1. 算法能力测评不是刷题数量而是可迁移的思维建模能力我最早接触“算法能力测评”这个词是在一次团队招人复盘会上。当时我们面试了一个刷题量非常漂亮的候选人LeetCode 上 800 多题周赛成绩也不错但到了真正需要他设计一个缓存淘汰策略、分析一段线上日志的匹配瓶颈时他整个人是懵的。那一刻我突然意识到我们过去做的所谓“算法测评”其实只是在测“见过多少题”而不是测“能不能用算法思维解决实际问题”。这触发了我对算法能力测评这件事的重新思考。市面上有大量算法题库、刷题平台、面试突击手册但很少有一套系统的方法论能回答几个最核心的问题一个人的算法能力到底由哪些维度构成不同岗位后端、算法工程师、嵌入式、数据分析对算法能力的要求差异在哪用什么方式测评才能既考察“基础功底”又考察“实战迁移能力”测评结果如何量化、如何反馈、如何指导后续学习这篇文章就是我对这些问题的完整总结。它不是一篇学术论文而是基于我这些年带团队、做技术面试、给自己做学习规划时沉淀下来的一套实操框架。内容会覆盖测评维度设计、笔试机试面试的具体出题逻辑、不同算法方向的差异化测评方案、以及评分标准与常见误区。无论你是想评估自己的算法水平还是需要给团队搭建一套算法测评体系这篇文章都应该能给你一些可落地的东西。我相信一个基本判断算法能力测评的价值不在于把人分成三六九等而在于让每一个被测者包括自己清晰地看到“我现在在哪个位置、下一步该往哪走”。想通这一点整套测评体系的设计逻辑就完全不一样了。2. 算法能力测评的核心维度拆解从“背出答案”到“设计新算法”先回答一个根本问题当我们说一个人“算法能力强”到底是在说他会什么如果拆开来看我会把算法能力分成五个层次每一个层次都是可以独立测评的也是递进的。这个分层模型是我在做测评时最重要的设计依据也直接决定了后面的题目该怎么出。2.1 第一层对算法原理的理解力这一层考察的是“知不知道”。比如提到 KMP 算法能不能说清楚 next 数组到底在存什么、为什么要用 next 数组、它的时间复杂度为什么是 O(mn) 而不是 O(m*n)。再比如提到贪心算法能不能举出三个适用场景和两个不适用场景并解释清楚贪心选择性质和无后效性这两个前提条件。这个层次的测评很容易流于表面。很多人能背出“动态规划就是把大问题拆成小问题”但问他“怎么判断一道题能不能用 DP 解”“状态转移方程是怎么从穷举思路里推出来的”他就答不上来了。所以这一层的测评不能只问“是什么”一定要问“为什么这样设计”。我常用的方式是让被测者画出算法的执行流程图比如画出快速排序在一组具体数据上的递归划分过程、画出 Dijkstra 算法从源点到各节点的最短路径松弛顺序。能画对图才算真的懂。2.2 第二层代码实现与调试能力这一层考察的是“写不写得出来”。算法思想再漂亮落到代码上如果有边界条件处理错误、循环变量写错、递归出口漏掉照样是零分。实操中我见过太多人栽在这一层不是不会思路而是实现时出各种 bug。比如写二分查找left 和 right 的更新逻辑搞错导致死循环写归并排序merge 过程中临时数组的索引范围没控制好写堆排序siftDown 操作里左右孩子的比较条件漏掉了等号场景。所以我设计测评时这一层从不允许“伪代码过关”必须真实运行、真实测试。具体测评方式有三种我后面会展开讲现场写码、限时补全、以及刻意埋 bug 让被测者定位修复。第三种方式其实很有效它直接考察了“读代码 调试”的能力而这恰恰是真实开发中最常用的算法能力。2.3 第三层复杂度分析与算法选型这一层考察的是“知不知道哪个更好”。很多自学者刷题时会陷入一个误区AC 了就结束从不分析时间复杂度和空间复杂度。