2024年秋招，我也加入了投递大军，印象最深的还是蚂蚁集团工程研发岗的第二批笔试。整个批次做下来，最大的感受是：这场笔试考的其实不是你有没有刷过某道题，而是你在有限时间内怎么拆解问题、怎么写代码、怎么处理边界条件。工程研发岗的定位也决定了它的题目不会像算法岗那样偏竞赛，但代码量、细节量一点不轻，对“能不能写干净代码”的要求反而更高。
这篇文章没有具体题目答案，主要是从我自己的视角复盘一下这批笔试的题型方向、我踩过的坑、客观题覆盖范围，以及考后怎么把这次笔试转化成后续面试的素材。无论你是明年准备秋招，还是正在等面试通知，都希望能有点帮助。
1. 笔试整体情况：批次、时间、题型与平台特点
1.1 考试基本信息与入场流程
第二批笔试安排在某天的晚上，时长大概是两小时左右，具体时间以邮件通知为准。考试用的是牛客网在线笔试系统，需要提前一些时间进入等待页面；入场的时候要做环境检测，包括摄像头、麦克风、屏幕共享权限，有些场次还会要求用手机扫一个码做副机位监考。整体流程和国内其他大厂的在线笔试差不多，入场阶段会比想象中更耗时间，建议至少提前30分钟开始调试。
我当时遇到的一个小插曲是浏览器权限弹窗没有提前放行，进入考试页的时候摄像头一直加载不出来，折腾了大概五分钟才通过检测。这个阶段看起来无关紧要，但实际会消耗你的心态和考试时间，所以提前把浏览器权限、网络、充电、草稿纸都准备好，比多刷一道题管用得多。
考试说明里一般会写明：可以自备草稿纸和白板笔，但有些场次要求考前对着摄像头展示草稿纸正反面均为空白；不能切出考试页面，切出会有次数记录。这些规则每个批次不完全一样，以当次通知为准，但我建议统一的策略就是按照最严格的标准准备，防止无意中触发违规提醒。
1.2 题型构成和难度梯度
我拿到的试卷结构是编程题加客观题混合，客观题以选择题为主，放在整套卷子的靠前位置；编程题大约四道，分布在客观题之后。客观题分值不大，但胜在数量不少，涵盖了数据结构、数据库、计算机网络、操作系统、Java基础、多线程等内容，覆盖范围很广。
编程题的难度梯度比较明显，基本可以分成四档：
- 第一档是规则模拟题，审题清楚、直接按逻辑写就能做出来，属于“签到题”。
- 第二档是动态规划，状态转移方程不复杂，但边界和取模细节容易出问题。
- 第三档是图论或者搜索变体，需要一些建模能力，我印象里是一道和带权边最短路相关的问题。
- 第四档是数据结构优化题，典型套路是“暴力能过一部分数据，但想全过必须用线段树、树状数组或者堆做优化”。
这种梯度设置本身就是在做筛选：第一题看你的基本代码能力，第二题看你的状态抽象能力，第三题看你的临场建模能力，第四题看你的工程优化意识。对于工程研发岗来说，这种考察维度和实际工作中“先实现、再优化、再考虑边界”的节奏是吻合的。
1.3 从题目看工程研发岗位的能力要求
考完之后我回看整张卷子，发现它并不追求让你当场发明一个高深算法，而是考察代码习惯和工程思维。举个例子，模拟题虽然简单，但有大量如果条件判断，如果变量命名混乱、分支嵌套太深，写起来非常容易出错；优化题虽然需要数据结构，但更关键的是你能不能在读懂题目之后，快速判断出复杂度瓶颈在哪里。
工程研发岗的日常开发里，很多时候并不是大家不会算法，而是拿到需求后缺少“先拆解、再设计、再编码”的习惯。这次笔试给我的感觉就是在模拟这个流程：题目都给了一个相对具象的业务背景，需要你把它抽象成数组、图或者区间上的问题，再用代码落地。
2. 四道编程题的方向复盘与思路拆解
2.1 第一题：规则模拟题——审题和边界值才是得分点
第一题属于典型的高频签到题，我的印象是它给了一个操作序列，要求按规则对某个数组或者字符串做处理。这种题在算法上没有门槛，真正杀死人的是“没看清规则”和“边界值没想到”。
我当时采取的流程是先不急着写代码，而是把规则一条条列在草稿纸上，比如：操作有哪几种类型、每种操作什么时候生效、如果输入为空怎么办、如果数组长度只有1怎么办。列完之后再动手，代码会清晰很多。
一个常见的边界例子是这样的：如果要求把数组下标从1开始计数，而你写循环时用了0基，最终答案在边界附近就会错。我习惯在写完主逻辑之后，手动构造几个最小用例：长度为1、全相同元素、最大范围值，再跑一遍。
