投 Roblox 之前我在網上找了半天 OA 的資料，結果發現他們家的 OA 跟傳統的 HackerRank 完全不是一回事。整個測評是在 Roblox 自己的遊戲化平臺上做的，不寫程式碼，純靠邏輯思維、資源分配和決策能力。做完之後感覺挺新鮮，但也有不少坑，這篇把我的經歷和思路都寫出來，給後面的人一個參考。
Roblox OA 基本情況
- 平臺：Roblox 自研遊戲化招聘平臺
- 題目數量：4 個 Task
- 總時長：約 2 小時 40 分鐘
- 形式：
- Task 1：程式設計技能測評（50 分鐘）
- Task 2：問題解決與溝通測評（45 分鐘）
- Task 3：問題解決測評（25 分鐘）
- Task 4：決策制定測評（20 分鐘）
整個測評介面做得挺精緻，但操作上有些地方不太順手，建議提前適應一下。
四個 Task 詳細拆解
Task 1：程式設計技能測評（50 分鐘）
這個 Task 是傳統的演算法題，類似 LeetCode，但題目包裝比較厚。
我遇到的題目：
給定一個字串陣列，要求統計不同字元對的數量。字元對的定義是：兩個字元的長度和數字總和都可以透過交換數字得到。
示例：
輸入：members = ["xc", "xt1ox", "td2x"]
輸出：["MESSAGE", "0", "*ALL xt1x td1x *", ["OFFLINE", "1", "xt1x"], ["MESSAGE", "2", "xt1xa st1xa"], ...]核心考點：
- 字串處理和解析
- 數字提取和比較
- 配對演算法（類似雜湊表或排序）
我的思路：
- 先把每個字串裡的數字提取出來
- 對於每個字串，計算它的長度和數字總和
- 用雜湊表儲存
(長度, 數字總和)作為 key - 遍歷陣列，統計相同 key 的數量
def count_pairs(members):
from collections import defaultdict
def extract_digits(s):
return [int(c) for c in s if c.isdigit()]
def get_key(s):
digits = extract_digits(s)
return (len(s), sum(digits))
count_map = defaultdict(int)
for member in members:
key = get_key(member)
count_map[key] += 1
result = 0
for count in count_map.values():
# 組合數 C(n, 2) = n * (n-1) / 2
result += count * (count - 1) // 2
return result注意事項：
- 讀題要仔細，題目描述比較長，容易漏掉細節
- 測試用例有 public 和 hidden 兩種，先過 public 再最佳化
- 時間複雜度最好控制在 O(n log n)
Task 2：問題解決與溝通測評（45 分鐘）
這個 Task 也是演算法題，但更側重實際場景。
題目：
給定一個整數陣列，統計不同的數字對 (i, j) 的數量，滿足條件：數字對的長度和數字總和可以透過交換數字得到。
核心考點：
- 數字位數統計
- 排列組合
- 雜湊表最佳化
我的思路：
跟 Task 1 類似，關鍵是找到合適的 key 來分組。
def count_distinct_pairs(numbers):
def get_signature(num):
# 將數字轉為字串，排序後作為 key
digits = sorted(str(abs(num)))
length = len(str(abs(num)))
digit_sum = sum(int(d) for d in str(abs(num)))
return (length, digit_sum, ''.join(digits))
from collections import defaultdict
count_map = defaultdict(int)
for num in numbers:
sig = get_signature(num)
count_map[sig] += 1
result = 0
for count in count_map.values():
result += count * (count - 1) // 2
return resultTask 3：問題解決測評（25 分鐘）
這個 Task 是個遊戲化的工廠模擬題，跟 Task 1 和 2 完全不同。
題目背景：
你要管理一個工廠，控制生產線生產不同的產品，目標是讓利潤最大化。
遊戲機制：
- 有多條產線，每條產線可以生產不同產品
- 原材料有限，需要合理分配
- 每個產品有不同的售價和成本
- 時間有限，需要快速決策
我的策略：
- 優先高利潤產品：先看哪個產品利潤率最高，優先生產
- 資源平衡：別把所有資源都投到一條產線上，容易卡瓶頸
- 時間管理：生產是有時間的，別等一個產品做完再開始下一個
踩坑點：
- 介面操作不太流暢，建議先熟悉一下按鈕位置
- 有些產品需要多步加工，別忘了中間環節
- 最後幾分鐘別再買新裝置了，把手上的資源用完
Task 4：決策制定測評（20 分鐘）
這個 Task 是行為測試，給你一些職場場景，讓你選出最有效和最無效的應對方案。
題目形式：
每道題給 4 個選項，你要選出：
- 1 個最有效的做法
- 1 個最無效的做法
核心考察：
- 團隊協作意識
- 溝通能力
- 問題解決思路
- 職業素養
我的建議：
這部分沒有標準答案，但 Roblox 比較看重這幾點：
- 透明溝通：有問題直接說，別藏著掖著
- 團隊優先：個人成就 < 團隊成功
- 使用者導向：決策時優先考慮使用者體驗
- 主動解決：遇到問題主動推動，別等別人來解決
舉個例子：
場景：你的隊友工作進度落後了，影響到整個專案。
選項： A. 直接向上級彙報 B. 私下找隊友溝通，瞭解原因並提供幫助 C. 自己加班把他的工作做了 D. 在團隊會議上公開指出問題
我的選擇：
- 最有效：B（符合 Roblox 的溝通文化）
- 最無效：D（公開批評不利於團隊氛圍）
測試結果
做完四個 Task 之後，系統會給出即時反饋。我的結果是：All Pass
說實話看到這個結果還是挺開心的，特別是演算法題部分，所有 test cases 都過了，包括 hidden tests。遊戲化測評和行為測試沒有具體分數，但從後續進入面試來看，應該也沒什麼問題。
整個 OA 做下來大概用了 2 個半小時，結束後建議休息一下，別立刻去覆盤，容易影響心態。等第二天再回顧一下哪裡做得好、哪裡可以最佳化。
這次 OA 前我找了 ProgramHelp 團隊做了專門的助攻。他們團隊背景都很硬，牛津、普林斯頓、北大碩博 + Amazon、Google、阿里一線大廠的人。如果你時間緊或者沒什麼頭緒，可以找他們看看。 OA 輔助，簡歷包裝、面試輔導、VO 助攻這些都有：ProgramHelp · VO輔助
