网易2023校招算法工程师笔试复盘：题型拆解与备考策略

又到了校招季，正好有不少人私信问我去年网易2023校招算法工程师的笔试情况。我参加的正是正式批第一批，这套题做下来最大的感受是：编程题不算偏，但选择题范围宽，而且时间卡得很紧。从投递简历到笔试，再到最终拿到意向书，这条路我完整走了一遍，所以想把这次笔试复盘和经验整理出来。这篇东西不只在讲某一道题的解法，更想说明白校招笔试这套筛选逻辑是什么、算法工程师岗位在笔试里到底考什么、以及考前最后几天应该怎么准备。无论你是正在准备秋招的应届生，还是打算往算法方向转的同学，按这个思路去准备，至少不会在笔试环节吃大亏。

1. 先把笔试这件事看透：网易校招笔试的结构与隐藏逻辑

1.1 题型结构：选择题和编程题分别筛选什么

网易校招笔试一般安排在线上平台，限时完成，整套卷子由选择题和编程题两部分组成。选择题范围覆盖数据结构、操作系统、计算机网络、数据库这些计算机基础，算法岗还会额外掺入一些概率统计、机器学习基础题。编程题通常在2到3道之间，占分最大，基本决定你能不能进入后续面试。

很多人会有一个误区：算法工程师岗笔试最重要的是刷LeetCode，选择题随便准备就行。我第一年也是这么想的，结果差点在选择题上翻车。校招选择题考察的是“你大学四年到底学没学过计算机基础”，编程题考察的是“给定一个明确问题，你能不能快速写好代码”。两者筛选维度不同，但权重都很高。

我复盘了一下网易这套笔试题，选择题里数据结构考察得很细，比如链表的边界操作、二叉树的遍历方式、哈希冲突的处理策略，都是老生常谈但特别容易混淆的知识点。操作系统则偏好进程线程区别、死锁条件、虚拟内存；计算机网络则经常问TCP三次握手、拥塞控制、HTTP状态码。算法岗特有的概率题通常是贝叶斯公式、期望计算这种，虽然不难，但如果你很久没碰数学，现场容易发懵。

1.2 岗位差异：算法工程师笔试和后台开发笔试不是一回事

同样是笔试，后台开发岗和算法岗的侧重点有明显差异。后台开发更偏重工程能力，编程题里会出现系统设计、并发处理、大数据量排序之类的场景；算法岗的编程题更偏重数据结构与算法的基本功，题目本身不涉及复杂业务，但要求你能快速识别出题目背后是哪种算法模型。

与此同时，算法岗笔试的选择题会多出一块“机器学习基础”内容。比如损失函数的选择、过拟合的处理手段、常见分类模型的适用场景。这些知识点不需要你手推公式，但你要懂核心思想。我在准备阶段复盘了近两年网易和其他大厂的算法岗笔试题，发现一个规律：它们对深度学习框架、具体模型结构的考察极少，更多考察的是传统机器学习算法和数学基础。原因很简单，校招同学在校项目里用框架写得天花乱坠，但很多人连“交叉熵为什么能衡量分布差异”都答不上来，笔试就是用来筛掉这种基础不牢的简历。

1.3 为什么大厂偏爱限时编程题

有人会问，为什么明明有简历筛选，还要用一套硬核的限时编程题来筛人？我的理解是这样的：编程题可以在最短时间内横向比较大量候选人的代码能力，而且几乎无法作弊。简历可以包装，项目可以注水，但让你限时在白板/网页编辑器里从零写一个函数，几斤几两一试便知。

更重要的是，限时编程题模拟的是真实工作场景。一位算法工程师日常并不只是调参训模型，大量时间花在数据清洗、特征工程、评估脚本和模型服务化上，这些都要求扎实的编码功底。我在笔试过程中深刻的体会是，限时两小时看起来充裕，实际上三道编程题加二十几道选择题，平均每道题的时间也就几分钟，一旦某道题卡住，整场节奏都会被拖垮。所以平时练习必须卡时间，不能泡在IDE里慢慢磨。

2. 高频算法考点拆解：字符串、图论、动态规划一个都不能放过

2.1 字符串系：KMP的next数组到底怎么算

字符串题在算法工程师笔试里出现的概率极高，尤其KMP算法，几乎成了必考题。网上总有传言说KMP“面试不考、工作不用”，但校招笔试就是喜欢考，因为它是少有的既能考察“字符串匹配思维”又能在短代码里体现算法精髓的知识点。