这种题不建议追求特别精巧的写法，用最直白的方式实现就好。笔试环境里，可读性比“一行流”重要得多；就算后面有bug，至少评委和面试官看得出来你的逻辑。
2.2 第二题：动态规划——状态定义比转移方程更重要
第二题是一道动态规划。我复盘时觉得这类题最关键的不是转移方程本身，而是能不能在几分钟内找到一个“不重不漏”的状态定义。状态定义对了，转移是顺水推舟；状态定义错了，后面会越写越乱。
我当时遇到的题目大致可以抽象成一个“选择与收益”的问题：有一系列操作，你可以选择执行或者跳过，但有一些约束条件，最后要求最大化某种收益。这种类型的通用状态设计思路是：用dp[i]表示处理到第i个元素时的某个最优值，然后用两层循环去枚举上一个状态。
如果内存比较紧张，常见处理方式是用滚动数组把二维dp降成一维，类似背包问题的空间优化。我在笔试里没有选择滚动数组，因为担心边界写错，直接用二维数组保存了所有状态，好在这道题的范围没有大到内存不够。
有一个我踩过的坑：涉及取模操作时，如果用int类型保存中间结果，可能在加法的过程中溢出，所以取模一定要在每一步都做，不能只在最后取一次。此外，如果要求输出的是方案数量，记得初始化dp[0]或者dp[0][0]为1，而不是0，这个细节有时候能让一道题的得分从0变成全过。
2.3 第三题：带权网格的最短路变体——我的失分点
第三题是我这场考试里失分最多的一道。题面看起来是网格地图，每个格子的通行代价不一样，有些格子有额外限制，需要求从起点到终点的最小总代价。我第一反应是套Dijkstra，但因为图比较特殊，实际更优的做法是拆点建图或者使用0-1 BFS。
这类题目的核心难点在于“额外限制”怎么处理。常见的套路是把一个点拆成多个状态，比如拆成二维状态(u, state)，再在新图上跑最短路，点数和边数都会扩大一个常数倍，但思路完全统一。如果限制条件是“某类格子最多经过K次”，那就把状态设计成(u, k)，表示走到点u且这类格子已经用了k次的最小代价。
我当时的问题是我直接按普通BFS写，忽略了一些边是有权值的，结果样例都过了，但提交后有一部分用例超时或者答案错误。复盘之后发现，对这类带权网格最优解问题，与其在原有图上做文章，不如直接使用分层图最短路模板，逻辑清晰且不容易漏条件。分层图模板其实不复杂，核心代码如下：
import heapq def solve(grid, start, target): rows, cols = len(grid), len(grid[0]) dist = [[[float('inf')] * (K + 1) for _ in range(cols)] for _ in range(rows)] dist[start[0]][start[1]][0] = 0 pq = [(0, start[0], start[1], 0)] while pq: d, x, y, used = heapq.heappop(pq) if d != dist[x][y][used]: continue for dx, dy in ((1, 0), (-1, 0), (0, 1), (0, -1)): nx, ny = x + dx, y + dy if not (0 <= nx < rows and 0 <= ny < cols): continue extra = 1 if grid[nx][ny] == special else 0 if used + extra > K: continue nd = d + cost(grid[nx][ny]) if nd < dist[nx][ny][used + extra]: dist[nx][ny][used + extra] = nd heapq.heappush(pq, (nd, nx, ny, used + extra)) return min(dist[target[0]][target[1]])这种分层图思路在很多笔试里都能用上，尤其是“带K次额外操作”的最短路问题。数据范围如果很大，还可以优化成0-1 BFS，把堆换成双端队列，复杂度降一个log，但在笔试中Dijkstra足够稳定。
