2023年飞猪秋招算法岗笔试，我是在牛客网上做的，整体下来最大的感受是：题量和难度都卡得挺准，既没有劝退到让人交白卷，也不会让刷题多的人轻松摸鱼。飞猪的算法岗笔试基本沿用阿里集团的统一笔试系统，题型以单选题、多选题加两道编程题为主，时长大概90分钟，不同批次可能略有浮动。如果你是准备投飞猪推荐、搜索、运价预测、供需预测这类方向的算法岗，这篇内容应该能帮你把笔试脉络摸清楚：考什么、怎么准备、做题顺序怎么安排，以及哪些地方最容易翻车。
这篇文章不打算写“面经八股”，我直接把当时踩过的坑、复盘出来的考点规律、以及做题节奏的控制方法都摊开讲，给正在准备秋招的同学一份真正能参照的实战记录。无论你是刚刷完LeetCode热题100，还是已经进入机器学习理论背诵阶段，这篇都能对应上你当前的位置。
1. 试卷结构与题型拆解
1.1 整体安排与计分逻辑
先说试卷本身。飞猪算法岗笔试用的是牛客网的系统，进房间之后会先做设备检测，然后进入答题页。页面左侧是题目列表，右侧是答题区，选择题直接在页面上点选，编程题则是在线编辑器提交。这里有个细节：牛客的系统会检测切屏，切出去次数多了会弹警告，严重的话可能导致交卷异常，所以考试前一定要把浏览器弹窗、消息通知全关掉。
从题量上看，我遇到的组合是15道单选题、5道多选题、2道编程题。选择题每题大约2到3分，编程题每题20到30分，总分100分。整体计分逻辑是：选择题部分考察基础理论，编程题部分考察代码落地能力，两部分都重要。很多同学容易犯一个错误——重编程轻选择，觉得大题拉分快，结果选择题丢分丢得悄无声息。我身边真有朋友笔试完说编程题全A了，最后却没进面试，大概率就是选择题错太多。
从出题风格来看，飞猪作为OTA平台，算法岗的业务场景集中在推荐、搜索、定价、运力调度、销量预测这几个方向。所以笔试里的编程题不会太偏门，但选择题里会出现和机器学习、数据分析相关的题目，这是和其他纯后端开发岗笔试一个很大的差别。你得有心理准备：这不光是一场数据结构考试，还是一场机器学习理论考试。
1.2 单选题的隐性考点
单选题乍一看范围很广，但实际考来考去就那么几块：数据结构、算法复杂度、机器学习基础、概率统计、深度学习基础。我整理了一个高频考点清单，按出现频率排序：
- 数据结构：数组和链表的操作复杂度、栈和队列的应用、二叉树的遍历、堆的插入删除、哈希冲突的解决办法。
- 算法基础：排序算法的稳定性和时间复杂度、二分查找边界条件、KMP中next数组的计算、动态规划的状态转移。
- 机器学习：过拟合的解决方法、偏差与方差、L1和L2正则化的区别、常见损失函数、样本不平衡的处理。
- 概率统计：贝叶斯公式、最大似然估计、期望与方差、常见分布（正态分布、伯努利分布、泊松分布）。
- 深度学习：激活函数（ReLU、sigmoid、tanh）的优缺点、梯度消失和梯度爆炸、BatchNorm的作用、卷积感受野计算。
这里重点说一下KMP。很多同学刷题的时候直接跳过KMP，觉得笔试不会考手写，但选择题里考next数组计算是性价比很高的出题方式。原题大概长这样：模式串p="abacaba"，next[i]定义为前i个字符组成的子串中最长相等前后缀长度，让你选出正确的next数组。这种题没有技巧就是硬算，但如果理解了“最长相等前后缀”这个概念，手推一遍也不慢。建议考前把KMP的next数组手推至少三遍，刷题时遇到的“找出字符串中第一个匹配项的下标”那道题，别只调用库函数，手动实现一次。
其实很多校招笔试的选择题都是从题库里抽的，原题率不低。你刷的题量上去了，很多题一眼就能看出答案，这也是为什么我一直强调“刷题不能停”——不是让你应付编程题，而是让你在选择题上同样拿分。尤其是L1和L2正则化的区别、Bagging和Boosting的区别、CNN中1x1卷积的作用这类高频常识题，基本是送分题，丢了太可惜。
2. 编程题高频考点与典型思路
2.1 从热搜关键词看考察风向
每年秋招前夕，各个技术社区的热搜词都会暴露一部分考点风向。比如“贪心算法”“KMP算法”“动态规划”“堆排序”“二分图HK算法”“粒子群算法原理”“模拟退火算法”这些词频繁出现，其实就指向了一个事实：校招笔试的编程题虽然难度分层，但高频考点始终集中在贪心、DP、图论、字符串这几个大类上。
