企业官网建设流程全解析

又到了一年一度的校招季，后台不少学弟学妹在问“技术类在线笔试到底考什么”“怎么准备才能不挂”。这让我想起自己当年参加小红书2019年校园招聘技术类在线笔试第一批的经历，那次笔试给我留下的印象挺深——题目难度分布合理、节奏紧凑、平台操作也比较规范，而且有几道题非常典型，值得拿出来复盘。

我尽量把当时现场的情况还原出来，包含完整的题目拆解、思路推导、代码实现和踩坑记录。如果你今年也要投技术岗校招，这份内容应该能帮你少走不少弯路。

1. 笔试基本信息与题型分布

1.1 笔试平台、时间与整体安排

在线笔试用的是牛客网的平台，这个在当年已经算是校招标配了。一共4道编程题，限时120分钟，全程监控开启，需要共享屏幕。我当时用的是C++，也有人用Java、Python，平台都支持。

说一下我当时对这场笔试的整体感受：题目不算特别偏，但有一个很明显的特征——前三题是“保底题”，最后一题是“区分题”。前三题只要能扎实刷过《剑指Offer》或者LeetCode热门题，基本都能AC；最后一题如果不提前接触过类似模型，很容易卡在超时上。

时间分配上，我个人建议是这样：

1.2 题目难度梯度分析

4道题，难度是明显递进的。第1题是典型的字符串模拟题，考察基本编码能力；第2题是数组处理加双指针思维；第3题是动态规划，模型不复杂但边界条件多；第4题是数据结构优化题，暴力解法好想但过不了全部数据。

这里我要多说一句：很多人看见“难度递进”就理解为“从第1题做到第4题”，这是最大的误区。在线笔试的判分规则通常是按通过用例数给分，而不是按题号加分。所以一个很现实的策略是：先把4道题都看一遍，每道题先用暴力解法拿部分分，最后再回来优化。这样哪怕最后一题没AC，至少能拿到60%-70%的用例分。

后面我会结合具体题目，详细讲解这个策略怎么落地。

2. 四道真题完整复盘与解题思路

这一部分我尽量把题目、思路、代码、踩坑点全部展开，不省略关键推导过程。题目是我凭记忆还原的，核心数据范围和考察点是可以确定的。

2.1 第1题：字符串连续字符压缩

题目描述：给定一个字符串，将其中连续重复的字符压缩为“字符+出现次数”的形式。例如aaabbbcddd压缩后为a3b3c1d3。要求不改变字符原有顺序，且压缩后的字符串长度必须小于原串长度，否则返回原串。字符串长度不超过1000。

这道题属于“签到题”的级别。我当时是先写一个循环遍历，记录当前字符cur和计数cnt，遇到不同字符时把cur和cnt拼到结果里，最后再做一次长度比较。

def compress(s: str) -> str: if not s: return s res = [] cur = s[0] cnt = 1 for i in range(1, len(s)): if s[i] == cur: cnt += 1 else: res.append(cur + str(cnt)) cur = s[i] cnt = 1 res.append(cur + str(cnt)) compressed = ''.join(res) return compressed if len(compressed) < len(s) else s

这里有一个很容易忽略的点：题目要求“压缩后长度必须小于原串长度，否则返回原串”。如果原串是abc，压缩后是a1b1c1，长度反而更长，必须返回原串。我见过有人栽在这个“小于”还是“不大于”的判断上，如果是等于的情况返回原串，照样能过，但其实题目明确写的是“小于”。

复杂度是 O(n)，没啥悬念。这道题就是考察你能不能把逻辑写干净，不要出边界 bug。

2.2 第2题：数组按频率从高到低排序

题目描述：给定一个整数数组，请按照元素出现频率从高到低排序。如果两个元素的频率相同，则按元素值从大到小排列。数组长度不超过10万，元素值范围在 -10^9 到 10^9 之间。

这道题的关键在于排序规则的组合。先统计频率，然后对元素去重后排序，排序的比较函数需要同时考虑两个维度：频率降序 + 元素值降序。

我当时的做法是先用哈希表统计频率，然后把键值对转成列表，用自定义比较函数排序，最后按顺序输出。

from collections import Counter def freq_sort(arr): cnt = Counter(arr) # 按频率降序，频率相同按元素值降序 items = sorted(cnt.items(), key=lambda x: (-x[1], -x[0])) res = [] for val, freq in items: res.extend([val] * freq) return res

