不少人在 Microsoft OA 裡會卡住，但回頭看並不是題目本身有多難，而是一些很典型的問題反覆出現：比如，方向是對的，但一寫就亂；比如，思路想到了，卻總在關鍵拐點猶豫；又或者，下意識用模擬硬頂，結果複雜度直接爆掉。這些情況背後，其實指向同一個問題：高頻題型沒有真正沉澱成穩定、可複用的模型。今天分享一套非常典型 Microsoft OA 來舉例。
面試流程時間線（參考）
這一輪流程整體拉得比較長，中間有明顯的等待期，屬於 Microsoft 一貫的節奏，不用過度焦慮。
- 投遞後約 1–2 周收到 OA
- 10/3 收到 OA
- 10/16 收到 final round 通知
- 10/26 final round（共三輪）
- 11/8 recruiter 郵件說明 large volume of recruiting
- 11/21 Action Center 狀態變為 complete
- 12/11 正式 offer
整體節奏不算快，中間等待時間偏長，但屬於 Microsoft 一貫風格。
Q1：最大化陣列的 MEX（排序 + 貪心佔坑模型）
題目核心： 給定一個整數陣列，你可以對任意元素進行操作，把它減小到區間 [0, 原值] 內的任意整數。目標是透過調整陣列，使整個陣列的 MEX（最小缺失非負整數）最大化。
這道題如果從「構造」或「逐步模擬」的角度出發，很容易越寫越亂。真正關鍵的是先想清楚 MEX 的本質約束。
想讓 MEX = m，必須同時滿足：
- 陣列中至少存在 0,1,2,…,m-1
- 每個數只能被減小，不能變大
- 大數可以被用來填補小的缺失值，小數如果已經太小則無能為力
一旦認清這幾點，模型就非常清晰了：排序 + 貪心佔坑。
想讓 MEX 變大，本質上就是看你能不能從 0 開始，把連續的非負整數一個個“佔住”。一旦意識到每個數只能往小改、而大數可以被用來補小數的坑，思路其實會自然收斂。把陣列排序之後，從最小的需求值 0 開始順著掃，只要當前元素不小於你現在缺的那個數，就把它減成正好需要的值佔住這個位置；如果當前元素已經比需求還小，說明它已經失去了補坑的能力，直接跳過即可。整個過程只需要一次線性掃描，不需要回溯，也不需要複雜狀態，最終能一路連續填到哪裡，那個位置就是最大能達到的 MEX。這道題真正區分人的地方，在於一開始有沒有選對模型，而不是程式碼寫得多快。
Q2：字串 Roll 操作（差分陣列 / 字首和最佳化）
題目描述： 給定字串 s 和陣列 roll，每個 roll[i] 表示對 s 的前 roll[i] 個字元做一次字母迴圈 +1（a→b,…,z→a），按順序執行所有 roll 操作，輸出最終字串。
直覺寫法是：每次 roll 就去修改字首字元，但這樣在最壞情況下複雜度會退化到 O(n²)，OA 基本必 TLE。
如果從每一次 roll 操作本身入手，很容易下意識去模擬字首修改，但這條路在複雜度上是走不通的。換個角度想，每個字元最終只關心一件事：它一共被加了多少次。所有 roll 操作本質上都是對字串字首做區間加法，把這些加法用差分陣列先累積下來，再透過一次字首和還原到每個位置，最後統一做字母表迴圈對映即可。這種從“過程”切換到“結果”的建模方式，正是這道題的核心，也非常符合 Microsoft 在 OA 中偏好的工程化思維。
OA覆盤總結
如果你在看這些題的時候會有一種感覺：題目不陌生，思路也大概知道，但一到真正寫程式碼就總覺得不夠穩，甚至在 OA 裡莫名其妙丟分，那問題往往並不在刷題數量上。更常見的原因是，高頻題型還停留在“臨場現想”的層面，沒有真正沉澱成一套穩定、可複用的思維模型。而 Microsoft 的題目風格，恰好非常適合用來檢驗這一點。
為什麼越來越多同學開始選擇面試輔助
在實際接觸中我們發現，很多來諮詢的同學並不是基礎不行，反而是已經刷過不少題、也大致知道考什麼，但在 OA 或正式面試裡就是發揮不穩定：模型判斷慢一步、實現細節出錯，或者在關鍵節點猶豫，最終和 offer 擦肩而過。也正因為如此，越來越多同學開始主動尋找面試輔助，希望在高壓、限時的真實場景中，把原本就具備的能力穩穩發揮出來。
過去一段時間裡，我們已經協助不少候選人順利走完 OA、VO 到 final round，並最終拿到心儀的 offer。如果你也正處在準備 OA 或面試的階段，希望在關鍵時刻少走彎路、提高透過率，可以直接 聯絡我們 。