但真实业务里一道题的约束条件不会像 OJ 那样写得清清楚楚你需要自己判断数据规模、估算性能瓶颈、选择性价比最高的算法。我在测评中会用一组典型的对比题来考察这一层。比如给定一个需求从 10 亿个整数中找出最大的 100 个数。候选人会怎么回答只想到排序的说明复杂度意识不够能想到维护一个 100 大小的最小堆、时间复杂度 O(n log k) 的是合格线能进一步指出“如果 k 很大接近 n排序反而更优如果数据是流式的堆是最稳妥方案”的才是真正吃透了复杂度分析。再举个例子字符串匹配场景下什么时候用 KMP、什么时候用 BM、什么时候直接用标准库的 indexOf这要结合模式串长度、文本长度、匹配频率来综合判断。KMP 适合模式串较短且匹配失败频繁的场景BM 的预处理更复杂但在长模式串下通常更快而文本极短时直接朴素匹配反而是最优解。这种“视情况而定”的能力恰恰是测评中最难用机器自动判分的部分。2.4 第四层数学建模与算法设计能力这一层考察的是“遇到没见过的题怎么办”。这是从“用算法”到“设计算法”的分水岭也是测评中最能拉开差距的部分。我在面试中经常出一道这样的题一个在线教育平台需要给课程安排考试时段每门课有若干学生选修存在学生冲突的课程不能安排在同一时段问最少需要多少个时段。真正做过算法训练的人很快会意识到这是图着色问题意识到之后能进一步说出“这是一个 NP-Hard 问题所以实际中我们一般用贪心着色或者回溯 剪枝来做近似解”如果能再往后走一步提出用冲突图中最大团的下界来做剪枝、用 Welsh-Powell 算法做初始化排序那就说明数学建模能力和算法设计能力都非常扎实。这一层的测评没有办法通过刷题来速成它背后的支撑是离散数学、图论、概率统计这些基础学科。所以我会把这一层的权重调得非常高——它基本决定了一个人在面对复杂未知问题时的天花板。2.5 第五层业务场景迁移与工程落地能力最后一层考察的是“在真实系统里能不能用”。算法不是跑通一次就完事了真实环境里有数据倾斜、有并发、有内存限制、有上下游接口的约束还有算法复杂度和可维护性之间的权衡。举个例子搜索引擎里有一个非常经典的问题如何计算两个文档的相似度教科书会告诉你用 Jaccard 相似度或者余弦相似度但真实业务中文档数量可能是亿级别的两两计算是行不通的。这时候就需要用 MinHash LSH局部敏感哈希来做近似去重这也是很多面试官喜欢深挖的题目。但如果你只回答“用 simhash”那我一定会追问 SimHash 的海明距离阈值怎么定、64 位指纹的权重是用 TF-IDF 还是 BM25 算出来的、海量指纹怎么快速检索相似项。这些问题考的全是工程落地能力不是理论背诵。这五个层次可以画成一张能力雷达图。每个层次独立打分最后形成综合评估。我见过的最理想被测者不是每一层都满分而是“基础层扎实、建模层突出、工程层有体感”的候选人。相反如果一个人第一层都说不清 KMP 的 next 数组是怎么推导的那即使他项目经历写得再漂亮我也会对算法基本功打一个问号。3. 一套能落地的通用测评设计笔试、机试、面谈与实战题怎么搭配维度拆清楚了接下来就是最实际的问题怎么设计一套测评流程把这五个层次都覆盖到。我自己的经验是任何单一形式都有盲区——笔试能测出知识面但测不出工程感机试能测出代码能力但很难测出沟通思维面谈能测出思考深度但容易变成“八股文背诵大赛”。所以一套完整的测评必须组合多种形式。3.1 笔试30 分钟定基调考察原理理解与复杂度意识笔试部分我建议控制在 30 到 40 分钟以选择题、简答题、小计算题为主目标是把第一层和第三层的基础盘测出来。题目设计上有一个核心原则不要出“背答案”的题要出“算一算才知道”的题。