刷到这份“网易2023校招笔试-算法工程师正式第一批”的时候我第一反应是网易的笔试向来不按常理出牌但又在情理之中。它不会像某些公司那样堆一堆偏题怪题也不会像另一些公司那样纯考论文复现——它更看重“你作为算法工程师能不能用工程化思维解决真实问题”。我后来和几个一起进面试的同学复盘过大家共同的感受是这份卷子表面上在考算法题实际上在考三件事——基础扎不扎实、推导过程是否严谨、面对陌生问题时有没有一套稳定的解题框架。这篇博文我就从这几个角度把这份笔试题背后涉及的考点、解题思路以及备考过程中踩过的坑一次性掰开揉碎讲清楚。1. 这份笔试的总体印象从“算法工程师”岗位说起的考点分布网上关于网易算法笔试的讨论经常被一句话带过题目不难但面很广。这句话对但没说到点子上。真正难的不是某一道题而是你在有限时间内面对一个跨“基础算法、机器学习、深度学习、工程实现”的多维度考察能不能稳住节奏。1.1 为什么算法工程师笔试会考这些内容很多人以为算法工程师笔试就是LeetCode刷题。其实到了大厂校招这个级别笔试肩负的任务比刷题复杂得多它需要在两小时内筛出“算法功底合格、AI基础扎实、代码能力在线、思维习惯良好”的人。所以我建议大家拿到卷子先别急着写代码花三分钟把题目类型分布扫一遍。网易这批笔试的题目分布大致是三类题型方向考察重点常见知识点数据结构与算法题代码实现能力、复杂度分析、边界处理KMP、Dijkstra、堆排序、快速幂、二分图、动态规划机器学习/深度学习理论概念理解、公式推导、模型适用场景聚类、KNN、朴素贝叶斯、决策树、损失函数、梯度下降业务场景与算法应用把算法用到实际问题的能力排序、贪心、推荐、搜索相关性、异常检测这三类不是平均用力。根据我和同批考生的交流卷一和卷二通常是编程题和选择题混合编程题里数据结构与算法占比最重机器学习理论则以选择题和简答题形式出现。这也符合网易各业务线游戏、音乐、电商、教育对算法工程师的基本期待懂模型但首先是合格的软件工程师。1.2 从网络热词看算法岗位笔试的知识覆盖趋势我写这篇复盘时专门去看了一眼网上同期讨论度比较高的算法相关热词里面有几个词非常能说明问题KMP算法、贪心算法、动态规划、排序算法、聚类算法、卡尔曼滤波、PID算法、BM25算法、Rete算法。这些词拼在一起刚好勾勒出大厂算法笔试的真实范畴既要会传统CS基础KMP、排序、DP又要了解AI算法聚类、KNN、深度学习还要对工业界常用算法有基本认知PID、卡尔曼、BM25。倒不是说一张卷子会考到所有这些而是说你永远不知道面试官会从哪个方向出题知识面越宽考场上的安全边际越高。我见过不少同学只刷LeetCode不看机器学习理论结果选择题里“KNN的k值增大对偏差方差的影响”直接懵掉也见过机器学习理论背得滚瓜烂熟但KMP的next数组推了三遍没推对的人。两种都很可惜。网易这批笔试真正考的就是你有没有在这一行“站稳”的综合能力。2. 字符串与数据结构题从KMP的next数组聊到现场推演能力字符串算法几乎是网易笔试的常客。今年网络上流传最广的一道题是模式串pabacaba求其next数组。这道题看起来基础但正确率并不高关键是很多人对next数组的定义和计算逻辑只记住了结论没有理解物理意义。2.1 手把手推演abacaba的next数组KMP算法中next数组的定义在不同教材里有细微差别。工程中最常用的定义是前缀函数prefix functionnext[i]表示模式串的子串p[0..i]中最长的相等真前缀和真后缀的长度。注意两个关键词一是“真前缀/真后缀”即不能取整个子串本身二是“最长”要找的是最长的那个匹配长度。