2.4 第四题：区间查询与贪心优化——高频工程场景
第四题考察的是数据结构优化。题目的情景很贴近业务：需要对一个数组做若干次区间查询，或者从一堆候选值中动态选择最优值。这类题目如果数据范围给到10^5级别，暴力一定会超时，需要快速联想到O(n log n)级别的解法。
我当时采用的是堆加贪心的思路：把所有候选值加入一个最大堆或最小堆，每次取出最优值并更新，再把更新后的值或相关元素放回堆中。这种“堆顶贪心”在笔试里特别常见，比如合并区间求最小代价、多路归并找前K小、任务调度求最短完成时间等等。
如果要处理区间查询，那就不可避免要想到线段树或树状数组。我在实际笔试中强行用了一个相对复杂的线段树，但复盘后发现这道题用堆更直观，因为查询只是全局性的，不涉及范围合并。这也提醒我一件事：看到题目先不要急着上高级数据结构，考虑一下问题的操作是什么形态——是单点修改、全局查询，还是区间修改、区间查询。只有区间相关的操作才需要上线段树，全局性的最值问题用堆就好，代码量少，出bug概率也低。
2.5 编程题通用提交技巧：读入、输出与自查顺序
无论题目难易，读入和输出的处理方式会直接影响得分。在线笔试系统一般用标准输入输出，输入规模一大，Python的input()反复调用就会成为性能瓶颈。
我习惯在笔试一开始就写好一个统一的读入模板：
import sys def main(): data = sys.stdin.buffer.read().split() it = iter(data) n = int(next(it)) arr = [int(next(it)) for _ in range(n)] # 业务逻辑 ... if __name__ == "__main__": main()这样既能避免多次调用input()的开销，也能保证读入这一段不用反复调试。输出时要注意不要有额外空格，尤其是用print(*list)输出数组时，如果list为空，要单独处理输出空行。
每道题提交之前，我给自己定的自查顺序是：先跑题目给的样例，然后跑一个最小边界用例，再跑一个最大范围随机用例（如果能构造）。如果样例通过但边界用例出错，优先检查数组下标、循环边界、数据类型，这三个地方占了大多数错误。
3. 客观题的覆盖范围与备考点
3.1 数据结构与算法高频点
客观题里的数据结构部分，考得比较多的包括哈希冲突的几种处理方式、二叉树前中后序遍历的变体、排序算法的稳定性和时间复杂度、快排在最坏情况下为什么会退化到O(n²)等等。
哈希冲突这部分，我建议不要只背定义，要理解开放寻址法、链地址法、再哈希法在实际代码里的表现。比如Java的HashMap用的是链地址法，当链表长度超过8且数组长度超过64时会转成红黑树，这个转换条件就经常被拿出来考。
排序算法里，堆排序、归并排序、快速排序的时间复杂度都是O(n log n)，但稳定性不同：堆排序不稳定、快排不稳定、归并稳定。还有一个小细节，Arrays.sort()对基础类型数组用的是快速排序，对对象数组用的是归并排序，目的就是保证稳定性。这种题目不会单独考代码，但会在选择题里用很隐蔽的方式问。
另外，二叉树相关的题目经常和递归、层序遍历挂钩，比如判断一棵树是不是完全二叉树、求二叉树的最大宽度、求最近公共祖先。建议把层序遍历的各种变形都练一遍，因为它们在实际业务里对应的是“按层级处理数据”的场景。
3.2 数据库与存储引擎
数据库相关的客观题占了不少比例，高频考点集中在索引、事务隔离级别、MVCC、B+树这些经典话题上。比如问“联合索引(a,b,c)中哪些查询条件能命中索引”，这种题考察的是最左前缀原则。
关于索引失效场景，有几个容易被忽略的典型情况：对索引列使用函数或者计算、隐式类型转换、like通配符放在最前面、使用OR连接非索引列条件。我在复习时把这些场景整理成了一个速查表，笔试前翻一遍非常有帮助。
事务隔离级别这块，需要搞清楚四个级别分别解决什么问题：读未提交可能产生脏读，读已提交解决脏读但可能产生不可重复读，可重复读解决不可重复读，串行化解决幻读。MySQL默认用的是可重复读，但InnoDB通过间隙锁在一定条件下解决了幻读。这种跨知识的联系经常在选择题里出现，只看单个知识点容易懵。