我举几个实际用过的题目样本给定模式串p abacaba请写出 KMP 算法中 next 数组的每一位。这道题如果只背过 KMP 的模板但没理解 next 的构建过程是很容易写错的。next[0] 通常初始化为 -1然后 i 从 1 开始j next[i-1]不断回退比较 p[i-1] 和 p[j]这个过程必须手推才能写对。对数组[5, 2, 4, 6, 1, 3]执行插入排序请写出每一轮结束后的数组状态。这道题看起来简单但很多人会混淆插入排序和冒泡排序的中间过程。有一个长度为 n 的有序数组需要反复执行“查找某个值是否存在”的操作请问用二分查找和用哈希表查找各自的预处理时间和单次查询时间分别是多少在什么场景下二分反而更好这其实是在考复杂度分析和工程权衡。请解释贪心算法和动态规划的本质区别并分别举一个适用场景。笔试题的判分标准也要提前定好。选择题可以用机器判但简答题我建议人工看重点不是看答案对不对而是看推导过程是否严谨。比如 next 数组那题如果候选人答案是[-1, -1, 0, 0, 1, ...]这种形式要看他推导思路里是不是理解了“最长相等前后缀”的概念而不是只看最终数字。3.2 机试60 分钟上强度覆盖实现与调试能力机试是算法测评的核心环节建议控制在 60 到 90 分钟。题目数量 2 到 3 道难度递增覆盖不同算法类型。第一题通常是基础数据结构题比如“用两个栈实现一个队列”或者“判断一个链表是否有环并找出环入口”。这类题目的目的是测基本功大约 20 分钟内应该能完成权重不需要太高。第二题进入核心区我会从这几类中选一道排序算法变种、二叉树遍历、动态规划或者图的最短路。比较有区分度的题目是“给定一个二叉搜索树找出其中第 k 小的节点”这类题。它表面上是树遍历实际上考的是 BST 中序遍历的性质和递归/迭代转换能反映候选人对数据结构性质的理解。第三题是最关键的一道专门用来测第四层建模与设计和第五层工程落地。我会出那种“看起来像某个经典算法、但实际需要结合实际条件做变通”的题。举一个我特别常用的例子一个灰度图像尺寸为 WxH每个像素取值范围 0-255。请设计一个算法将图像中的文字区域自动框选出来输出每个文字区域的矩形坐标。这道题严格来说是一个图像处理问题但它考察的算法内核非常丰富。有基础的候选人会立刻想到用 Sobel 算子做边缘检测、用阈值分割做二值化、用连通域标记来框选区域。如果候选人只会背排序算法面对这道题会完全不知道从哪里下手。而这道题的高分答案还要求考虑光照不均导致的灰度漂移问题——单纯用全局阈值可能效果很差需要做自适应阈值或者使用经典的 Otsu 方法。这样一道题就能同时测出图像基础、算法设计、工程鲁棒性三个维度。机试环境我只提供标准库和常见图像处理库不允许使用深度学习模型因为这里测的是算法理解和编码能力不是调包能力。机试的硬性要求是代码必须能编译运行必须有测试用例。我见过不少候选人思路都对但代码一运行就崩溃或者边界数据过不了这些都会在机试评分中直接扣分因为这些能力在实际工作中就是不可接受的。3.3 面谈通过追问看思考深度区分“背题”和“真懂”面谈是整个测评里最有信息量的一环。但前提是面试官要会问、会追问。我和团队定了一个规矩面谈环节候选人提到任何一个算法都必须能回答三个追问——“这个算法最核心的优化点是什么”“它有什么局限性”“如果你来做你会怎么改进”。我举个例子。