这个做法本身没什么问题，时间复杂度是 O(n log n)，注意看数据范围：长度10万，O(n log n) 是稳的。但有几个细节值得提：

第一，比较函数怎么写。Python 里用key参数时，可以取负号来模拟降序，因为元组是字典序比较。(-x[1], -x[0])表示先按频率降序，再按值降序。C++ 的话用sort传入cmp函数，注意cmp要写成严格弱序。

第二，元素值范围很大，有负数，所以你不能用“数组下标计数”的方式，必须用哈希表。

这道题其实想考察的是：你会不会用哈希表做统计，以及你会不会写自定义排序规则。属于面试笔试中的“万金油”题。

2.3 第3题：最小编辑距离变种

题目描述：给你两个字符串 A 和 B，你可以对 A 进行三种操作：插入一个字符、删除一个字符、替换一个字符。求将 A 变成 B 所需的最少操作次数。两个字符串长度均不超过1000。

看到“最小编辑距离”，不用犹豫，直接往动态规划上想。这是 LeetCode 72 题的原题模型。

定义dp[i][j]表示将 A 的前 i 个字符变成 B 的前 j 个字符所需的最小操作次数。初始化时dp[i][0] = i（删除 i 次），dp[0][j] = j（插入 j 次）。状态转移分两种情况：

• 如果A[i-1] == B[j-1]，说明当前字符不用额外操作，dp[i][j] = dp[i-1][j-1]
• 如果不相等，考虑三种操作的最小值：
  • 删除A[i-1]：dp[i-1][j] + 1
  • 插入一个字符匹配B[j-1]：dp[i][j-1] + 1
  • 替换A[i-1]为B[j-1]：dp[i-1][j-1] + 1

def min_distance(a: str, b: str) -> int: n, m = len(a), len(b) dp = [[0] * (m + 1) for _ in range(n + 1)] for i in range(n + 1): dp[i][0] = i for j in range(m + 1): dp[0][j] = j for i in range(1, n + 1): for j in range(1, m + 1): if a[i - 1] == b[j - 1]: dp[i][j] = dp[i - 1][j - 1] else: dp[i][j] = min( dp[i - 1][j] + 1, # 删除 dp[i][j - 1] + 1, # 插入 dp[i - 1][j - 1] + 1 # 替换 ) return dp[n][m]

这道题最大的坑不在算法本身，而在字符串长度的边界。1000 的长度，二维数组是 1001×1001，大约 100 万个元素，内存完全没问题。但如果你写dp = [[0] * (m + 1)] * (n + 1)，那就是把同一行引用了 n+1 次，修改任意一行都会影响其他行，结果全错。这种 Python 初始化写法在笔试里是高频翻车点，建议用列表推导式。

另外，在这个基础上，有些笔试题会加一个“只允许插入和删除，不允许替换”的限制，那状态转移就只剩两个分支。我当时写题的时候先看了题目问的是“三种操作”还是“两种操作”，确认完再动笔，这能避免返工。

2.4 第4题：最大子数组和模 m 问题

题目描述：给定一个长度为 n 的数组（n 不超过 10^5）和一个正整数 m，求数组中某个连续子数组的和模 m 的最大值。

这道题是经典问题的一个变体：最大子数组和的进阶版。普通的最大子数组和可以用 Kadane 算法 O(n) 解决，但加上“模 m”之后，贪心失效了，因为局部最优不能推导出全局最优。

我先说暴力思路：枚举所有子数组，计算区间和再取模，时间复杂度 O(n^2)，n 是 10^5 的话完全跑不动。笔试时如果只能写暴力，大概只能过 20%-30% 的用例。

正解需要数学推导。先算前缀和pre[i] = (a[0] + a[1] + ... + a[i-1]) % m，那么区间[l, r]的和模 m 等于(pre[r] - pre[l]) % m。要最大化这个值，可以分两种情况讨论：

• 如果pre[r] >= pre[l]，那么(pre[r] - pre[l]) % m = pre[r] - pre[l]，想让值最大，就是让pre[l]尽量小
• 如果pre[r] < pre[l]，那么(pre[r] - pre[l]) % m = pre[r] - pre[l] + m，想让值最大，就是让pre[l]尽量大

遍历前缀和数组时，我们需要在已经遍历过的前缀和中，找到“比当前值大的最小值”和“全局最小值”。这里就需要有序容器。C++ 可以用set或map，Python 可以用bisect来维护有序列表。

from bisect import bisect_right, insort def max_subarray_mod(arr, m): pre = 0 ans = 0 # sorted_list 维护已出现的前缀和 sorted_list = [] insort(sorted_list, 0) # 前缀和初始为0 for x in arr: pre = (pre + x) % m # 找到第一个 > pre 的元素 idx = bisect_right(sorted_list, pre) if idx < len(sorted_list): ans = max(ans, (pre - sorted_list[idx] + m) % m) else: # 没有比 pre 大的，那就用全局最小 ans = max(ans, pre) insort(sorted_list, pre) return ans