对pabacaba手动推一遍i0子串是a真前缀和真后缀都为空next[0]0i1子串是ab前缀有a后缀有b不相等next[1]0i2子串是aba前缀a等于后缀a长度为1前缀ab不等于后缀ba所以next[2]1i3子串是abac前缀和后缀能匹配的最长长度是0next[3]0i4子串是abaca前缀a等于后缀anext[4]1i5子串是abacab前缀ab等于后缀ab长度为2next[5]2i6子串是abacaba前缀aba等于后缀aba长度为3next[6]3所以next数组是[0, 0, 1, 0, 1, 2, 3]。如果你用的是另一种定义next[i]表示失配时跳转的位置即最长相等前后缀长度1next[0]-1那结果会变成[-1, 0, 0, 1, 0, 1, 2]。这不是谁对谁错的问题而是题目约定问题。考场上遇到这类题第一件事是看题目给的示例和定义别想当然套自己背的那套。2.2 next数组的工程意义为什么失配时要跳转理解next数组不能停留在“会算”还要理解“为什么”。KMP的核心思路是当模式串的某个字符与主串不匹配时模式串不要从头开始重新比较而是利用已经匹配的前缀信息把模式串“向右滑动”到合适的位置。还是以abacaba为例。假设主串某位置匹配到abacab时下一个字符失配这时p[5]b前面的abacab中最长相等前后缀是ab长度2说明主串当前匹配位置的往前2个字符一定等于ab我们可以直接把模式串的p[2]a对齐到这个位置继续比较而不是回到p[0]。这个“跳转”直接让字符串匹配的复杂度从O(m*n)降到O(mn)。我在面试中问过不少同学能背出next数组计算代码的人很多但能解释“为什么要取最长相等前后缀”的人少了一大半。网易笔试里考这类题本质上就是在筛选那些理解算法本质、而不是只会背模板的人。2.3 数据结构题堆排序、Dijkstra与二分图的边界条件字符串之外数据结构是另一个稳定出题区。网络热词里的“堆排序算法”“Dijkstra算法”“二分图HK算法”“快速幂”都是高频关键词。这些题考的不只是会不会写而是边界条件和复杂度分析。拿堆排序举例。很多人能写出sift_down的代码但一到“建堆的时间复杂度为什么是O(n)”就卡壳。原因在于他们用每层节点数乘以每层下沉高度去算得到O(n log n)的错误结果。正确的证明方式是假设堆有h层第k层的节点数最多2^k个每个节点最多下沉h-k次总操作次数是sum(2^k * (h-k))这个级数求和的结果是O(n)而不是O(n log n)。这个细节就是笔试和面试里区分“背代码”和“真理解”的试金石。网易算法岗的筛选逻辑很直接——如果连堆这种基础数据结构的复杂度证明都说不清后续那些需要严谨推导的模型优化工作也很难让人放心。3. 贪心、动态规划与排序笔试题里的经典套路与解题思路如果说字符串和数据结构是“基础关”那贪心、动态规划、排序这三类题就是算法笔试的“主战场”。网易这批笔试的编程题里这三类出现的频率非常高而且经常不是单独出现而是缝合在同一个场景里。3.1 贪心算法如何证明“我的贪心策略是对的”贪心题最大的坑不是想不出贪心策略而是想出的策略是错的但样例通过了。举个经典的例子活动安排问题按结束时间排序选活动是正确答案但如果你按开始时间排序或按活动时长排序在某些数据下也会得到看起来合理的答案直到遇到反例才暴露问题。所以我在笔试复盘时给自己定了一条规矩贪心策略必须能在草稿纸上给出一个反例测试或者能口头证明交换论证exchange argument。比如活动安排问题证明的关键是如果一个最优解的第一个活动不是结束时间最早的活动那么用结束时间最早的活动替换它不会减少剩余可安排的活动数量所以贪心解不劣于最优解。网易的笔试选择题里经常出现“以下哪个贪心策略是正确的”这类题型选项里往往有三个都是常见错误。这种题没有技巧只能靠平时积累每个经典问题的贪心证明过程。我建议大家准备一个“贪心证明笔记本”把活动安排、哈夫曼编码、最小生成树Prim和Kruskal、区间覆盖这四类经典问题的证明写一遍考场上遇到变体就能快速迁移。