候选人说自己在项目中用过 PID 算法做温控系统我会立刻追问你的 PID 参数是手动整定的还是用了工程整定法有没有遇到超调过大或者振荡的问题怎么处理的如果系统存在大的滞后比如加热到温度变化有一分钟延迟标准的 PID 会失效你会怎么调整如果他能答出来“用串级 PID”或者“加一个 Smith 预估器”那说明真的理解了这个算法的边界如果只会说“调 P、调 I、调 D”那说明只是在项目里调过参没有理解原理。再比如候选人提到 BM25 算法我会问 BM25 的本质思想是什么、它和 TF-IDF 的核心区别在哪里、k1 和 b 两个参数分别控制什么。如果答不上来 b 参数控制的是文档长度归一化的强度那说明对相关性的理解还很浅。面谈还有一个重要功能考察沟通表达能力和思路的条理性。我要求候选人用“先分析问题再提出方案再评估方案最后落地实现”的结构来回答问题。能按这个结构来的人工作中大概率也是一个思路清晰的人。3.4 实战题模拟真实工作流考察需求分析到算法落地的全链路实战题不是必须的但如果测评的目标是招资深工程师或者评估团队骨干我会加上这一环。做法是给候选人一个简化但完整的业务需求要求他在规定时间内完成“需求分析 - 方案设计 - 伪代码/代码实现 - 测试方案”的完整流程。我实际用过的一个实战题是这样的现在有一个电商平台每天产生 5000 万条用户搜索点击日志。产品经理希望识别出最近 7 天内搜索意图发生明显变化的用户比如原来搜“手机”现在搜“手机壳”。请设计一个算法方案说明你如何定义“意图变化”、如何高效处理 5000 万条数据、你的方案在时间/空间复杂度上是否可接受。这个题没有标准答案。有人会用滑动窗口配合 TF-IDF 向量化做余弦相似度对比有人会用用户搜索词聚类做意图识别还有人会用统计检验看搜索词分布的显著性变化。每一种方案都有可取之处但我会重点关注候选人是否主动询问了数据格式和计算资源限制、是否考虑了先对用户分层再用不同阈值、是否想到了最耗时的步骤可以用前缀聚合来优化。这些细节才是测评的核心价值远不是“做出来”三个字能覆盖的。实战题的评价不追求单一正确答案而是看候选人的推导路径是否合理、边界条件是否考虑充分、方案是否具备可落地性。4. 不同算法方向的差异化测评数据结构、机器学习、图像处理、工业控制各有各的考法算法世界太大了不同方向对能力维度的侧重完全不同。一套通用的测评框架只能解决“基础层”的问题真正专业的测评必须按方向做差异化设计。下面我按四个典型方向拆解每个方向都会讲清楚核心考点和测评侧重点。4.1 数据结构与基础算法方向考“深”不考“广”这个方向主要面向后端开发、基础架构、竞赛选手等角色测评核心是“对数据结构和经典算法的理解深度”。知识面广当然好但单项深度更重要。我的测评思路是选一个核心算法从易到难一路深挖到底看候选人能走多远。这里用排序算法举一个完整的深挖链路第一步请实现快速排序。这一层卡掉编码不熟的人。第二步你实现的快排在数组已经有序时表现如何怎么优化——最佳答案是三数取中 插入排序兜底。这一步卡掉只看过模板的人。第三步快速排序是不稳定排序如果需要稳定排序你会怎么办——能想到归并排序或者对元素加原始索引做稳定化处理的是加分项。第四步如果数据量太大无法全部加载到内存你会怎么排序——能答出外部排序、多路归并、败者树这些概念的基本就是资深水平了。第五步如果排序的 key 是字符串你会怎么优化排序效率——能想到基数排序或者 MSD 基数排序的已经是高手中的高手。这五个层层递进的问题比出五道不相关的题有效得多。同样的思路也适用于 KMP、Dijkstra、线段树等核心算法只要提前设计好问题树就行。4.2 机器学习与深度学习方向考“原理推导”和“动机判断”机器学习方向的测评要特别注意一个现象很多人会调包但不理解原理。