这次分享的是 Point72 2026 Summer OA 的整体体验与题目回顾。整体流程非常顺畅，不需要开摄像头，题目设置也并非走形式或白嫖路线，而是明显围绕真实工作场景与思维方式展开。OA涵盖了REST API数据处理、Prompt设计以及基础算法，既考察工程与分析能力，也关注对业务与模型应用的理解。整体难度适中，只要思路清晰、表达合理，通过率较高，具有不错的参考价值。
OA 基本情况
- 项目：Point72 2026 Summer Internship
- 形式：线上 OA，全程不开摄像头
- 时长：时间相对充裕，节奏不紧张
- 题型：数据处理 + Prompt 设计 + 基础算法
- 语言：代码语言相对自由（以 Python 为主更顺）
- 体验：题目设置偏真实业务场景，不是单纯刷题型 OA
- 结果反馈：整体通过率友好，顺利完成后大多数都能收到 VO 邀请
Point72 2026 Summer OA 真题分享
Q1. 足球俱乐部收入潜力分析（REST API + 数据分析）
通过 REST API 获取所有联赛的俱乐部信息，并计算每个俱乐部的潜在收入：收入 = 球场容量 × (1 + 0.1 × 联赛前三次数 + 0.5 × 欧冠次数 + 0.05 × 奖杯数)
最后返回所有俱乐部总收入。
解题思路
这道题要求通过 REST API 获取所有联赛的俱乐部信息，并基于球场容量、联赛前三次数、欧冠次数和奖杯数计算潜在收入。我的思路是先遍历所有联赛，通过 API 获取每个俱乐部的基本信息，然后根据给定公式计算单个俱乐部的收入。计算完成后，将所有俱乐部的收入累加得到总收入。在实现过程中，我注意处理数据类型问题，例如球场容量可能是字符串类型，需要转换为整数，同时对缺失值进行合理处理。整个过程本质上是数据抓取、计算和汇总，重点在于逻辑清晰和异常处理。
Q2. 设计 AI 提示词（Prompt Design）
为 400 米运动员的教练设计两个提示词：
- 分析新闻文章，提取结构化信息并判断是否与运动员相关。
- 收集预测奥运 400 米冠军成绩和本国选拔资格所需数据。
解题思路
提示一：新闻文章分析
输出结构化模板，例如：
{
"标题": "",
"相关性": "高/中/低",
"是否提及本人": "是/否",
"引语": "",
"推荐理由": ""
}模型需要：
- 提取标题、引用语
- 判断与运动员相关性
- 适用于新闻、博客、论坛等多种文章类型
提示二：数据收集与预测
- 指导模型识别关键数据源：
- 历史成绩（奥运、世锦赛、洲锦赛）
- 运动员状态（最近比赛、训练情况）
- 本国选拔规则（时间、成绩要求）
- 环境因素（天气、场地）
- 输出示例：
{
"历史成绩": [...],
"运动员状态": {...},
"选拔规则": {...},
"预测数据": {...}
}Q3. 字符串字典序最小化（算法题）
给定小写字符串 s 和两个下标数组 arr、brr，可以多次选择任意 i，交换 s 中 arr[i] 与 brr[i] 的字符。求任意次操作后得到的字典序最小字符串。
解题思路
这道题的核心是找出哪些字符可以互相交换，从而得到字典序最小的字符串。可以把每一对可交换的位置看作图中的一条边，字符串的每个位置对应图中的一个节点。通过构建这样的图，可以使用并查集或者深度优先搜索来找出所有的连通分量，每个连通分量中的字符都可以互相交换。在找出连通分量之后，将每个分量中的字符提取出来并按字典序升序排列，然后再按照原来的位置放回字符串中。由于同一连通分量内的字符可以自由交换，这样处理之后就能得到任意交换操作下的字典序最小字符串。
参考代码
parent = list(range(n))
def find(x):
if parent[x] != x:
parent[x] = find(parent[x])
return parent[x]
def union(x, y):
parent[find(x)] = find(y)
高效备考，轻松通过面试
海外面试往往让人感到压力山大：不同文化背景下的沟通、语言障碍，以及需要在短时间内掌握算法、系统设计和专业知识，准备起来既紧张又繁琐。如果你担心面试会手忙脚乱，或者怕独自备考效率低，ProgramHelp 可以帮你轻松应对。我们提供专业的 面试辅助服务 ，实时提供文档答案、详细解题思路和系统解析，让你不用孤军奋战，也能有条不紊地提升面试通过率，快速提升自信心。
