企业官网建设流程全解析

先交代一下背景。我是2019届的毕业生，当年投了京东的算法工程师岗，笔试一轮下来被筛得明明白白，后来又陆续刷了几年校招题，跟不少学弟学妹交流过这套题。现在回头看，京东2019校招算法笔试的题目质量其实很高，不像有些厂子随便出点选择题糊弄人，它既考基本功，又考工程思维，还夹杂着一些"你不踩坑就不知道答案"的细节题。这篇文章我就把这套题掰开揉碎讲一讲，结合那些年大家高频搜索的算法知识点，把考点、解题思路、实战技巧一次说清。无论你是正在准备校招的应届生，还是想查漏补缺的社招选手，这篇都能给你一些参考。

1. 京东2019校招算法工程师笔试的整体画像

1.1 题型结构与考察范围

京东的算法笔试采用的是牛客网系统，整体题量不算特别大，但时间并不宽裕。题型主要分三块：单选选择题、不定项选择题和编程题，部分批次还加了简答题。从考察范围来看，可以分成四个维度：

• 数据结构与基础算法：数组、链表、树、图、排序、查找、字符串匹配，这部分约占40%。
• 机器学习与深度学习理论：经典模型、损失函数、优化方法、评价指标，约占30%。
• 数学基础与概率统计：概率计算、期望、分布、矩阵运算，约占15%。
• 工程与业务场景题：特征工程、模型调优、推荐/搜索/广告等业务场景的应用分析，约占15%。

这个比例透露了一个信息：京东要的不是"只会调包"的算法工程师，而是基础扎实、能理解模型原理、还能结合实际业务做方案设计的候选人。我当年就栽在业务场景题上，光顾着刷LeetCode，结果一道"如何为京东商城的搜索排序设计特征"直接把我问懵了。

1.2 难度分布与淘汰逻辑

从笔试结果来看，这套题的难度是循序渐进的。选择题部分只要数据结构学得扎实，拿到80%的正确率问题不大。真正的分水岭在编程题和业务场景题上。

编程题的特点我总结为：题干不长，但坑不少。它不会给你一个"请实现快排"这么直白的题目，而是会把算法包装在一个实际的业务场景里。比如有一道题是把商品按销量和评价综合排序，表面看是个排序题，实际上考的是稳定排序和自定义比较器的底层逻辑。如果你直接调Collections.sort，可能连题目真正想考察的"稳定性对结果的影响"都没意识到。

淘汰逻辑也很现实：选择题筛掉基础不牢的，编程题筛掉动手能力不行的，业务题筛掉只会背概念不会应用的。三轮筛选下来，能进面试的人确实不多。

2. 高频考点逐个拆解：从热搜词看命题侧重

2.1 字符串匹配与KMP算法：next数组必须手推

每年的算法笔试基本都绕不开字符串匹配。京东2019的卷子里虽然没有直接出"实现KMP"这种裸题，但选择题里有一道关于next数组计算的题，陷阱设得很深。

题目大概是：模式串p="abacaba"，求next数组。很多人背了公式但没理解原理，一算就错。这里我重新推一遍，帮大家把这个知识点彻底搞懂。

KMP的核心是next数组，next[i]的含义是：当模式串第i个字符失配时，模式串应该回退到的位置。因为next数组有多种定义版本，有的表示"最长相等前后缀长度"，有的表示"失配时跳转的位置"，差一个1，所以做题时一定要看题目给的是哪种定义。

以"abacaba"为例，按经典定义（next[i]表示前i个字符组成的子串的最长相等前后缀长度）：

• next[0] = -1（或0，取决于实现）
• next[1]：子串"a"，没有真前后缀，为0
• next[2]：子串"ab"，前缀"a"和后缀"b"不相等，为0
• next[3]：子串"aba"，前缀"a"和后缀"a"相等，长度为1，为1
• next[4]：子串"abac"，前缀"ab"和后缀"ac"不等，前缀"a"和后缀"c"不等，为0
• next[5]：子串"abaca"，前缀"ab"和后缀"ca"不等，前缀"a"和后缀"a"相等，为1
• next[6]：子串"abacab"，前缀"ab"和后缀"ab"相等，长度为2，为2
• next[7]：子串"abacaba"，前缀"aba"和后缀"aba"相等，长度为3，为3

所以next数组是[-1, 0, 0, 1, 0, 1, 2, 3]。如果你用的是"失配时跳转位置"的定义，就是[0, 1, 1, 2, 1, 2, 3, 4]，每个值加1的关系。

