# 1. 技术博客与 Newsletter 的可信度分级评估方法 A 阅读量越高、更新越频繁的博客可信度越高 B 可信度主要取决于作者动机披露与证据强度两个维度的交叉评估 ✓ 正确答案 C 只要文章附带代码就说明证据充分 D 厂商核心维护者的文章必然客观中立
# 2. GitHub 仓库 star、贡献者分布、issue 关闭率怎样组合才能反映真实健康度 A star 更适合作为声量门槛，健康度需结合贡献者分布、issue 处理质量与版本节奏综合判断 ✓ 正确答案 B issue 关闭率高说明维护质量就一定好 C star 数越高说明项目越健康 D 贡献者越少说明项目越稳定可靠
# 3. 中文技术媒体（InfoQ、36 氪、极客公园）的参考价值如何评估，怎样区分编译稿、原创分析与厂商软文并设定阅读优先级？ A 应优先阅读一手原文，编译稿作索引，厂商软文仅作反向信号参考 ✓ 正确答案 B 厂商软文通常利益披露清晰，可放心作为选型依据 C 编译稿比原文更可靠，因为经过了编辑筛选 D 原创分析一定比一手原文更客观
# 4. 多源技术声明冲突时，证据层级（RFC > 厂商白皮书 > 媒体报道）的真实工程权重 A 厂商白皮书总是比 RFC 更权威 B 媒体报道可直接作为技术选型依据 C 不同证据层级回答不同问题，且可复现的实测行为往往优先于文字描述 ✓ 正确答案 D 源码实现永远不需要参考，因为规范已足够准确
# 5. Reddit、HackerNews 在英文技术社区的真实信号 A 高赞评论说明该技术一定可靠 B 其价值在于早期信号与真实使用者反馈，但需用身份与时间线过滤情绪噪音 ✓ 正确答案 C 英文社区信息一定比中文社区更准确 D 发布初期的高赞评论最具长期参考价值
# 6. 中文技术社区（CSDN、掘金、思否）的真实信号价值与噪音水平 A 应作为快速检索与问题定位的入口，关键结论用官方文档与源码交叉验证 ✓ 正确答案 B CSDN 文章都经过严格审核，可信度很高 C 掘金的内容一定比 CSDN 更深入 D 中文社区无法提供任何真实信号
# 7. 如何识别'伪采用'现象，抓住 PoC 完成但未进入生产的真实信号？ A 完成大量 PoC 说明该技术已进入生产阶段 B 招聘需求多是营销制造的假象 C 厂商宣传的生产案例一定可信 D 应寻找可审计的生产痕迹（线上实例、事故报告、招聘、收入结构）来区分真实采用与伪采用 ✓ 正确答案
# 8. 开源治理成熟度（Do 项目、CII 徽章）能否作为企业选型依据 A 获得 CII 徽章的项目一定适合企业生产 B 没有徽章的项目一定不可用 C 治理指标能完全决定技术选型 D 治理成熟度应作为风险筛选的底线门槛，而非选型的充分条件 ✓ 正确答案
# 9. 如何识别厂商软文（Advertorial）与真实评测 A 有厂商合作标注的文章内容一定错误 B 真实评测应披露方法与数据、提供竞品对比并坦诚局限，而软文回避反面证据 ✓ 正确答案 C 只要文章写得详细就是真实评测 D 软文对技术决策毫无价值可言
# 10. OpenSSF、CNCF、Apache 等基金会动向对个人技术决策的影响权重评估 A CNCF 毕业项目一定是最优选择 B 基金会动向对个人决策毫无意义 C 基金会动向可以直接决定技术选型 D 基金会动向应作为生态信号与风险提示，权重低于自身适配度与生产验证 ✓ 正确答案
# 11. 预测校准日记（Calibration Log）应保留哪些字段才能事后 Brier Score 评估 A 应记录可证伪的命题、概率值、时间戳、结果判定与判定标准，才能支持 Brier Score 评估 ✓ 正确答案 B 预测只需写"很可能"即可支持校准评估 C Brier Score 评的是预测次数而非校准度 D 结果判定可以事后按主观意愿调整
# 12. 解读 CNCF Landscape 时如何区分沙箱/孵化/毕业项目与成熟度信号，避免把生态图谱直接当选型依据？ A 项目级别反映治理与采用成熟度，Landscape 应作为发现工具，选型需再做独立适配验证 ✓ 正确答案 B 毕业项目一定比沙箱项目更适合所有业务 C 沙箱项目一定不可用于生产 D Landscape 可直接作为最终选型依据
# 13. ThoughtWorks 技术雷达的参考价值有多大，其四象限采纳标准在个人选型与企业评估中分别适用到什么程度？ A Adopt 象限的技术企业可直接采用 B 它基于咨询项目实践证据，个人选型参考价值较高，企业需结合自身约束做独立评估 ✓ 正确答案 C 技术雷达是中立无偏见的第三方评估 D 雷达完全覆盖所有垂直领域
# 14. W3C、WHATWG 与浏览器厂商路线图分歧时，如何识别标准与实现的真实差距 A 应依据 Can I Use 等兼容性数据判断实现的可用支持面，而非只依据规范进度 ✓ 正确答案 B 规范一旦定稿，浏览器就会立即支持 C 浏览器厂商的路线图总是与规范一致 D 标准分歧时以媒体预测为准
# 15. 合规驱动 vs 业务驱动的标准采用动机下，节奏与优先级有何差异 A 两者节奏与优先级完全相同 B 合规驱动的改动不需要考虑业务 C 业务驱动总是需要立即完成 D 合规驱动多为强制限期、以风控达标优先，业务驱动以收益优先、可自主分阶段推进 ✓ 正确答案
# 16. GitHub Octoverse 报告的数据在多大程度上能反映真实生产采用，如何与招聘数据交叉验证？ A 语言仓库增长快说明生产采用已成熟 B 招聘数据总是比仓库数据更不可靠 C Octoverse 数据可直接用于企业技术选型 D 它主要反映开源生态兴趣，需与招聘需求与生产案例交叉验证才能判断真实采用 ✓ 正确答案
# 17. Rust 在前端工具链（SWC、Turbopack）与后端服务的真实工程价值 A 前端用 Rust 工具链意味着前端工程师必须掌握 Rust B Rust 生态在所有领域都已成熟到无门槛 C Rust 已完全替代 Go 在后端的所有场景 D 前端工具链的 Rust 价值内嵌于工具本身，后端引入 Rust 需权衡性能收益与团队/生态成本 ✓ 正确答案
# 18. 新兴技术（Hono、Bun、Deno、Unreal Engine）在中文社区的真实采用度 A 讨论热度高说明生产采用已成熟 B 所有新兴技术在国内采用度都相同 C 中文社区采用度通常落后于英文社区，应结合招聘与生产案例判断真实采用，而非仅凭讨论热度 ✓ 正确答案 D 只要英文社区用的多，国内就一定用得多
# 19. 招聘数据 vs 真实采用率证据，哪些场景下招聘数据会反向误导 A 招聘需求高说明该技术一定已大规模生产采用 B 招聘数据可以完全替代采用率证据 C 招聘岗位名称能准确反映真实技术栈 D 招聘数据是需求信号，可能受扩编、滞后、标签模糊等影响，需与生产案例等交叉验证 ✓ 正确答案
# 20. YouTube 技术频道（Lenny、Theo、Gergely）的真实信息密度 A 视频频道的观点可直接作为技术事实 B 视频内容比论文更权威 C 所有技术频道信息密度都相同 D 这类频道价值在于观点输入与趋势感知，深度学习仍需回到论文、源码与官方文档 ✓ 正确答案
# 21. 如何在 1-2 天内粗筛一个新生态的整体成熟度 A 可通过文档质量、GitHub 活跃、工具链、生产案例等哨兵指标快速形成成熟度画像 ✓ 正确答案 B 必须完整阅读所有源码才能判断成熟度 C 生态成熟度只看包下载量即可 D 1-2 天无法形成任何有效判断
# 22. 如何判断一篇技术文章的"时效性陷阱"（过时的 AI 文章 vs 当前现实）？ A 半年前的文章通常仍然准确 B 只要文章讨论 AI 就必然不过时 C 文章发布时间不影响其结论的有效性 D 应把文章当作历史快照，结合发布时间/版本与最新官方文档已知实测交叉验证当前现实 ✓ 正确答案
# 23. 技术选型调研时如何交叉验证厂商宣传、社区评价与源码事实？ A 厂商宣传能力一定与实现一致 B 应以源码与实测为裁决基准，把厂商宣传当假设、社区评价当经验库进行交叉验证 ✓ 正确答案 C 社区评价总是比源码更客观 D 只信厂商宣传即可完成选型
# 24. Stack Overflow、JetBrains、Datadog 等年度报告的方法论说明应阅读哪些关键段落 A 报告结论可直接推及所有开发者 B 应重点阅读样本来源、样本量、指标定义、数据收集时间与偏差声明，以校准结论的可信边界 ✓ 正确答案 C 方法论说明不重要，只看结论即可 D 所有报告的数据口径都相同
# 25. 如何建立个人信息过滤的"信源分级"体系？ A 收藏越多信源，信息质量越高 B 信源分级是一次性的，无需定期调整 C 应按一手性、权威性、利益披露、时效性定级，并按级分配注意力且有定期评估淘汰机制 ✓ 正确答案 D 所有信源的注意力应平均分配
