凌晨1点刷LinkedIn，一条私信让程序员停下了手指。Data Annotation在招数据标注员，附带了一道隐藏关卡——不是考代码能力，是考你能不能从一份Google Doc里挖出一串坐标密码。
招聘变解谜：坐标里藏着一句话
流程前半段很正常：填表、答几道伪代码题。真正的门槛藏在最后一步——一份公开发布的Google Doc，里面塞满了x/y坐标和对应字符，拼成一张二维网格指令图。
候选人以为用Python的requests库抓个网页就能搞定，毕竟"公开文档"听起来不设防。结果请求发出去，拿到的HTML要么缺数据，要么结构混乱，坐标和字符对不上号。
Google Doc的渲染机制做了手脚。直接抓返回的是前端骨架，真正的内容藏在JavaScript执行后的DOM里，或者更隐蔽的批量加载接口中。
三种破解路线，有人卡在第一步
技术论坛里很快出现三种解法派别。
一派死磕requests，试图从初始HTML里正则提取，成功率取决于Google那天有没有改版，属于撞大运型。另一派换用Selenium或Playwright，老老实实等浏览器跑完JS再取DOM，稳但慢，本地还得配环境。
第三派更刁钻：抓包分析Google Doc的实时协作接口，找到那个返回结构化数据的内部端点，直接拿JSON。这招快，但接口格式没文档，哪天Google一改就失效。
最讽刺的是，这道题考的根本不是"会不会写爬虫"，而是你有没有耐心先搞清楚目标网站的防御机制，再选工具。
数据标注行业正在"卷"技术门槛
Data Annotation这家公司专门给AI公司供训练数据，业务涵盖图像标注、语音转写、代码对齐。他们招人设这种关卡，侧面说明行业在变——纯体力标注工不够用了，得懂点数据工程，至少能写脚本处理批量任务。
解码后的消息是什么？通过的人没往外说，可能是入职邀请，也可能是下一关的入口。这种设计本身就在筛选：能守住信息的人，才适合接触客户的数据。
凌晨4点，那位程序员终于拿到了坐标映射表。他后来发帖说，最耗时间的不是写代码，是意识到"公开"不等于"直接可见"——这个认知转折花了3小时。
如果你收到这份测试，会选哪种工具起手？抓包派还是浏览器派？
热门跟贴