языковых моделей, к облачным сервисам распознавания речи, к собственным серверам. Без сетевого доступа суфлёр превращается в красивое прозрачное окно, в котором ничего не появляется.

А что если отрезать кандидату доступ ко всему, кроме сервисов, необходимых для собеседования?

Идея простая: если для собеса нужны только Zoom и Яндекс.Код - значит, только они и должны быть доступны. Всё остальное - api.openai.com, generativelanguage.googleapis.com, api.anthropic.com, домены суфлёрных сервисов - блокируется на уровне маршрутизации.

Я не хочу возвращать собесы в офис. Не хочу устраивать охоту на ведьм. Я хочу, чтобы удалённое собеседование оставалось рабочим инструментом - даже когда на другом конце провода может быть запущен невидимый суфлёр. Поэтому сделал бесплатный инструмент.

Три компонента:

1. Telegram-бот @AntiCheatHRbot

Собеседующий заходит в бот, выбирает, какие сервисы нужны - из списка популярных платформ: Zoom, Google Meet, Яндекс.Телемост, Яндекс.Код и другие. Бот генерирует WireGuard-конфиг с уникальным ключом и ограниченным временем жизни.

Конфиг отправляется кандидату перед собеседованием. WireGuard есть на всех платформах, ставится за минуту. Попросить подключиться к "сети для проведения собеседования" - ничего из ряда вон выходящего.

2. Фильтрация по белому списку на шлюзе

После подключения весь трафик кандидата идёт через наш шлюз. Режим "только белый список": разрешены домены выбранных платформ, всё остальное - режется. Я собрал подсети и домены всех необходимых сервисов и автоматизировал формирование правил iptables.

Это останавливает ~90% суфлёров, потому что абсолютное большинство зависит от облачных API. Даже с открытым клоном нужен ключ от облачного провайдера - а провайдер заблокирован.

3. Проверочная страница

Конфиг легко раздать. Но как убедиться, что кандидат реально подключён, а не подменил маршруты?

Бот генерирует уникальную ссылку на проверочную страницу. Собеседующий скидывает её кандидату в чат и просит перейти. Страница выполняет три уровня проверок:

Уровень 1: проверка IP. Определяет внешний IP кандидата, сверяет с пулом нашего WireGuard-сервера.

Уровень 2: сбор данных об окружении. С согласия кандидата - модель видеокарты через WebGL (виртуальные машины видно по характерным именам: "VMware SVGA", "llvmpipe"), количество мониторов, разрешение экрана. Не для слежки - для фиксации окружения.

Уровень 3: активная проверка блокировки. Самый важный. Страница через fetch() пытается достучаться до API всех основных провайдеров моделей, доменов всех обнаруженных мной суфлёрных сервисов и основных "отвлекающих" сервисов.

Если VPN работает - все заблокированные домены вернут ошибку. Если хоть один отвечает - кандидат обошёл ограничения. Результат: зелёные галочки или красные крестики.

Резонный вопрос. WireGuard-конфиг - файл на стороне кандидата. Грамотный кандидат может отредактировать AllowedIPs и пустить трафик к API моделей мимо VPN.

Именно для этого нужен третий уровень проверки. Подмена маршрутов невидима на уровне IP - но видима на уровне fetch(): если api.openai.com отвечает из браузера кандидата - маршрут открыт, независимо от IP. Проверочная страница ловит именно это: не "откуда ты подключён", а "что тебе доступно прямо сейчас".

Не обещаю 100% защиту.

Прежде чем разбирать методы обнаружения, нужно понять, с чем мы имеем дело. Кандидат с суфлёром - не новичок, который впервые открыл нейросеть. Это человек, который прочитал руководство, отработал технику и подготовился к проверке.

Я изучил блоги суфлёрных сервисов и треды на Reddit. Вот полная картина того, чему учат жуликов.

Первое - убрать посторонние звуки. Стук клавиш при наборе запроса в суфлёр - классический "палевный" момент.

Что делают: ставят программы шумоподавления (Krisp, NVIDIA Broadcast), которые вырезают клацание, оставляя голос. Покупают тихие клавиатуры. Используют направленный микрофон - клавиатура за пределами зоны захвата.

Если кандидат печатает во время ответа - вы этого не услышите. Полагаться на "слышу стук клавиш" больше нельзя.

Бегающие глаза - второй "палевный" момент.