注意：不同教材、不同题目对next数组的定义可能不同。做题前先看清楚题目给的是"长度"还是"位置"，否则答案直接错一半。

我当时备考时自己写了个KMP的模板，把两种定义都实现了，还专门写注释标注区别。建议你也这么做，不要只背一种。

2.2 排序算法：堆排序和快排是命题重灾区

排序算法在京东的笔试里不只是考"时间复杂度是多少"这种送分题，它更爱考"在不同场景下选哪种排序更合适"这类应用层面问题。

堆排序是高频考点，因为堆这个数据结构本身太常用了。堆排序的核心分为两步：建堆和调整。建堆的时间复杂度是O(n)，不是很多人以为的O(nlogn)，这一点很多选择题爱考。为什么是O(n)呢？因为最后一层节点不需要下沉，倒数第二层最多下沉1次，倒数第三层最多下沉2次……总的操作次数是n/4 * 1 + n/8 * 2 + n/16 * 3 + ...，求和后收敛于O(n)。

堆排序的C++实现，我推荐直接用标准库的make_heap、push_heap、pop_heap，笔试时间紧，手写堆容易出错。但你要理解底层原理，因为面试会追问。

快速排序的考点在于：最坏情况什么时候发生？答案是当每次划分都极度不平衡时，比如对已经有序的数组做快排且每次选第一个元素作为pivot，时间复杂度退化为O(n^2)。解决办法是三数取中法或者随机选pivot。

另外还有一个容易被忽略的考点：排序的稳定性。京东有一道选择题问"哪种排序算法是稳定的"，答案是归并排序、冒泡排序、插入排序。快速排序、堆排序、选择排序都不稳定。这个知识点在业务场景题里也会用上——比如前面提到的商品排序，如果两个商品综合得分相同，你需要保持它们原始的顺序（比如按上架时间），那就要用稳定排序。

2.3 贪心与动态规划：编程题的主旋律

京东2019校招笔试的编程题，我印象中至少有一道是贪心或DP的变种。这类题的特点是可以套模板，但难点在于识别出"这道题应该用DP"。

贪心算法考的是"贪心策略的证明"，京东会问"为什么这个策略是对的"。经典例子是区间调度问题：给定一堆区间，选择尽可能多的不重叠区间。贪心策略是按结束时间排序，然后依次选择。为什么不能按开始时间排序？因为可能选到一个开始早但持续时间长的区间，把后面所有区间都挡住了。

动态规划的题，京东爱出"路径类"和"背包类"。路径类的经典题是网格从左上角到右下角的走法数，背包类则倾向于出变种题。比如有一道题的大意是：有n件商品，每件有重量和价值，背包容量为W，但每件商品可以选择"全拿"或"不拿"或"拿一半"，问最大价值。这就是0-1背包和分数背包的结合体，考你对两种背包模型的理解是否透彻。

DP的优化也是一个考点。普通二维DP可以优化成一维滚动数组，空间复杂度从O(n*m)降到O(m)。这个技巧在笔试中很有用，因为有的题目会给很大的数据范围，不优化就内存超限。

2.4 图算法与高级算法：冷门但出现即送命

图算法在京东这套题里出现的频率不算高，但只要出现，通常都是用来拉分的。我印象中有两道题涉及图，一道是Dijkstra算法的选择题，另一道是二分图最大匹配的概念题。

Dijkstra算法的考点主要有：为什么不能处理负权边？因为它是贪心策略，每次选出当前距离最小的点，就认为这个点的最短路径已经确定。如果存在负权边，可能后面发现通过一个负权边能让某个已确定点的距离更小，但此时该点已经被标记为"已确定"了，不会更新，就错了。处理负权边要用Bellman-Ford或SPFA。

二分图最大匹配的HK算法（Hopcroft-Karp算法）也出现在热搜词里，但在实际笔试中很少让手写HK，更多是考概念：什么是增广路？匈牙利算法的核心思想是什么？二分图匹配能解决什么问题？比如任务分配问题：若干个任务和若干个工人，每个工人能完成部分任务，怎么分配才能让完成任务的数量最多。

贪心算法、模拟退火、粒子群算法这些智能算法在笔试选择题里也会出现，但考得不深。模拟退火的考点是"接受差解的概率公式"，粒子群的考点是"速度和位置更新公式"。这些属于记忆型知识点，考前过一遍就行，不值得花太多时间。