3.2 动态规划状态设计才是送分题和送命题的分水岭动态规划在算法笔试里的地位无需多言。背包问题、最长上升子序列、最长公共子序列、编辑距离、区间DP、状态压缩DP这些年年都有。但网易的DP题通常不会直接告诉你“这是背包”而是包装成一个业务场景让你自己抽象出状态。我总结的DP解题四步法是定义状态 - 写转移方程 - 确定初始化和边界 - 优化空间复杂度。其中最容易翻车的是第一步状态定义不好后面全崩。举个例子股票买卖类问题允许两次交易如果你定义dp[i]表示前i天能获得的最大利润转移方程就很难写因为你需要知道当前是否持仓、已经交易了几次。正确的状态设计是dp[i][k][0/1]表示第i天结束时已经进行了k次交易当前是否持有股票的最大利润。这样一写状态转移就非常清晰dp[i][k][0] max(dp[i-1][k][0], dp[i-1][k][1] prices[i])dp[i][k][1] max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])这个例子我想说明的是DP题考的不是你背了多少经典模型而是你能不能根据问题场景重新设计状态。网易笔试的DP题尤其喜欢这种“包装过的经典问题”你识别出内核状态设计就顺理成章。3.3 排序与复杂度从手撕快排到堆排序的边界条件排序算法是另一个不能丢分的板块。网络热词里“排序算法”“冒泡排序c”“数据结构排序算法”都有很高的讨论度说明这是大家复习的重点但也是失分的重灾区。笔试里最常见的排序题是手撕快排。快排的代码量不大但边界条件极其容易出错。我在实际做题时发现很多人写的快排在数组长度小于等于1时没有正确返回或者在partition过程中没有处理好“等于pivot”的元素导致无限递归。正确的快排核心代码如下int partition(vectorint nums, int l, int r) { int pivot nums[l (r - l) / 2]; // 避免(lr)溢出 int i l, j r; while (i j) { while (nums[i] pivot) i; while (nums[j] pivot) j--; if (i j) { swap(nums[i], nums[j]); i; j--; } } return i; } void quickSort(vectorint nums, int l, int r) { if (l r) return; int mid partition(nums, l, r); quickSort(nums, l, mid - 1); quickSort(nums, mid, r); }注意这里用的是“l (r - l) / 2”而不是“(l r) / 2”虽然笔试的数据量一般不会大到整型溢出但这个习惯能体现你是否有工程意识。快排的时间复杂度期望O(n log n)最坏O(n^2)空间复杂度O(log n)递归栈深度这些复杂度分析几乎是必考。另一个常考点是堆排序的稳定性堆排序是不稳定排序。为什么因为堆排序在调整堆的过程中相同元素的相对顺序可能被改变。这个结论看起来简单但笔试选择题里经常用它来混淆你——“堆排序是稳定排序吗”不少人会答错。4. 机器学习与深度学习笔试中的知识广度门槛既然岗位是算法工程师机器学习理论就是绕不开的一关。网易这批笔试里ML/DL相关的选择题和简答题大概能占到三分之一左右。这部分的难度不在于题目本身多深而在于范围太广你很难预判会考哪个方向。4.1 聚类、KNN与朴素贝叶斯经典算法的高频考点网络热词里的“聚类算法”“knn算法的应用能力包括哪三个方面”“机器学习算法”都指向同一个事实经典算法的基础概念考察是这类笔试的基本盘。