Что делают: размещают окно суфлёра прямо под веб-камерой - взгляд на подсказку выглядит как взгляд на собеседника. Или сбоку от окна созвона - выглядит как "задумался". Переключают всё в тёмный режим, чтобы в очках не отражался текст.

NVIDIA Broadcast Eye Contact для коррекции взгляда перестали использовать. А как же было весело наблюдать, когда у кандидата менялся цвет глаз во время собеседования.

"Взгляд ушёл вниз" - не надёжный маркер. Человек с суфлёром может смотреть прямо в камеру, потому что подсказка рядом с ней.

Самый тонкий уровень. Суфлёрные сервисы прямо учат не читать ответ дословно:

Хорошо подготовленный жулик не будет говорить как робот. Он будет говорить как уверенный кандидат с живыми примерами. Искать "роботизированную речь" - недостаточно.

Главная уязвимость суфлёра - задержка 5–30 секунд. Суфлёрные сервисы дают готовый арсенал:

И техники: переформулировка вопроса (5–10 секунд выиграно), уточняющий вопрос-крючок (пока собеседующий отвечает, суфлёр дописывает), заготовленная короткая история из опыта.

Пауза сама по себе - нормальное явление. Но паттерн "пауза с водой + внезапно идеальный ответ", повторяющийся на нескольких вопросах подряд - уже не случайность.

Первым желанием было анализировать содержание - искать нейросетевой стиль, характерные обороты. Но этот путь тупиковый: подготовленный кандидат пересказывает своими словами, добавляет примеры, упрощает. На выходе - речь, неотличимая от хорошего специалиста.

Тогда я посмотрел с другой стороны. Не что кандидат говорит, а когда он начинает говорить по существу.

И тут обнаружился неустранимый физический факт: модели нужно время на генерацию. Распознавание речи - 1–3 секунды. Запрос к API - 0.5–1 секунда. Генерация - 3–15 секунд. Кандидат читает и начинает пересказывать - 2–5 секунд. Итого: 7–25 секунд "мёртвой зоны".

Человек, который реально знает тему, начинает говорить по существу в первые секунды. Пусть неидеально, с оговорками, с "хм, тут я бы смотрел в сторону..." - но по существу. Ему не нужно ждать генерации. Ответ уже в голове.

Эту разницу нельзя замаскировать фразами-заглушками. Можно заполнить паузу словами "отличный вопрос" - но эти слова имеют нулевую релевантность к вопросу.

Я разработал десятибалльную шкалу для оценки того, насколько слова кандидата в данный момент релевантны вопросу. Это не оценка правильности - это оценка близости к сути в конкретную секунду.

0 - тишина, мычание. 1–2 - говорит, но не по теме: "у нас на прошлой работе...", "я вообще больше по фронту...". 3–4 - приближается к теме, но общие слова: "архитектура - это важно, есть разные паттерны". 5–6 - по теме, но размыто: "тут бы я посмотрел в сторону событий". 7–9 - по существу с конкретикой: "EDA и CQRS - потому что read и write нагрузки тут разные, масштабируем чтение независимо".

Вопрос: "Какие два архитектурных подхода будут здесь предпочтительными и почему?"

Кандидат, который знает:

0–10 сек: "Хм, тут я бы смотрел на событийный подход..." - неидеально, но по существу. Релевантность: 6. 10–20 сек: "...потому что асинхронные потоки данных, и CQRS бы..." - углубляется. 7. 20–30 сек: "...разделил read и write, масштабировал чтение отдельно". - конкретика. 8. 30–40 сек: "...правда, есть нюанс с eventual consistency..." - глубина. 8.

Профиль: 6 => 7 => 8 => 8. Плавный рост. Нормальный паттерн: начал с направления, уточнил по ходу.

Кандидат с суфлёром:

0–10 сек: "Ну... хороший вопрос... дайте подумать..." - нулевая релевантность. 1. 10–20 сек: "Архитектура - это всегда зависит от контекста..." - общие слова. 2. 20–30 сек: "Событийно-ориентированная и CQRS - разделяем..." - бац. Точный ответ. 8. 30–40 сек: "...команды и запросы, масштабируем чтение, event sourcing для аудита..." - идеально. 9.

Профиль: 1 => 2 => 8 => 9. Скачок между 20-й и 25-й секундой. Именно тот момент, когда суфлёр дописал ответ.

Ключевой сигнал - резкий скачок релевантности. Первые два блока - 0–4 балла. Третий - внезапно 8–9. Перепад в 5+ баллов за один десятисекундный интервал.