3. 笔试题型实战与解题思路详解

3.1 编程题的通用解题框架

我后来刷了不少大厂的笔试题，发现编程题虽然千变万化，但解题框架是固定的。我总结为四个步骤：理解题意、抽象模型、设计算法、验证边界。

理解题意这个步骤看着简单，其实最考验人。京东的题喜欢用业务场景包装，比如"给出用户在京东的浏览记录和购买记录，预测用户下一次购买的商品品类"。这道题看起来是个机器学习问题，但实际上笔试系统只要求你写出一个简化版的解决方案——可能是基于协同过滤或者频繁项集。你要能识别出出题人真正想要你写的是什么。

抽象模型是最关键的一步。怎么把一个业务问题转化为算法问题？比如"多个快递员要派送多个订单，如何安排路线使总路程最短"——这就是旅行商问题(TSP)的变种。虽然TSP没有多项式解，但题目可能会给一个较小的数据范围，让你用状态压缩DP求解，或者用贪心求近似解。

设计算法时有几个通用技巧值得掌握：

• 数据范围n <= 20：考虑状态压缩DP或暴力搜索
• 数据范围n <= 1000：考虑O(n^2)的DP或枚举
• 数据范围n <= 10^5：考虑O(nlogn)的排序、二分、堆、线段树
• 数据范围n <= 10^7：考虑O(n)的线性算法
• 取模问题：注意中间过程可能溢出，用long long或取模运算

验证边界是很多人忽略的步骤。常见的边界情况包括：空输入、只有一个元素、全部相同、全部不同、最大最小值。笔试不给你调试的机会，提交前一定要在脑子里跑几个边界用例。

3.2 经典真题解析：编辑距离与商品排序

我根据记忆和网上流传的版本，还原两道有代表性的题目，给大家拆解一下思路。

题目一：字符串编辑距离（动态规划）

大意是：给定两个字符串s1和s2，允许三种操作：插入一个字符、删除一个字符、替换一个字符，求把s1变成s2的最小操作次数。

这是非常经典的DP题。定义dp[i][j]表示s1的前i个字符变成s2的前j个字符需要的最少操作次数。状态转移分两种情况：

如果s1[i-1] == s2[j-1]，则dp[i][j] = dp[i-1][j-1]，不需要额外操作。 如果不相等，则有三种方式：

• 替换：dp[i-1][j-1] + 1
• 插入：dp[i][j-1] + 1（在s1的第i个位置后插入s2[j-1]）
• 删除：dp[i-1][j] + 1（删除s1[i-1]）

取三者最小值。初始化时，dp[0][j] = j（空串变成长度为j的串需要插入j次），dp[i][0] = i（长度为i的串变成空串需要删除i次）。

这个题看起来简单，但它能衍生出很多变种，比如"近似字符串匹配""DNA序列比对"等。京东考过类似但稍有变化的题，所以模板要背熟，更要理解为什么这样转移。

题目二：商品多关键字排序（排序应用）

大意是：有一批商品，每个商品有销量和评分两个属性，要求按评分降序排列，评分相同按销量降序排列，销量还相同按商品ID升序排列。

这个题考的是自定义排序。在C++里可以用std::sort加Lambda表达式：

sort(items.begin(), items.end(), [](const Item& a, const Item& b) { if (a.score != b.score) return a.score > b.score; if (a.sales != b.sales) return a.sales > b.sales; return a.id < b.id; });

坑点在于：std::sort是不稳定排序，如果比较器写得不够严格（比如只比较评分），就可能出现相同评分的商品顺序被打乱。如果要保持原始顺序，应该用std::stable_sort，或者在比较器里加上原始序号作为最后一级比较条件。

这道题能看出来京东对"工程细节"的重视。排序谁都会写，但写出没有bug的比较器、能解释清楚稳定性的区别，才是他们要的水平。

3.3 在线笔试的环境与做题节奏

京东用的在线笔试系统是牛客网的，支持C++、Java、Python等主流语言。但是有几个细节需要注意：

牛客网的系统在C++编译时默认开的是C++14，不是C++17，所以std::optional这种C++17的特性不能用，但Lambda表达式和auto没问题。

输入输出要用标准IO，C++用cin/cout时如果数据量大，需要加ios::sync_with_stdio(false)和cin.tie(nullptr)加速，否则可能超时。Java用BufferedReader而不是Scanner，Python用sys.stdin.readline而不是input()。

做题节奏上，我的建议是：选择题控制在25分钟内完成，不要在一道难题上纠结超过3分钟。编程题先把所有题都读一遍，从最简单的开始做，确保至少AC一道题。有的同学喜欢死磕难题，结果简单的题没时间做，这是最亏的。

4. 机器学习与深度学习：算法工程师的"第二张考卷"