具体到飞猪这种业务型算法岗，编程题不会出太偏门的东西，更不会要求你手写粒子群或者模拟退火，因为这些优化算法更多是业务侧已经封装好的工具，笔试考察的是更基础的能力。从我经历的那场笔试来看，两道编程题的风格是：一道偏向“经典题变种”，一道偏向“业务场景抽象”。第一道是贪心+排序的组合题，第二道是动态规划的状态设计题。这个组合在阿里系的笔试里还挺常见的。
2.2 高频题型分析与做题模板
先说贪心+排序。这类题的典型特征是：输入一个数组或者若干区间，要求在某种约束下求最大/最小值。经典例子是会议室安排问题——给定若干会议的开始时间和结束时间，问最多能安排多少个会议。思路很简单：按结束时间排序，每次选结束时间最早的会议。但笔试里不会原题照搬，而是会包装一个业务背景，比如“优惠券使用顺序问题”“交通运力优先调度问题”，核心逻辑不变。
我的做题模板是三步走：第一步，读题之后先判断是不是贪心，如果满足“局部最优能推导全局最优”这个特征，基本就是贪心；第二步，确定排序的键，到底是按开始时间、结束时间还是按差值排序；第三步，用一个小样例手推一遍，验证贪心策略是否成立。这三步走完，代码实现就是几分钟的事。
再看动态规划。飞猪这类OTA公司的业务场景里，动态规划最常见的落地场景是“资源分配”和“路径规划”。比如给一组酒店价格和销量数据，问如何分配推广预算让总收益最大，说不准就是一道背包题。笔试里DP题一般不会太变态，但状态定义和转移方程是分水岭。做题时先别急着写代码，先花两分钟把状态定义写在草稿纸上，想清楚“dp[i]代表什么”“怎么从dp[i-1]转移过来”，再动手。
这里我强烈建议你掌握一个底层能力——把暴力递归改写成动态规划。很多DP题你先用递归想清楚状态转移，再用一个数组去重，代码自然就写出来了。笔试时间紧，直接推DP方程容易卡壳，但递归版写出来再改成DP版，正确率高得多。这个思路应付“编辑距离”“最长上升子序列”“01背包”这些经典题型都够用。
此外还有一个容易被忽略的点：图论。虽然是算法岗，但图论基础你躲不掉。Dijkstra求最短路、并查集判断连通性、拓扑排序检测环，这三样是最常考的。飞猪的业务里，航线网络、景点路线规划、用户行为序列建模，都能和图论扯上关系。建议把Dijkstra的优先队列实现和并查集的路径压缩写熟。很多时候笔试编程题的第二题就会往图论上靠，你要是没有准备，现场推Dijkstra比较费时间。
3. 实战流程与节奏控制
3.1 考前一晚的准备清单
笔试前一天晚上，我不建议你再刷新题了，刷题是为了保持手感，但新题容易制造焦虑。我当时做的是三件事：第一，把高频数据结构的代码模板过一遍，比如并查集、Dijkstra、二分板子、快排、字典树；第二，把机器学习的核心概念过了一遍，重点看正则化、损失函数、交叉验证这些选择题常考点；第三，把牛客网笔试环境模拟了一遍，确保提交代码的流程是熟悉的。
这里有个很容易被忽略的细节：牛客网的在线编辑器不会自动补全。平时在IDE里写代码习惯了自动补全的同学，到了笔试环境会明显感觉到手速下降。所以考前一两天一定要用牛客网那种“白板编辑器”练几道题，适应没有自动补全、没有语法高亮提示的书写方式。这个适应过程非常重要。
另外，摄像头和浏览器一定要提前测好。笔试系统需要开摄像头，并且会全程录像，如果摄像头权限没开，考试直接没法开始。我当时提前半小时进入考试房间，把所有检测流程走了一遍，确认没有问题才放心。建议你也这样，千万别卡着开考时间进场，设备出问题就麻烦了。
再次提醒：关掉所有无关软件。微信、钉钉、QQ、邮件客户端全部退出，浏览器只留考试页面。牛客系统会检测切屏，一旦切出考试页面就会记录，次数多了会判定作弊。哪怕你只是想用本地IDE跑代码，也要注意切屏检测的规则。我当时是把本地IDE当作纯文本编辑器用的，但为了保险起见，还是在考试页面里直接写代码、直接提交，整个过程不切出去。
3.2 开考后的时间分配与做题顺序
我的做题顺序是固定的：先花30秒扫一遍编程题，再回头做选择题，最后专心做编程题。为什么要先看编程题？因为判断题目的难易程度和题型可以帮你建立心理预期。如果第一道编程题是贪心+排序的经典题，心里就有底了，做选择题时也更从容；如果两道编程题都偏难，那就得在选择题上尽量多拿分，给编程题留出更多时间。
选择题部分，我的节奏是单选每题控制在1分钟以内，多选每题控制在2分钟以内。单选题考的是概念记忆，会就是会，不会的题想超过30秒基本就是想不出来了，不如直接蒙一个，标记一下，回头有时间再回来想。多选题要格外小心，因为牛客的多选题通常是不定项，少选、多选、错选都不得分，所以不确定的选项宁可不选。