先明确一下next数组的定义，不同教材定义不同，这里采用一种最常见的：next[i]表示模式串p[0..i-1]这个子串的最长相等前后缀长度。也就是说，对于每个位置i，我们要算的是它前面那段字符里，前缀和后缀最多能重合多长。计算逻辑可以用一个递推过程：

def build_next(p): m = len(p) nxt = [0] * m j = 0 for i in range(1, m): while j > 0 and p[i] != p[j]: j = nxt[j - 1] if p[i] == p[j]: j += 1 nxt[i] = j return nxt

网上热词里有一道典型题：对模式串 p = "abacaba"，求其next数组。我们用手算来一遍。i=1，子串是"a"，最长相等前后缀长度为0；i=2，子串是"ab"，前缀"a"和后缀"b"不相等，为0；i=3，子串是"aba"，前缀"a"等于后缀"a"，长度为1；i=4，子串是"abac"，前缀"a"与后缀"c"不匹配，前缀"ab"与"ac"也不匹配，为0；i=5，子串是"abaca"，前缀"a"等于后缀"a"，长度1；i=6，子串是"abacab"，前缀"ab"等于后缀"ab"，长度2；i=7，子串是"abacaba"，前缀"aba"等于后缀"aba"，长度3。所以next数组是 [0,0,0,1,0,1,2,3]（如果按next[0]=0，length=7则数组长度是7还是8取决于下标定义，要看题目要求）。这道看起来简单的题实际错误率很高，因为大家容易在i=4和i=5处算错。

这里想特别强调一件事：手算next数组时不要跳步，每一步都要把“当前子串的所有前缀和后缀列出来再比较”做一遍，等熟练之后再在心里速算。笔试里如果遇到KMP变体，最稳妥的办法是直接写出上面这个build_next函数，再根据题目要求做匹配，而不是在草稿纸上手推一套专用逻辑。

2.2 图论系：Dijkstra与BFS/DFS的混合题型

图论题在校招笔试里出镜率也很高，网易尤其爱出最短路径相关的题目。常考的特征是“给定一个n个节点m条边的无向带权图，求从起点到终点的最短路径”。这种题最直接的解法就是Dijkstra算法，但必须用堆优化版本，否则在n达到10的5次方级别时会超时。

堆优化Dijkstra的核心思想是：用优先队列维护当前未确定最短路的节点中距离最小的节点，每次取出队首节点并松弛其邻边，如果某条边能产生更短距离，就更新并推入队列。给你一份可以直接抄的模板：

import heapq def dijkstra(n, edges, start): graph = [[] for _ in range(n)] for u, v, w in edges: graph[u].append((v, w)) graph[v].append((u, w)) dist = [float('inf')] * n dist[start] = 0 pq = [(0, start)] while pq: d, u = heapq.heappop(pq) if d > dist[u]: continue for v, w in graph[u]: nd = d + w if nd < dist[v]: dist[v] = nd heapq.heappush(pq, (nd, v)) return dist

这个模板我笔试时直接默写出来，节省了大量时间。不过要注意，Dijkstra只适用于边权非负的图。如果题目中的边权全部为1，那根本不用Dijkstra，直接BFS就能求最短路，时间复杂度还更低。有同学看到“最短路”三个字就条件反射写Dijkstra，反而把简单问题复杂化。

笔试题还有一个常见套路是把网格地图转换为图来求解。比如“给定一个二维矩阵，0代表空地，1代表障碍，求从左上角到右下角的最短步数”，这就是典型的BFS。如果你能把图论模板背熟，并理解BFS、Dijkstra的适用边界，图论题基本不会丢分。

2.3 动态规划与贪心：从“会背模板”到“会选状态”

动态规划和贪心是算法工程师笔试的分水岭。简单题大家都会，难题靠的就是状态定义和转移方程。网上热词里有大量关于排序、贪心、DP的内容，说明这些知识点确实是校招刷题的高频区。