4.1 经典机器学习模型的必考点

京东的算法岗位方向很多：搜索、推荐、广告、风控、供应链、图像、NLP等，但笔试的机器学习题是大同小异的，主要考察通用理论基础。

KNN（K近邻）是高频考点。它的核心考点有三个：K值的选择、距离度量方式、KD树加速。K值太小容易过拟合，K值太大模型过于平滑，一般用交叉验证确定。距离度量常用欧氏距离，但特征维度很高时欧氏距离的意义会减弱，这时候可以用余弦相似度。有一个经典问题：KNN的"K"取奇数还是偶数？如果只有两类，取偶数可能出现平票，所以要取奇数。但如果多分类，奇偶就没那么重要了。

聚类算法出现的频率也很高。K-Means的考点包括：初始中心点怎么选（K-Means++）、K值怎么确定（肘部法则）、什么时候会收敛（质心不再变化）、对离群点敏感的问题。京东还考过一道关于K-Means的推导题：为什么K-Means的损失函数是每个样本到其所属簇中心的距离平方和？

朴素贝叶斯、决策树、逻辑回归这些模型也会考，但主要以概念为主。比如"朴素贝叶斯的朴素体现在哪里？"——假设特征之间相互独立。"逻辑回归的损失函数为什么用交叉熵而不用均方误差？"——因为逻辑回归的预测值是概率，用交叉熵能保证损失函数是凸函数，梯度下降能收敛到全局最优。

4.2 深度学习必备常识

深度学习部分，京东的考题风格偏"应用"，没有太多手推公式的题，但概念考察密集。

反向传播是必考项。你要能解释清楚：为什么可以用链式法则？梯度消失是怎么回事？激活函数怎么选？有一道高频题：在深层网络中，如果使用sigmoid激活函数，为什么容易出现梯度消失？答案是因为sigmoid的导数最大值只有0.25，多层连乘后梯度会指数级衰减。

CNN的考点集中在卷积核尺寸、感受野计算、池化层的作用。计算题也比较常见：输入32x32x3的图像，卷积核5x5x3，步长1，padding为2，输出特征图的大小是多少？公式是(W - F + 2P) / S + 1 = (32 - 5 + 4) / 1 + 1 = 32，所以输出是32x32xN，N是卷积核个数。这类题要背熟公式，考试时直接套。

RNN和LSTM在京东的题里出现频率较低，但有一年考过"LSTM中三个门的作用分别是什么"。答案：遗忘门决定丢弃多少历史信息，输入门决定多少新信息写入，输出门决定输出多少当前信息。如果你面试的是NLP方向，这个问题几乎是必考的。

优化器方面，SGD、Momentum、Adam是三个需要重点掌握的名字。高频考点：Adam为什么能自适应学习率？因为它是通过梯度的一阶矩估计和二阶矩估计来调整学习率的。RMSProp和Adam的区别是什么？Adam在RMSProp的基础上加了动量项。

4.3 特征工程与业务场景题

业务场景题是京东笔试的特色，也是最容易丢分的部分。这类题没有标准答案，考察的是你"面对一个实际问题，能不能提出合理的解决方案"。

我印象最深的一道题是：设计一个商品推荐的召回和排序方案。这道题看似简单，但实际上要把整个推荐链路说清楚：召回阶段用协同过滤或向量召回，排序阶段用LR或GBDT，最后要加一些规则（如去重、多样性控制、新鲜度优先）。你不需要把每个模型细节都写出来，但要把"为什么这样做"讲明白。

特征工程也是一个常考的点。有一道题是"在京东商城中，如何用特征工程提升商品点击率预测的准确率"。这类题的答题思路是分维度回答：

• 商品维度特征：价格、品牌、类目、历史点击率、销量
• 用户维度特征：年龄、性别、购买力、历史行为序列
• 交互维度特征：用户与商品类目的历史交互、浏览时长
• 上下文特征：时间、季节、是否大促

另外要补充一句，特征工程的核心不是堆更多特征，而是理解业务逻辑，找到真正有区分度的特征。如果笔试时间够，可以简单提一下特征交叉和特征选择方法。

5. 备考策略与踩坑经验

5.1 我的时间分配建议

考研式地准备笔试是不可取的，算法岗位的笔试更考验"长期积累+短期冲刺"。我建议提前3个月开始准备，时间分配大致是：

• 第1个月：刷完数据结构与算法的基础题，重点掌握链表、树、排序、二分、DP模板
• 第2个月：刷LeetCode热门题和历届大厂真题，每天2-3道，保持手感
• 第3个月：重点复习机器学习和深度学习的理论基础，做几套完整的模拟卷