有人可能不理解pre的更新逻辑：pre其实是“当前前缀和模 m”，每一次更新完，我们就看一下“跟哪个历史前缀和相减能让结果最大”。上面代码里(pre - sorted_list[idx] + m) % m处理的是“历史前缀和比当前大”的情况，因为模运算可能是负数，所以要加 m 再取模。

这道题是典型的数据结构优化题，考察点包括前缀和、模运算、以及有序容器的高效维护。笔试时如果只写暴力，能拿部分分；写出有序集合优化版本，基本就是头部选手了。

3. 时间分配策略与做题顺序

3.1 遇到难题先跳，先拿基础分

我在上面已经提到，在线笔试的判分跟“一锤定音”的考试不一样，它按通过用例数算分。这意味着，你花 40 分钟死磕最后一题，不如用 10 分钟写一个暴力版本拿 30% 的用例分，然后把时间拿回去确保前两题 100% AC。

按照当时的题目难度分布，我的实际时间安排是：

• 先花 5 分钟快速浏览全部 4 道题，确认难度梯度和自己熟悉的题型
• 第 1 题直接 AC，用时约 12 分钟
• 第 2 题看完就知道是哈希表 + 排序，约 20 分钟 AC
• 第 3 题是最小编辑距离，想到了 DP 但仔细想边界条件，约 30 分钟提交
• 第 4 题先写了暴力版，过了一部分用例，再优化成有序集合版，最后大概剩 10 分钟

这里有个细节值得分享：写第 3 题 DP 的时候，我没有一上来就写完整代码，而是先在草稿纸上把 dp 数组的维度、初始化的含义、状态转移的三种情况列清楚，再动键盘。这样看起来浪费了 3-5 分钟，实际上避免了写出“看起来对但边界全错”的代码。

3.2 笔试代码的调试技巧

在线笔试的调试环境和本地 IDE 还是有区别的。牛客网的编辑器没有智能提示，也不能打断点，所以你需要在写代码时格外注意变量名和缩进。

我当时发现自己第 3 题有个边界 bug：当字符串为空时，dp[0][j]和dp[i][0]的初始化会出问题。这个是在本地跑测试用例时发现的，我加了一个if not a or not b的提前处理，才稳下来。建议你们在提交前至少测试这几类边界：

• 输入为空的情况
• 数组/字符串长度为 1 的情况
• 全部元素相同的情况
• 所有元素都不同的情况
• 数据量最大的极端情况，看一眼代码是否超时

3.3 关于“部分分”的执念

很多人有个心理误区：觉得写暴力解法“丢人”，或者觉得“要么 AC，要么不做”。这是校招笔试里最亏的心态。在线笔试是机器评分，暴力解法只要用例跑得过，就有分。哪怕只有 20% 的用例通过，在面试官筛选简历时，这个分数可能比“0 分”强十倍。

我当年参加过不少笔试，见过太多人卡在最后一题“想不出最优解就不提交”，结果是那道题 0 分。反过来，有些人第一眼就知道没有最优解思路，先写个暴力，拿到部分分，再慢慢优化。后者的通过率明显高很多。

4. 笔试题背后的考点与能力模型

4.1 从题目反推面试官想考察什么

校招在线笔试不像竞赛题那样追求“偏、怪、难”，它有很明显的筛选逻辑。从这 4 道题来看，面试官其实在考察几个基础能力：

第一题考“编码基本功”。字符串压缩是一个纯模拟题，没有任何算法含量，就是看你能不能写出清晰、无 bug 的代码。这种题挂人的原因几乎都是：边界没处理好、循环索引写错、忘记看返回条件。

第二题考“对常见数据结构特性的掌握”。哈希表统计频率谁都会，但能不能把“多关键字排序”写对，体现了你对比较函数和排序稳定性的理解。

第三题考“动态规划的基础建模能力”。编辑距离是 DP 入门必学题，但很多人只看过题解，没有自己完整推导过状态转移。笔试一紧张就容易漏掉“替换”操作，或者初始化写错。

第四题考“对经典问题的变形理解”。如果只是背过最大子数组和的 Kadane 算法，遇到模 m 版本会直接懵。这题要的不是“背题”，而是数学推导能力——知道前缀和，知道取模的性质，才知道如何用有序集合去优化搜索。