关于动态规划，我建议准备时抓住几个高频模型：0-1背包、完全背包、最长递增子序列、最长公共子序列、编辑距离、区间DP。每一类模型都要做到“能推导、能默写、能变形”。比如0-1背包，空间优化为滚动数组后，内层循环为什么要倒序遍历，这个原理必须清楚，因为一道题稍微变个条件（比如要求恰好装满背包），就需要你调整初始化和遍历方向。

贪心题目的难点在于证明贪心策略的正确性。笔试中很多贪心题看起来可以做，但你没证明就写，很容易掉进反例的坑。我的经验是：如果一个题看起来能贪心，先花两分钟试着构造反例；构造不出来，再用贪心思路写代码。如果构造出了反例，马上转DP或二分答案等其他思路。

有一类典型案例是“会议室安排最多场次”的变体题，贪心策略是按结束时间排序，这背后的逻辑是每一步都选择结束时间最早的会议，为后续留下更多空间。这种证明必须掌握，因为面试官很可能顺着笔试题目追问“为什么这样贪心是对的”。

3. 在线笔试的求生细节：很多人在提交之前就输了

3.1 输入输出格式：读题多花30秒，调试省半小时

笔试平台通常不是LeetCode那种已经帮你封装好函数的形式，而是要求你从标准输入读数据，再把结果打印到标准输出。这意味着输入输出本身的处理就能卡住一批人。

常见的有三种输入场景：第一种是单组测试，直接读固定格式的数据；第二种是有T组测试，每组做一遍同样的逻辑；第三种是不给你组数，要求一直读到文件末尾，也就是EOF。这三种场景的读法完全不同，如果题目要求EOF结束而你只读到第一组数据，就会漏掉大量用例得到Wrong Answer。

Python下可以用这种写法来处理“若干组，以EOF结束”的场景：

import sys for line in sys.stdin: n, m = map(int, line.split()) solve(n, m)

C++则常用：

while (cin >> n >> m) { solve(n, m); }

另外，输出格式也要注意，有些题目要求每个结果之间用换行分隔，有些要求最后一行也有换行。这些细节看起来不起眼，但会导致Presentation Error。我笔试时习惯先看一遍样例输入输出，确认格式后再动笔写逻辑，这个习惯帮我避开了很多坑。

3.2 复杂度估算：拿到题先看数据范围再定算法

在线笔试和平时刷题有个很大的不同：你没法立刻知道数据范围。题目描述里会给n、m的取值范围，这个信息极其关键，直接决定了你该用哪种算法。我总结了一张自己常用的速查表：

拿到题先看n的范围，再去想算法，这个顺序不能反。我见过太多人拿O(n^2)的去处理10^5量级的数据，最后超时，然后开始疯狂优化常数，其实从一开始方向就错了。如果n是10^5而你想到了排序+贪心的O(n log n)解法，那这道题的思路基本就稳了。

3.3 边界与防御：写一个会“挑刺”的自己

笔试程序最恶心的错误不是逻辑错，而是边界情况没处理好。空数组、单元素数组、全部元素相同、字符串首尾带空格、坐标越界、整型溢出、浮点数相等比较，这些都是提交后才会暴露的坑。

我的习惯是：代码写完后不急着提交，花两分钟构造三组特殊用例——最小规模、最大规模、全是极端值。比如题目让你求最长递增子序列，我就测一下n=1的情况；如果题目涉及求和，我就测一下全为最大值的用例，检查会不会爆int范围。Python的int没有溢出问题，但C++里int和long long的切换很容易出问题。笔试现场时间紧迫，一旦你只顾着写主流程而忽略边界，很可能交完才发现自己的程序在n=1时直接报错。

4. 现场还原：三道有代表性的笔试编程题

4.1 滑动窗口：求满足条件的最短子串

网易笔试题中有一类出现频率特别高的滑窗题，题目大致是这样的：给定一个字符串s和一个目标字符串p，求s中包含p所有字符的最短子串长度。这道题的考点就是滑动窗口，它的思路比暴力要巧妙得多，但代码量也不大。

实现思路用“需求表+缺失计数”两步走。先用哈希表记录p中每个字符的需求量，再用两个指针left和right维护当前窗口。right每扩展一个字符，如果该字符仍然“缺”，就减少缺失计数；当缺失计数归零，说明当前窗口已经覆盖了p，此时尝试移动left缩小窗口，直到窗口不再满足条件。整个过程中记录最短窗口长度即可。