我面试过一个用了好几年 LightGBM 的候选人问他“XGBoost 和 LightGBM 的核心区别是什么”他只能说出“LightGBM 更快”但答不上来直方图算法和 level-wise vs leaf-wise 的增长策略对精度和过拟合的影响。这就是典型的“会用但不懂”。机器学习方向的测评题目可以从 KL 散度与 ELBO 开始深挖。很多讲变分推断的文章都会写“最大化 ELBO 等价于最小化 KL 散度”但真正理解的人应该能回答为什么我们需要优化 ELBO 而不是直接优化对数似然因为后验分布算不出来必须引入变分分布做近似所以才推导出 ELBO 这个下界。继续追问ELBO 的第一项是重建似然第二项是 KL 正则项这两项分别控制什么能不能把训练过程理解成一个“重建准确率”和“后验匹配度”之间的拔河能答到这个深度说明是真的看懂了推导而不是只会调库。分类算法的测评也有一个经典问题KNN 的三大核心能力是什么严格来说应该是基于实例的懒学习、非参数化的决策边界、以及基于距离度量的相似性判断。如果候选人只能说“KNN 就是找最近的 K 个点投票”那说明理解还停留在表面。我还会追加问KNN 的 K 值选太大或太小分别会有什么影响在高维空间 KNN 会退化为什么这时候能引出“维度灾难”概念的说明真有思考。再比如要区分聚类算法就需要问清楚 k-means 和 GMM高斯混合模型的本质差异。k-means 是硬聚类、基于欧氏距离、假设每个簇是球形GMM 是软聚类、基于概率密度、每个簇可以有不同的协方差结构。如果候选人能进一步说出“k-means 其实是 GMM 在协方差矩阵为单位矩阵且每个簇等权重时的特例”那这个人的基础绝对是扎实的。深度学习方向我会重点关注优化器和损失函数的设计动机。比如问为什么分类问题常用交叉熵而不是均方误差答案核心是分类问题输出层通常接 softmax交叉熵配合 softmax 在梯度传播上更稳定能避免某些区域梯度消失。再问batch normalization 为什么有效不只是“加速收敛”更本质的原因是它缓解了 internal covariate shift让每一层的输入分布相对稳定同时也间接起到了正则化的作用。能说到这个层面才说明不是在背面试题。4.3 图像处理与计算机视觉方向边缘检测和特征提取是试金石图像方向的算法测评很特殊它的门槛不在代码而在数学和信号处理基础。我测评图像方向候选人时经常从“图像锐化”这个最朴素的需求切入。先问图像锐化的拉普拉斯算法是怎么实现的理解的人会知道拉普拉斯算子是二阶微分算子能提取图像的高频分量然后将原图加上高频分量得到锐化效果。公式是output original k * laplacian(original)其中 k 控制锐化强度。如果不理解二阶微分对不同方向边缘的响应差异是设计不出这个操作的。再问Sobel 算子的卷积核为什么是[-1, 0, 1]和[-1, -2, -1]这种组合前者是差分近似微分后者是加权平均做平滑这两个方向的组合其实就是在做“先平滑再微分”才能达到抑制噪声的效果。如果候选人能继续聊到 Canny 边缘检测的完整流程——高斯滤波去噪、Sobel 算梯度方向和幅值、非极大值抑制细化边缘、双阈值滞后处理连接边缘——那图像基础就是扎实的。对应到音频领域测评逻辑也类似。音频重采样算法考的是什么核心是采样率转换时的抗混叠滤波设计。Sinc 插值是理想方案但计算量大实际常用基于多项式拟合的线性插值或基于查找表的带限插值。如果能进一步聊到清晰度和计算复杂度的权衡那就说明有真实业务经验。4.4 工业控制与嵌入式方向最容易被低估的算法测评领域这个方向的测评逻辑和互联网技术栈差异很大但同样有很多经典算法值得深挖。