选择题全部做完之后，我建议先检查一遍多选的答案，然后再开始编程题。因为选择题的思考模式是“回忆概念”，编程题的思考模式是“逻辑推演”，两者来回切换会消耗注意力。一次性把选择题做完，再切换到编程模式，效率更高。
编程题的做题策略只有一个核心原则：先暴力，再优化。拿到题先把暴力解写出来，保证拿一部分分，然后在这个基础上用更优的数据结构或者算法去优化。很多同学喜欢一上来就推最优解，结果推了半小时推不出来，最后连暴力分都没拿到。你要清楚笔试的目标是拿分，不是展示最优解。一次AC当然是最好的，但能拿部分分也不亏。把暴力代码注释掉，再写优化版本，这样即使优化版本出问题了，还能提交暴力版保底。
4. 踩坑实录与复习路线复盘
4.1 飞猪笔试中的常见问题速查
我把笔试过程中容易出的问题整理成了一张速查表，每一项都是我用实际教训换来的：
| 问题表现 | 原因 | 解决办法 |
|---|---|---|
| 本地运行正常，提交后报错 | 输入输出格式不匹配 | 仔细读题，看是多组输入还是单组输入，测试是否有空格、换行 |
| 数组越界报错 | 边界判断不完善 | 写代码时统一用i < n而不是i <= n，特别注意0索引和1索引的转换 |
| 整数溢出导致答案错误 | 数据范围超过int范围 | 先看题目给出的数据范围，计算过程用long long |
| 动态规划初始化错误 | 状态定义不清晰 | 写DP前先在草稿纸上写出dp数组长度、初值和转移方向 |
| 递归栈溢出 | 递归深度过大 | 递归改迭代，或手动模拟栈 |
| KMP next数组算错 | 概念不熟 | 考前手推3遍，理解“最长相等前后缀” |
其中整数溢出这个坑，真的是考试里最让人无语的错误，尤其是数据范围很大的时候，用int存结果，答案被截断，样例能过但提交后WA，排查半天才发现是long long的问题。所以开考第一件事，就是养成看数据范围的习惯——题目里一般都会写清楚n和数值的范围，超过10^9的基本就要用long long了。
还有一个很实用的技巧：建议在代码里加上输入加速。C++的话就是ios::sync_with_stdio(false)和cin.tie(0)，Java就是BufferedReader代替Scanner，Python就是sys.stdin.buffer.read()读取所有输入再解析。这个看起来很小，但在数据量大的时候差距非常明显，能省下一两分钟，在考试里这点时间可能就是一道题的差别。
4.2 复盘与建议
笔试结束后，复盘比考完放松重要得多。我当时做了一件事：把笔试里出现的考点整理成一份文档，标注哪些是“确定会的”“蒙着做的”“完全不会的”，然后针对弱项去查漏补缺。比如我发现自己对“二分边界”的掌握不够牢，笔试里吃了一次亏，后来专门花了两天把二分的各种边界写法定投了一遍，后面面试时手撕算法就用上了。
从备考路径来讲，我建议分三个阶段。第一阶段是刷题储备期，至少保证LeetCode热题100和剑指Offer的题目都过一遍，重点题型包括：双指针、滑动窗口、贪心、DP、树、图论、字符串匹配。第二阶段是机器学习理论期，把李航的《统计学习方法》里分类、聚类、集成学习、EM算法这些章节过一遍，重点搞懂公式背后的直觉。第三阶段是模拟实战期，用牛客网的历年真题模拟考试环境，卡时间做题，练节奏。
说到飞猪业务场景的匹配，这里给想投飞猪的同学一个额外建议：适当了解OTA行业的算法应用。飞猪的算法岗业务方向包括搜索排序、个性化推荐、价格预测、运力调度、销量预测等。面试官在面试环节很可能会问“你对我们业务的了解”，笔试虽然不会直接问，但提前了解这些方向能帮助你在编程题里更快地理解业务包装题的本质。比如一个“根据历史订单预测未来某航线的销量”题目，本质就是回归问题，知道这个背景，你的思路就清晰了。
最后再分享一个小经验：笔试只是第一关，心态稳住很重要。我做编程题第二道的时候卡了将近二十分钟，一度想放弃，但后来冷静下来把暴力版本写出来，拿了部分分。最后总成绩比我预想的好很多。算法岗的秋招笔试不是要求你每道题都AC，而是要求你在有限的时间内拿到尽可能多的分数。这个取舍能力，本身就是算法工程师的一种核心素养——在资源受限的情况下，用合理的策略逼近最优解。这才是笔试真正想考察的东西。