以下是参考代码：

from collections import Counter def min_window(s, p): need = Counter(p) missing = len(p) left = 0 res = (float('inf'), 0, 0) for right, ch in enumerate(s): if need[ch] > 0: missing -= 1 need[ch] -= 1 if missing == 0: while left < right and need[s[left]] < 0: need[s[left]] += 1 left += 1 if right - left + 1 < res[0]: res = (right - left + 1, left, right) need[s[left]] += 1 missing += 1 left += 1 return "" if res[0] == float('inf') else s[res[1]:res[2] + 1]

这个模板需要注意的是，need中的计数会变成负数，表示窗口内该字符数量超出需求，这是判断左指针能否收缩的关键。笔试时如果时间紧，可以直接套模板，但建议你自己在本地多跑几组用例验证一下，因为“窗口内字符超出需求”和“窗口仍有效”这两者的逻辑关系，非常容易写错。

4.2 堆优化Dijkstra：网络最短时延问题

还有一道比较典型的图论题，题目大概是：给定一个包含n个节点的网络图，每一条边都带有传输时延，现在从某个节点发出一条消息，求消息广播到所有节点所需的最短时间。这题的思路其实就是求从源节点出发到所有节点的最短路径，答案就是其中最长的最短距离。

我直接套用了前面给出的堆优化Dijkstra模板，然后取dist数组的最大值作为答案。写起来大概只需要十分钟。这道题之所以值得复盘，是因为它考察的不只是Dijkstra本身，还包括一个额外的转化：要求的是所有节点收到消息的时间，不是某一个目标节点，所以答案等于最短路中的最大值。很多同学把Dijkstra写出来以后，却忘了取max，白白丢分。

顺带一提，如果这个题改成“是否存在节点无法收到消息”，那还需要检查dist数组中是否有节点仍是无穷大。这类边角条件往往就是笔试的隐藏分，写的时候一定要多问自己一句：题目里有没有类似“全部节点可达吗”的隐含要求。

4.3 排序之后的区间合并：思维题往往更考验代码简洁度

网易笔试编程题里也会出现一些看起来并不“算法”的题，比如区间合并：给定一系列区间，合并所有重叠区间，输出合并后的区间个数或总长度。题意很简单，但代码写得干不干净很考验基本功。

解题步骤也很直接：先把区间按左端点排序，然后遍历所有区间，维护当前合并后的右边界。如果当前区间左端点大于右边界，说明无法合并，把当前区间收入结果；否则更新右边界为两者中的较大值。参考代码：

def merge(intervals): if not intervals: return [] intervals.sort(key=lambda x: x[0]) res = [] for l, r in intervals: if not res or l > res[-1][1]: res.append([l, r]) else: res[-1][1] = max(res[-1][1], r) return res

这道题想提醒大家的是：不是你只会高阶算法就能拿高分，能把简单的数据结构题写得又快又准，往往才是笔试拿满分的保障。现场答题时最怕“想太多”，区间合并一上来就脑补线段树优化，结果不仅增加代码量，还可能因为复杂度过高而写错边界，反而不如基础的排序加贪心。

5. 算法工程师岗位的“隐藏考点”：机器学习与大模型

5.1 数学与机器学习基础，选择题里藏着真功夫

算法工程师笔试和普通开发岗笔试最大区别，就是选择题中会出现数学和机器学习内容。网易这笔试也不例外。我记得选择题里出现了贝叶斯公式求后验概率的题目，还有一道关于交叉熵损失函数的选择题，选项分别是MSE、交叉熵、Hinge Loss等在不同场景下的表现。如果你只刷题不看机器学习基础，这两道题基本没法做。

我建议大家准备时重点复习几个模块：概率论中的贝叶斯公式、期望与方差、常见分布；机器学习中的偏差与方差、过拟合与正则化、常见损失函数、决策树与随机森林的差异、SVM的核函数思想。很多内容不需要手动推导公式，但你要能理解“为什么用这个”而不是“怎么算这个”。

此外，有一类认知题也常出现，比如“当训练集和测试集分布不一致时，以下哪种处理方式最有效”。这种题没有标准公式可以套，考的是你对机器学习流程的整体理解。我的建议是，遇到这种题不要凭记忆去猜，而是从实际业务逻辑去推理。笔试出题人的逻辑其实很简单，他们想看你是不是只会在Jupyter Notebook里跑模型。