聚类里最常考的是K-Means。考点集中在K-Means的收敛性一定能收敛但可能收敛到局部最优、初始质心的选择方式K-Means、K值的选择方法肘部法则、轮廓系数、距离度量欧氏距离、曼哈顿距离、余弦相似度对结果的影响。KNN的考点则聚焦在三个层面一是K值的选择——K值过小容易过拟合噪声影响大K值过大容易欠拟合把远处样本也拉进来二是距离度量——特征尺度差异大的时候需要标准化否则欧氏距离会被量纲大的特征主导三是计算复杂度——KNN是典型的懒惰学习训练阶段几乎不耗时但预测阶段需要计算所有样本的距离复杂度O(nd)在大规模数据上不实用。朴素贝叶斯则几乎必考“条件独立性假设”的含义。如果特征之间不独立朴素贝叶斯的概率估计就不准确但实际中它仍然能取得不错的效果这一点被称为“朴素贝叶斯的鲁棒性”。笔试选择题里经常问“为什么朴素贝叶斯在特征相关时仍然表现良好”选项通常是方差偏小、偏差偏大等等这就需要你理解偏差-方差分解。4.2 深度学习与损失函数从梯度下降到Transformer的位置编码深度学习理论也是笔试重头。最常考的知识点有反向传播的链式法则、常见激活函数ReLU、sigmoid、tanh的优缺点、梯度消失和梯度爆炸的原因、BatchNorm的作用、常用的损失函数交叉熵、MSE。特别需要注意的是近几年笔试开始出现Transformer相关的选择题比如自注意力机制的计算流程、位置编码的作用、LayerNorm与BatchNorm的区别。这是因为大模型时代算法工程师但凡涉及NLP方向Transformer是基本功。举个例子选择题可能会问“Transformer中为什么要加位置编码”正确理解是自注意力机制本身是位置无关的permutation invariant如果不加位置编码模型无法区分“我爱你”和“你爱我”。位置编码的本质是给每个位置的token注入位置信息让模型在计算注意力时能感知到相对位置关系。这类题目的特点是你不一定要能手推Transformer完整公式但必须理解每个模块存在的意义。这恰恰是很多只看论文标题不读细节的同学的盲区。4.3 那些“冷门但高频”的算法PID、卡尔曼滤波、BM25、Rete搜索热词里有一批看起来“不太像算法工程师笔试内容”的词比如“PID算法”“卡尔曼滤波算法”“BM25算法”“规则引擎Drools的Rete算法实现原理”。我特意把这些词列出来是因为它们揭示了大厂算法岗的一个真实趋势业务场景越来越多元算法工程师的知识边界越来越宽。PID控制算法在自动控制领域是基础但在网易这类有硬件、IoT、游戏业务线的公司PID会被用在游戏中的NPC追踪、物理引擎的阻尼控制等场景。卡尔曼滤波则是传感器融合、定位导航的基础算法如果投递的岗位和自动驾驶、机器人相关这些几乎必考。BM25是搜索引擎和推荐系统里经典的文本相关性打分算法网易云音乐的搜索、网易严选的商品搜索都可能用到。理解BM25不需要背公式关键是理解它的三个思想词频TF不是越高越好有饱和效应文档长度需要归一化逆文档频率IDF体现了词区分度。这些算法的共同点是它们不是“刷题”能刷出来的而是需要你真正理解算法的设计动机和应用场景。这也解释了为什么网上对这些词讨论热度那么高——大家都在临时补课。5. 考场实战时间分配、做题顺序与保底策略知识储备是一回事考场的实战策略是另一回事。我参加过好几家大厂的笔试网易这场的时间压力和题目风格大体相似90到120分钟选择题编程题混合。很多同学不是不会做而是时间分配不合理导致前面纠结太久后面编程题没时间写。5.1 先易后难还是先分后易我的做题顺序我的建议是“三轮做题法”第一轮快速扫一遍所有题目把选择题里一眼能看出答案的做掉编程题里思路清晰的先写第二轮集中处理需要思考的选择题和中等难度的编程题第三轮再死磕难题。