MVCC的核心是多版本并发控制，通过隐藏字段、undo log和ReadView实现快照读。笔试里常见的问法是判断某个隔离级别下两次查询结果是否相同，或者某个事务是否能看到另一个事务的修改。遇到这类题，找出事务的创建时间和ReadView生成时机基本就能解。
3.3 计算机网络与操作系统
网络题比较常规，TCP三次握手和四次挥手的细节、TIME_WAIT存在的原因、HTTP和HTTPS的差异、TCP与UDP的区别，这些几乎每次笔试都能碰到。我觉得需要特别注意的地方是TIME_WAIT，因为它涉及“主动关闭连接的一方为什么要等待2MSL”，答案不是背出来的，而是要理解它既能让迟到的报文在网络中消失，又能保证最终的ACK如果丢失可以重传。
操作系统部分，进程和线程的区别是必考内容，但最近几年倾向于加入协程。协程和线程最大的不同是调度方式：线程由内核调度，协程由用户态自己调度，切换开销小得多。一个形象的类比是，线程是公司里不同项目组的人，由老板统一调度；协程是同一个组里的人自己商量先后顺序，不用老板每次都出面。
虚拟内存、页面置换算法、缓存一致性这些也会考，但难度一般不会特别深。页面置换算法里LRU和FIFO的实现比较常考，LRU对应LinkedHashMap的双向链表加哈希表结构，这也是Java里的经典实现。
3.4 Java、并发与工程实践
因为岗位是工程研发，客观题里Java内容占比不低。JVM内存分区是必考：程序计数器、虚拟机栈、堆、方法区、本地方法栈，各自的职责和异常类型要能分清楚。GC方面，重点关注垃圾回收算法、可达性分析、G1回收器的特点。一个常考细节是finalize()方法不一定会被调用，不能把它当成可靠的资源释放手段，这在Java里其实已经基本被废弃。
并发编程部分，synchronized和ReentrantLock的区别、volatile的可见性和防指令重排、线程池的参数含义和拒绝策略，都是高频考点。线程池那里我建议记住一套完整的参数表：核心线程数、最大线程数、空闲存活时间、工作队列、线程工厂、拒绝策略。
工程实践类的题偶尔会出现，比如Git merge和rebase的区别、Linux常用命令的作用、Spring的IOC和AOP思想、依赖注入的好处。这些题不算难，但覆盖广，如果平时的项目里用了Spring Boot，多多少少能答一些。我自己的体会是，阿里系的技术栈偏向Java，所以Java和Spring相关的知识最好提前过一遍，不要只刷算法。
4. 考试环境、时间管理与临场心态
4.1 笔试前的环境调试
在线笔试最容易翻车的不是题目难，而是环境出了问题影响心态。我建议不管邮件里怎么提示，都先按这个清单检查一遍：
- 浏览器：优先使用Chrome并更新到最新版本，关掉广告拦截插件，避免页面元素被拦截。
- 摄像头：在系统设置里确认摄像头不被其他应用占用，尤其要关掉腾讯会议、钉钉、微信视频等。
- 网络：尽量用有线网络，如果只能用Wi-Fi，提前测速，并准备一个手机热点做备用。
- 草稿纸：提前准备几张白纸，入场检测时根据屏幕提示向摄像头展示正反面。
- 电量：笔记本插电，手机充满电并开启免打扰。
还有一个细节容易被忽略，就是浏览器弹窗权限。有些笔试系统在进入考场时要打开新的窗口或者弹窗，如果权限被系统拦截，页面会一直停留在加载状态。提前在浏览器设置里把考试网站的弹窗权限设为允许，能省不少事。
4.2 样例过但提交0分的三个原因
我这次笔试有一道题出现了样例通过、提交后大面积报错的情况，后来复盘发现是典型的三类问题之一：
第一类是读入格式踩坑。题目说明里写了“多组数据”，意味着while循环里要不断处理到EOF，但代码里只处理了一次输入；或者反过来，题目只有一组数据，却用了循环导致读入异常。
第二类是输出格式不符。常见的是数组之间用逗号分隔，但要求是空格分隔；或者要求输出一行一个结果，却用空格拼接了所有结果。在线评测系统对输出非常严格，多一个空格在严格模式下可能判错，字符串比较宽松的题目则不一定。保险起见，完全按照题目输出的样例格式来。