5.2 大模型时代：算法工程师正在被提出新要求

2023年这批校招，一个明显的信号是：大模型相关内容开始出现在算法工程师的考察范围里。虽然网易笔试的编程题没有直接让你实现Transformer，但选择题里已经出现了关于注意力机制、推理加速等方向的基础问题。热词里有“AI算法工程师必知必会 入门llama.cpp”，这其实反映了行业对算法工程师的新期待：不仅要会训练模型，还要懂推理部署和性能优化。

如果你正在准备算法工程师校招，我建议在大模型方向做三件事：第一，完全理解Transformer的self-attention机制，知道Q、K、V从哪里来到哪里去；第二，了解常见的推理优化手段，比如量化、剪枝、蒸馏、KV Cache，至少知道它们分别解决什么问题；第三，动手跑通一个开源大模型的本地推理流程，选一个轻量项目，能够讲清楚从下载权重到调用推理接口的完整链路。哪怕笔试不直接考，面试时也几乎必问。

6. 备考时间线与临场策略：我把自己的安排写在这里

6.1 提前三个月：以刷题和基础为主的储备期

校招笔试准备不能靠考前一周突击，我的时间线是提前三个月开始。前两个月主要做两件事：一是把数据结构与算法的基础知识系统过一遍，包括数组、链表、栈、队列、树、图、哈希表、排序、二分、动态规划、贪心；二是每天固定刷2到3道LeetCode中等难度题，优先覆盖高频考点。

我还做了一件事，就是建立自己的“模板库”。把KMP、Dijkstra、并查集、滑动窗口、二分答案、线段树等常用算法整理成可以直接复用的代码片段，并且每段都自己默写过至少三遍。笔试时直接调用这些模板，能节省大量时间。注意，模板库不是抄一遍就完事的，你要能默写出来，因为笔试平台没有你本地的代码片段可复制。

6.2 提前一个月：真题、周赛和模拟环境

最后一个月，重心从“学”转向“测”。我会每天做一场线上模拟笔试，用牛客网或LeetCode周赛的限时模式练习，要求自己两小时内完成所有题目，严格模拟真实的考试节奏。这个过程非常痛苦，但也非常有效。第一次模拟我甚至没有做完第一道题，但练到第五次时已经能稳定在三道题中提交两道并保证正确率。

模拟时要注意一个细节：真实笔试的在线编辑器通常不带自动补全和语法检查，有些平台连本地调试都不方便。所以我平时刷题时会特意在网页编辑器中写代码，不依赖IDE的提示，这样到了考场不会因为“代码助手消失”而手忙脚乱。

6.3 笔试当天：时间管理、环境检查和心态

笔试当天，我给自己定的策略是“先扫卷，再动手”。拿到卷子先不急着写代码，用5分钟浏览所有题目，评估每一道题的难度。然后按“会做的先做，不会做的标记后做”的顺序执行。选择题通常会先快速过一遍，遇到卡壳的不纠结，直接蒙一个并标记，等到最后有空余时间再回看。

环境上也有几个建议：提前测试浏览器兼容性，有些在线笔试平台对浏览器有特殊要求；关闭所有可能弹窗的软件，包括微信、邮件提醒，避免考试过程中被切出页面，某些平台会记录切屏次数，严重时直接判作弊。最后，预留至少十分钟检查代码里的print拼写、输入函数是否写对、输出格式是否和样例一致。我见过不少同学算法思路完全正确，却因为printf写成了print而全盘得零分，这种损失太不值得。

结尾：一点个人体会

真正经历完整套流程后，我最大的感受是：校招笔试筛的从来不是“天才”，而是“稳的人”。算法题谁都会说思路，但能在限时、没有IDE辅助、精神高度紧张的情况下，把代码一次写对、把边界测全、把复杂度算清楚，这才是企业真正需要的能力。我个人在准备后期把大量时间从“刷新题”改成了“重复默写模板和复盘错题”，这个转变让我在笔试现场心里踏实了很多。最后再分享一个实用小技巧：笔试交卷前，花10秒看一眼屏幕右下角的时间，如果还有剩余，把每道题的最小边界用例在脑子里跑一遍，往往能救回不少分。希望这篇复盘对你有用，祝今年校招顺利。