这个策略的核心逻辑是笔试最终看的是总分不是单题完成度。一道10分的难题耗时40分钟和四道20分的中等题单位时间收益完全不成比例。网易的笔试系统通常有“部分通过”机制即测试用例部分通过也能得到部分分数这意味着即使思路不完美把暴力解法写上去也比空着强。5.2 暴力解法先保底再优化拿满分我见过太多同学在笔试时追求“一步到位”结果最优解没写出来暴力解法也没提交一分没拿。这是笔试大忌。正确姿势是先写一版能跑通的暴力解法保证拿基础分然后再在这个基础上优化。比如题目要求O(n log n)的排序你可以先写一个O(n^2)的选择排序提交一遍确认逻辑没问题后再替换成快排或归并。这种做法有两个好处一是暴力解法逻辑简单写错概率低二是它为你提供了对拍基准优化后的代码可以用暴力版来验证正确性。5.3 对拍与自测防止“样例过了回头全错”说到对拍这是很多人忽略的一个关键技巧。笔试系统给的样例通常比较简单能覆盖的情况有限。你写完代码后不要急着提交先自己构造几个边界测试用例空数组或空字符串数组只有一个元素所有元素相同最大数值范围比如int整型溢出目标值不存在于数组中的情况这些边界用例能帮你发现大量隐藏bug。特别是用C写代码的同学注意整型溢出和数组越界问题这两类是笔试中导致“运行错误”或“答案错误”的头号原因。我在实际考试中养成了一个习惯写完代码后先花30秒手动模拟一遍样例——自己在草稿纸上按代码逻辑走一遍输入数据检查每一步结果是否和预期一致。这个过程虽然枯燥但能拦截掉至少一半的低级错误。6. 笔试之后复盘方法与面试衔接笔试结束不等于万事大吉。很多公司包括网易的算法岗面试中面试官会直接问你笔试题的解题思路甚至让你现场重新写一遍。所以笔试后的复盘本质上是在为面试做准备。6.1 考后48小时内的复盘清单我的复盘方法是趁记忆还热把每道题按“会不会做”“有没有做对”“卡在哪里”三个维度记录下来。重点不是记录答案而是记录自己当时的思维过程——为什么这道题我一开始想偏了是知识点盲区还是读题不仔细还是复杂度分析出了问题比如当时KMP的next数组题如果推错了复盘时要明确是“定义没定清楚”还是“最长相等前后缀找错了”。这种归因分析比刷十道新题更有价值因为它精准定位了你的薄弱环节。6.2 把笔试题变成面试谈资的三个技巧第一重写一遍最优解。不是照着答案抄而是合上屏幕从零开始手写一遍边写边说出每一步的思考过程。第二主动扩展复杂度分析面试官问快排复杂度时你可以主动补充“最坏情况是数组已经有序且pivot选在端点可以通过随机化pivot来规避”。第三把笔试题和实际业务挂钩比如面试官问KMP时你可以提到它在IDE的查找功能、文本编辑器的高亮、甚至基因序列匹配中的应用。这三个技巧的核心是让面试官感受到你“知其然且知其所以然”而不是把笔试当作一次性的考试。6.3 给下一届同学的建议算法工程师笔试的长期准备路径如果你还有半年以上的准备时间我的建议是“两条腿走路”一条腿刷LeetCode和《剑指Offer》重点覆盖数组、链表、树、图、字符串、动态规划六大板块另一条腿系统复习机器学习理论基础推荐《统计学习方法》前八章加《深度学习》花书的前九章这两本的覆盖范围基本能命中大厂笔试90%以上的ML/DL考点。如果你只剩两周时间那就聚焦高考频考点KMP、快排、堆排序、二分查找、常见DP模型背包、LIS、LCS、K-Means、KNN、朴素贝叶斯、逻辑回归、梯度下降、反向传播、Transformer基础。这二十个知识点覆盖的“性价比”最高是考前冲刺的优先级。按照我自己的经验算法工程师的笔试准备是一场“马拉松冲刺”的组合战。马拉松考验的是你长期积累的算法功底和AI基础冲刺考验的是你对高频考点和考场策略的熟悉程度。网易这份2023校招笔试的难度放在大厂序列里属于中等偏上它不会刻意刁难你但也绝不会让你轻松蒙混过关——认真准备的人一定能脱颖而出。