最后两周进入冲刺状态，每天一套模拟题，严格按照考试时间来。模拟题不一定要找京东的，任何大厂的真题都可以。关键是训练自己在有时间压力的情况下答题的状态。

5.2 刷题清单：从LeetCode到企业真题

LeetCode的刷题顺序我建议遵循"由易到难、按专题推进"的原则：

• 数组与哈希表：两数之和、三数之和、最长连续序列
• 链表：反转链表、合并有序链表、环形链表
• 树：二叉树的中序遍历、最大深度、最近公共祖先
• 回溯：全排列、组合总和、N皇后
• 动态规划：爬楼梯、打家劫舍、最长递增子序列、0-1背包
• 图：岛屿数量、课程表（拓扑排序）、网络延迟时间（Dijkstra）

企业真题方面，除了京东，还可以刷腾讯、阿里、字节的历年笔试。这几个大厂的题型相似度很高，但各有侧重：字节更爱考动态规划和DFS/BFS，腾讯偏重基础数据结构和字符串，阿里的题有很强的业务包装风格，京东则介于腾讯和阿里之间。

5.3 容易被忽视的细节：竞赛技巧与代码规范

最后分享几个容易被忽视的细节。第一个是"空间换时间"思路。笔试的评测系统通常内存限制是256MB或512MB，空间一般不会成为瓶颈。所以能用哈希表就先查哈希表，不要老想着怎么省内存。一道题如果时间超时，首先要考虑的是能不能用一个字典把O(n)的查找变成O(1)。

第二个是"暴力解法保底"的思路。很多编程题，即使你一时想不出最优解，也要先把暴力解写上。因为笔试按部分得分，暴力解通常能过30%-50%的测试用例，得一半分也比空着强。我当时有个习惯：先写暴力解提交一遍，确认能跑通部分用例后，再优化成更优的算法。这能保证你已经拿到的分数不会丢。

第三个是代码规范。笔试阅卷分两块：机器跑测试用例和人工看代码。如果你的代码风格清晰、变量命名有意义、关键步骤有注释，人工阅卷的得分会更高。有的同学写得又乱又长，机器跑过了但人工给了低分，这就太冤了。

第四个是做题前先写伪代码。我见过太多同学上来就写代码，写到一半发现思路错了，只能全部删掉重写。正确的做法是：先在草稿纸上写下算法的关键步骤，比如"排序 -> 双指针 -> 去重"，确认无误后再写代码。写代码的时候也要按照"定义变量 -> 处理边界 -> 主逻辑 -> 返回结果"的顺序来，逻辑清晰，出错概率低。

5.4 考后复盘：比刷题更重要的事

笔试结束后，不要只关心自己过没过，一定要做复盘。我每次考完都会把题目记下来，哪怕做错或没做出来的题，也要查资料、看别人的解题思路，彻底搞懂为止。

复盘时特别注意四件事：这道题考的是哪个知识点；我的思路在哪里卡住了；最优解为什么比我想到的解法好；还有没有类似的题可以一起整理。把这些总结在一个笔记里，考前翻一遍，比盲目刷题效率高得多。我当年就是把每次笔试的错题和考点整理成了一个"错题本"，面试前狂翻，帮了大忙。

6. 写在最后的一点真实体会

回头看京东2019校招这套笔试题，它其实透露出一个明确的信号：基础扎实、思维灵活、工程落地能力强的人才是他们要的。所谓"基础扎实"，是指数据结构、算法、机器学习理论的功底；"思维灵活"是指能把学过的知识应用到没见过的场景里；"工程落地"则是说你能写出可以运行、效率还不错的代码。

我后来在面试候选人的时候，也喜欢问笔试中类似的题。一个很有意思的现象是：很多候选人LeetCode刷了三四百道，但让他手写一个稳定的排序比较器却写不出来；让他解释KMP的next数组为什么那样求也解释不清楚。这说明刷题的数量不等于理解的程度。如果你正在准备校招，我真心建议你少刷一点题，多花点时间把每个知识点的原理弄清楚，把每道做过的题吃透，效果会好很多。

备考的过程中难免有焦虑和挫败感，这都很正常。我当年第一次做京东的笔试模拟题，选择题错了一半，编程题一道都没AC，心态差点崩了。后来静下心来，把错题一道一道查资料、写代码、跑通，第二次模拟就好了很多。笔试这个东西，一次失败不代表什么，你需要的只是多练几次，找到感觉。祝你们都能拿到心仪的Offer。