PID 算法是最基础的但能把它讲透的人极少。我测评时一般用三个递进问题增量式 PID 和位置式 PID 的区别是什么为什么增量式 PID 在嵌入式系统中更常用——因为增量式的输出是控制量的增量不需要累加历史误差能把积分饱和的风险降到最低且执行器故障时影响范围小。如果系统存在明显的超调你会怎么调节 PID 的三个参数——很多时候最直接的做法不是调 P 而是调 D。微分项的引入可以抑制超调但会放大噪声这时候可以考虑在微分项加低通滤波。如果被控对象的数学模型基本未知有没有不依赖模型的整定方法——Ziegler-Nichols 整定法就是基于临界增益和临界周期的经验公式实际工程中非常常用比盲目调参靠谱得多。MPPT最大功率点追踪算法也是光伏和电源方向的高频考点。核心考察点是扰动观察法和电导增量法的区别。扰动观察法实现简单但会在最大功率点附近振荡电导增量法判断更精准但需要更精确的电流电压采样。如果再能提到“在光照突变时扰动观察法可能失效、需要配合自适应步长来加速收敛”那基本就是实战过的人了。卡尔曼滤波这个算法也值得深挖。从物理直觉来看它解决的核心问题是如何把传感器测量的数据和系统模型预测的数据融合起来并给出一个更可靠的估计。核心公式认知预测步是用状态转移方程推算先验估计和误差协方差更新步是用卡尔曼增益来权衡预测值和测量值。我会问卡尔曼增益 K 越大代表什么——K 越大说明更相信测量值因为此时测量噪声协方差 R 相对较小。工程里调 R 和 Q 的过程本质是在教算法“你对传感器的信任度是多少”。5. 评分标准、结果解读与常见误区一份能指导行动的能力报告应该长什么样测评流程走完最后一步也是很多人忽略的一步把结果整理成可操作的反馈。这一章我详细说说评分标准的设定逻辑、结果解读的方法以及我在实操中总结出来的几个高频误区。5.1 分维度加权评分不同目标角色要有不同的权重矩阵五个能力层次原理理解、代码实现、复杂度分析、建模设计、工程落地不是简单加权平均就完事应根据目标岗位和测评目的动态调整权重。我用一张表来说明典型权重分配。能力层次校招/初级资深/高级团队负责人/架构原理理解25%15%10%代码实现40%25%15%复杂度分析20%25%20%建模设计10%25%30%工程落地5%10%25%这个权重不是我拍脑袋定的它的逻辑是越初级越看基本功和代码量越高层越看建模抽象和工程判断。初级岗位代码实现权重最高因为写不清楚代码的人没法干活资深岗位建模设计和复杂度分析权重上来了因为要开始主导技术方案架构岗位工程落地和建模设计的权重最高因为要做的决策影响面大要扛得住复杂度和风险。每个层次内部还要设计细粒度打分。比如“代码实现”这一层我通常拆成四个子项正确性40%、边界处理25%、代码风格15%、测试覆盖20%。正确性不用解释了边界处理考的是 if 条件的完整性代码风格考的是变量命名和结构组织测试覆盖看候选人有没有主动写测试来验证自己的代码。5.2 结果解读不是画五维雷达图就完事要给出关键洞察很多测评报告做了雷达图就结束了这是不够的。结果是用来指导行动的要做三条关键洞察。第一条是“最弱短板是否低于基准线”。五个维度里如果有任何一个维度低于 2 分满分 5 分都要重点标注。因为算法能力的木桶效应非常明显——原理理解 4 分但代码实现 1 分的人实际工作中大概率是“眼高手低”能给出方案但交付不了代码实现 4 分但建模设计 1 分的人大概率是“熟练搬砖工”能写好既有逻辑但面对新问题没有思路。第二条是“各维度之间的离散度”。如果一个候选人五个维度得分分别是 4.5、4.5、4.5、4.5、1.5我会认为总分虽然看起来不低平均 3.9但实际风险很高——他的短板会在特定场景下完全暴露。