НО.

Одно совпадение - не доказательство. Человек действительно может задуматься и выдать хороший ответ. Но если паттерн повторяется на трёх-четырёх вопросах подряд - вероятность случайности стремится к нулю.

Не каждый вопрос подходит. Если вопрос сложный и многослойный - даже сильный кандидат возьмёт паузу, и вы получите ложное срабатывание.

Простые и однозначные - чтобы знающему человеку не нужно было переспрашивать.

С диагностичным началом - чтобы первые 1–2 слова уже показывали понимание. "Назовите два ключевых отличия...", "Какой первый шаг вы бы сделали...", "Что сломается, если убрать...".

Только голосом - не пишите в чат. Если вопрос в тексте, суфлёр получает его мгновенно через снимок экрана, и задержка распознавания речи исчезает.

Скорость речи. Первые 15 секунд - медленно и неуверенно. Потом - быстрый, уверенный темп, как будто читает. Живой человек ускоряется плавно.

Стиль. После паузы ответ становится "книжным" - "во-первых, во-вторых, в-третьих" - с идеальной структурой, которой не было раньше. Люди не переключаются с разговорного на академический посреди фразы. А вот читать текст от модели - именно так и выглядит.

Реакция на уточнения. Самый мощный маркер. Кандидат выдал ответ на 9 баллов. Спрашиваете: "А почему CQRS, а не обычная read replica?" Человек, который думал об этом, ответит сразу. Человек, который прочитал ответ суфлёра, - замрёт. Потому что суфлёр отвечал на другой вопрос, а на уточнение нужна новая генерация. И опять: пауза => вода => скачок.

Если паттерн "развёрнутый ответ => неспособность ответить на простое "почему"" повторяется - это не красный флаг, а красный прожектор.

Не нужна автоматизация. Вот что можно делать на следующем же собеседовании:

Перед: подготовьте 3–4 вопроса, на которые сильный кандидат начнёт отвечать по существу в первые 5 секунд.

Во время: после каждого вопроса отмечайте - через сколько секунд появилось первое слово по существу? Было ли 10–20 секунд воды перед точным ответом? После развёрнутого ответа - задайте "почему именно так?" и смотрите на задержку.

После: если на 3+ вопросах одинаковый паттерн - это основание для дополнительной проверки. Не обвинения - проверки. Пригласите на ещё один раунд. Дайте задачу вживую, с демонстрацией экрана и обсуждением в реальном времени.

Тайминг-анализ - не серебряная пуля и не детектор лжи. Это инструмент калибровки: помогает отличить "кандидат задумался" от "кандидат ждёт, пока сгенерируется".

Давайте честно.

Суфлёры никуда не денутся. Пока существуют удалённые собеседования - будут существовать люди, которые хотят их пройти не своими мозгами. Закрыли Interview Coder - появились десять форков. Заблокировали API - подняли локальную модель. Запретили Electron - найдут другой способ. Это гонка вооружений, и "победить" в ней окончательно невозможно.

НО.

Задача и не в том, чтобы победить. Задача - поднять стоимость жульничества до уровня, при котором проще реально разобраться в теме, чем настраивать обход.

Три слоя, которые работают вместе:

Первый - сетевой. VPN с белым списком отрезает 90% ленивых читеров, которые просто сидят с нейросетью в соседней вкладке. Бесплатно, за минуту, без установки агентов на машину кандидата.

Второй - поведенческий. Тайминг-анализ ловит тех, кто прошёл первый слой. Не нужна автоматизация - достаточно держать в голове шкалу релевантности и задавать простые вопросы с диагностичным началом. Три-четыре "красных флага" подряд - уже не случайность.

Третий - человеческий. Уточняющие вопросы "почему именно так?", просьба объяснить трейдофф, задача на живое проектирование с обсуждением. Суфлёр генерирует ответы - но не понимание. И пока это так, живой собеседующий, который умеет копнуть на один уровень глубже - лучший детектор из всех существующих.

Ни один из этих слоёв не работает идеально сам по себе. Все три вместе - закрывают подавляющее большинство случаев.

И последнее. Я сознательно выложил всё это в открытый доступ - и описание суфлёров, и методы борьбы. Потому что безопасность через незнание не работает. Работает осведомлённость. Если вы проводите технические собеседования и после этой статьи хотя бы на одном из них поймаете паттерн "пауза => вода => скачок до идеального ответа" - значит, я писал не зря.