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p="abacaba"，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 function）：next[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p="abacaba"手动推一遍：
- i=0，子串是"a"，真前缀和真后缀都为空，next[0]=0
- i=1，子串是"ab"，前缀有"a"，后缀有"b"，不相等，next[1]=0
- i=2，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]=1
- i=3，子串是"abac"，前缀和后缀能匹配的最长长度是0，next[3]=0
- i=4，子串是"abaca"，前缀"a"等于后缀"a"，next[4]=1
- i=5，子串是"abacab"，前缀"ab"等于后缀"ab"，长度为2，next[5]=2
- i=6，子串是"abacaba"，前缀"aba"等于后缀"aba"，长度为3，next[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+1，next[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(m+n)。
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(vector<int>& nums, int l, int r) { int pivot = nums[l + (r - l) / 2]; // 避免(l+r)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(vector<int>& 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。