相反如果得分是 3.5、3.5、3.5、3.5、3.5虽然看起来没有亮点但这样的候选人在真实生产环境中通常比前者更稳。第三条是“增分优先级排序”。根据测评目标的权重矩阵算出“每提升 1 分对综合得分的边际贡献”然后排序。比如一个资深候选人目标权重下建模设计每提升 1 分能带来 4.2 分的综合提升代码实现提升 1 分只能带来 1.9 分那么毫无疑问他应该先把精力放在建模能力上而不是继续刷代码题。5.3 常见误区我在实际测评中反复踩过的五个坑第一个误区用难题来体现测评的专业度。我早年也犯过这个错误出偏题怪题来考候选人结果把很多实际能力很强但没刷过类似题的人筛掉了。后来我明白了测评的价值是评估能力边界不是证明出题人有多聪明。好的测评题目应该是“大多数人能做出一半少数人能做全对”而不是“99% 的人无从下手”。第二个误区只测“快”不测“对”。很多机试平台默认以提交时间去重排序导致候选人拼命追求速度而牺牲代码质量。我现在机试会明确告诉候选人代码正确性权重最高宁可超时 10 分钟也要保证代码通过完整的测试用例。这个信息本身就能筛掉一批心态不稳的人。第三个误区忽略被测者的紧张因素。算法测评对很多人来说是高焦虑场景一小时机试里他可能连正常水平的 70% 都发挥不出来。我的补救办法是在机试前设置一个 5 分钟的“热身题”不计入评分让大家先进入状态。面谈时也会先从最简单的项目介绍开始让候选人放松下来。第四个误区把答案标准化不允许发散。特别是实战题部分不同候选人的最优解路径可能完全不同。有人擅长用统计方法有人擅长用图算法有人习惯用工程经验。只要路径合理、复杂度分析正确、边界考虑充分都应该给高分而不是死等某个“标准答案”。第五个误区一次测评定终身。算法能力是动态变化的一次测评的分数不代表真实水平。我个人在团队内部做季度测评时会保留上一次的测评记录让候选人和管理者能看到能力和分数的演变趋势。这比单次分数更有指导意义也更能激励员工持续成长。6. 个人实操体会测评框架迭代三次之后我留下的核心经验这套算法能力测评框架从第一版到现在已经迭代了三次。如果只能留下三条经验我会选这三条。第一条经验测评的价值不只在结果更在过程。很多被测者反馈即使最终评分不理想完整的测评流程也让他看到了自己的盲区。比如一个一直觉得自己“算法还可以”的候选人在“为什么快速排序在近乎有序的数组上会退化”这个问题上卡住之后回去主动补了一周的基础算法分析。这就是测评体系带来的正向价值。第二条经验从题库思维升级到能力模型思维。早年我设计测评第一反应是“先找几道好题”。后来发现这样做的结果就是选题随机、覆盖不全、评分靠感觉。真正的解题思路是先明确测评目标对应哪几个能力层次、每个层次需要哪些具体行为作为证据然后倒推设计题目。题库只是工具能力模型才是骨架。第三条经验再完善的测评体系也无法替代有经验的面试官做综合判断。我见过一个候选人机试成绩很好、笔试也接近满分但在面谈中对任何算法都只能答出“模板式”的答案缺乏自己的思考。最终我们团队没有发 offer。反过来我也见过一个笔试分数一般但面谈时展现了极强建模能力的候选人入职后解决了好几个棘手的优化问题成长非常快。测评体系提供的是“多维度证据”最终的判断还是要依赖经验、直觉和对具体场景的理解。如果你想把这套东西应用到自己的场景里我建议不要贪多求全。先从五个维度中挑最重要的两到三个设计对应的题目和评分标准跑一轮再做复盘和调整。等这一轮的结果稳定了再逐步补齐其他维度。算法能力测评不是一次性工程它有很强的持续性用着用着你就会越来越清楚自己在测什么、在招什么样的人、在培养什么样的能力。