4.2 笔试与面试之间的衔接关系

小红的面试流程对笔试成绩还挺看重的，笔试分数高，面试时基础知识被问的概率会相对小一些，更多会问项目经历和系统设计；笔试分数低，面试官可能会多问算法题，用来现场验证你的真实水平。

所以我会建议求职者把在线笔试当成“一次免费的全真模拟面试”，不是为了分数而写题，而是为了检验自己到底哪块知识体系还不牢固。笔试暴露出的盲区，如果能在面试前补上，反而比“蒙对一道题”更有价值。

4.3 如何有针对性地准备这类笔试

如果你是今年要参加校招的同学，我建议不要盲目刷题，而是按模块来准备。从这 4 道题可以看出，字符串处理、哈希表与排序、动态规划、前缀和与数据结构，是出现频率极高的大类。你可以建立一个自查表：

把这些基础模型吃透，再刷 10-20 道同类变种题，笔试的“保底分”基本就能拿到。剩下那些压轴题，更多考察临场数学推导能力，遇到没见过的新题也不要慌，先暴力再优化，拿到部分分就是胜利。

4.4 平台操作规范与远程笔试注意事项

这里单独提一下在线笔试本身的“非算法风险”。我记得当年这场笔试要求提前 15 分钟进入系统，做设备检测，包括摄像头、麦克风、屏幕共享权限。有时候插件装不上或者浏览器版本不兼容，会直接影响考试，这种事故完全不值得。

以下几点是我自己多次笔试总结出来的，强烈建议收藏：

• 提前一天测试摄像头和屏幕共享，不要等开考前 5 分钟才慌
• 浏览器建议用 Chrome 或官方指定的版本，关掉所有无关插件
• 在线笔试期间不能切换出浏览器，否则容易被判作弊，这个务必注意
• 准备一张草稿纸和笔，不是所有题都适合直接在编辑器里想
• 如果家里网络不稳定，能去学校机房或网吧就尽量去，掉线比不会做更冤

5. 常见错误与高频翻车点汇总

5.1 笔试现场最容易犯的 5 类错误

我前后参加了大概 10 场校招在线笔试，见过也踩过不少坑，这里总结一个“高频翻车清单”：

5.2 正确率 vs 速度的取舍

在线笔试有两种典型选手：一种是“求稳型”，每道题都要跑测试用例、反复检查，最后可能只做完 2 道；另一种是“求快型”，写完就交，速度很快但错误率高，AC 率上不去。

说实话，这两种都容易挂。校招笔试的判分不是“做对两道就给两道满分”，而是“每道题按通过用例比例给分”。所以最优策略是：先保证简单题 100% 正确，中等题争取 100%，压轴题拿到部分分。为了达到这个目标，你其实不需要特别快的速度，而是需要稳定的准确率和良好的时间分配能力。

5.3 复盘方法：笔试结束后怎么最大化利用这次经历

笔试结束后，别光看分数。分数只是结果，更重要的复盘是：哪些题是因为知识盲区没做出来，哪些题是因为马虎丢分，哪些题是时间不够。我自己每次笔试后会做一个简单表格，记录每道题的掌握情况、失误原因、改进方向，然后对照刷题列表补漏。

这种复盘方法看起来麻烦，实际坚持下来收益很大。笔试的意义不只是“拿 offer”，它也是对你当前算法水平的一次客观体检。校招周期长，前期笔试暴露的问题，完全有时间在面试前补齐，关键是你愿不愿意花这个功夫。

6. 经验小结：什么是真正有效的刷题方式

最后分享一点我个人对“刷题”这件事的体会。

有人喜欢一天刷 10 道题，追求数量上的快感，但这样往往只是“见题型，背套路”，题目稍微变形就卡住。我更推荐“每题吃透”的方式：拿到一道题，先自己想思路，想不出再参考答案，理解后再关掉答案自己写一遍，最后把这道题的考点整理到自己的笔记里。这个流程走完，才算真正掌握了一道题。

这次的 4 道题里，第 4 题给我的启发最大。它是那种“暴力解法谁都能想到，但最优解需要数学推导和数据结构支撑”的题目。后来我在准备面试时，专门把所有“前缀和取模”相关的题目都刷了一遍，比如连续子数组和、可被 K 整除的子数组等。刷题要刷同类变种，不要只刷孤立的题号。只有把一道题背后的数学模型吃透，遇到新题时才能举一反三。

希望这篇复盘对正在准备校招的你有所帮助。如果你们在笔试中碰到其他有意思的题目，欢迎回来一起讨论。