第三类是递归深度过大的问题。在Python里，DFS最深一般只到1000层，超过之后会报RecursionError。笔试题目如果给到很大数据范围，递归写法即使是正确的也会直接崩溃。这种情况要改成循环加栈，或者写一个递归入口并手动设置setrecursionlimit(1000000)。
碰到这类问题，不要反复提交同样的代码，那只会浪费时间和提交次数。先打印中间结果，把数据范围和输出格式认真读一遍，再改代码。
4.3 时间分配和取舍策略
我这次笔试的时间分配策略是：客观题快速做，不纠结；编程题先按易到难排序，第一题和第二题优先保证拿满；第三题如果二十分钟没有思路，就先跳过；第四题用最朴素的方式拿一点超范围用例的分，等全部做完再回来优化。
实际执行时，我第二题花的时间比预期多，主要是因为状态定义绕了一下。等到做第三题时只剩不到半小时，心态有点急躁，结果越急越写不出来。这是一个教训：与其在一道难题上死磕二十分钟，不如回来检查前面代码的边界，把已经“AC”的题稳定住。毕竟笔试看的是总分，不是看你做出来的最难题是哪道。
5. 考后复盘与秋招准备建议
5.1 这次笔试暴露的知识缺口
考完当天晚上，我做了一件事：把四道编程题按“考前准备、考试表现、复盘结论”三个维度各写了几行笔记。这个过程让我明显看到了自己的知识缺口。
第一，动态规划虽然能写，但状态设计不够快。过去刷题时我偏向贪心和双指针，因为这类题写起来爽，但真实笔试里DP出现的频率非常高，这种“回避心理”必须纠正。
第二，图论的建模能力不足。第三题实际上考察的是分层图，我虽然知道Dijkstra，但面对“带K次额外限制”这类变体时，没有第一时间想到扩展状态维度。这不是算法模板不够，而是练题时缺少归类总结。
第三，数据结构的选型意识不够。第四题明明用堆就可以处理，我却一上来就想上线段树，导致代码复杂度上升，调试时间变长。实际开发中也一样，用最简单的工具能解决问题，就不要引入重量级框架。
5.2 笔试复盘如何反哺后续面试
笔试成绩不理想不代表这次笔试没有价值，尤其是对于后续的面试环节。很大概率面试官会看到你的笔试表现，甚至在面试中追问某道题你是怎么思考的。所以我建议笔试结束后，最好趁记忆还在，把每道题的思路和代码重新写一遍。
我后面在准备其他公司的面试时，就把第三题的“分层图最短路”作为重点复习项。面试官如果问“介绍一下你熟悉的最短路算法”，可以很自然地把Dijkstra、0-1 BFS、分层图串起来讲，阐述它们各自解决什么问题、复杂度如何、适合什么场景，这是比背答案更有说服力的准备方式。
另外，笔试中客观题暴露出的数据库薄弱点，也直接影响了我后续面试的准备计划。比如索引部分我只知道概念，但不清楚联合索引在排序场景下的优化机制，于是用一周时间把所有高频数据库知识点整理成了自己的速查笔记，后面的面试中果然被问到类似问题。
5.3 给下一届同学的备考建议
如果你打算冲击国内大厂工程研发岗，我的建议是提前做好三件事：
第一，把算法基础打扎实。不需要追求解出所有Hard题，但HOT 100和代码随想录里的经典题要能达到“看到题就能想到解法模板”的程度。尤其是数组、链表、二叉树、哈希表、动态规划、图论和贪心，这几大块无论如何不能有短板。
第二，做套题训练，而不仅是单题训练。笔试是限时的，单题训练容易让人忽略时间成本。建议每周至少做一次完整模拟，按照“10分钟读题，25分钟编码，5分钟自测”的节奏进行，让自己适应“一场考试里多道题切换”的节奏。
第三，学会总结“题型模型”。不要只刷题不总结，看到一个题要先判断它属于哪个模型，比如“区间最值”“前K大”“带限制最短路”“状态压缩DP”，每个模型记住一个最简解法。这样就算笔试中遇到新题，也能快速调用对应方案。
结尾
这次蚂蚁集团第二场笔试给我最大的触动是：秋招笔试不只是在筛选“会不会做题”，更是在测试“在压力下如何做决定”。我最后一道题的时间并不充裕，与其焦虑还有几道没做，不如赶紧回头检查已经提交的代码，最终稳住了能拿的分。笔试之后，我重新调整了自己的刷题方式，把更多精力放在整理题型模型和限时模拟上。秋招还在继续，希望这篇复盘能帮到正在准备的同学，也欢迎有类似经历的朋友分享自己的处理方式。
