這次分享的是 Point72 2026 Summer OA 的整體體驗與題目回顧。整體流程非常順暢，不需要開攝像頭，題目設定也並非走形式或白嫖路線，而是明顯圍繞真實工作場景與思維方式展開。OA涵蓋了REST API資料處理、Prompt設計以及基礎演算法，既考察工程與分析能力，也關注對業務與模型應用的理解。整體難度適中，只要思路清晰、表達合理，透過率較高，具有不錯的參考價值。
OA 基本情況
- 專案：Point72 2026 Summer Internship
- 形式：線上 OA，全程不開攝像頭
- 時長：時間相對充裕，節奏不緊張
- 題型：資料處理 + Prompt 設計 + 基礎演算法
- 語言：程式碼語言相對自由（以 Python 為主更順）
- 體驗：題目設定偏真實業務場景，不是單純刷題型 OA
- 結果反饋：整體透過率友好，順利完成後大多數都能收到 VO 邀請
Point72 2026 Summer OA 真題分享
Q1. 足球俱樂部收入潛力分析（REST API + 資料分析）
透過 REST API 獲取所有聯賽的俱樂部資訊，並計算每個俱樂部的潛在收入：收入 = 球場容量 × (1 + 0.1 × 聯賽前三次數 + 0.5 × 歐冠次數 + 0.05 × 獎盃數)
最後返回所有俱樂部總收入。
解題思路
這道題要求透過 REST API 獲取所有聯賽的俱樂部資訊，並基於球場容量、聯賽前三次數、歐冠次數和獎盃數計算潛在收入。我的思路是先遍歷所有聯賽，透過 API 獲取每個俱樂部的基本資訊，然後根據給定公式計算單個俱樂部的收入。計算完成後，將所有俱樂部的收入累加得到總收入。在實現過程中，我注意處理資料型別問題，例如球場容量可能是字串型別，需要轉換為整數，同時對缺失值進行合理處理。整個過程本質上是資料抓取、計算和彙總，重點在於邏輯清晰和異常處理。
Q2. 設計 AI 提示詞（Prompt Design）
為 400 米運動員的教練設計兩個提示詞：
- 分析新聞文章，提取結構化資訊並判斷是否與運動員相關。
- 收集預測奧運 400 米冠軍成績和本國選拔資格所需資料。
解題思路
提示一：新聞文章分析
輸出結構化模板，例如：
{
"標題": "",
"相關性": "高/中/低",
"是否提及本人": "是/否",
"引語": "",
"推薦理由": ""
}模型需要：
- 提取標題、引用語
- 判斷與運動員相關性
- 適用於新聞、部落格、論壇等多種文章型別
提示二：資料收集與預測
- 指導模型識別關鍵資料來源：
- 歷史成績（奧運、世錦賽、洲錦賽）
- 運動員狀態（最近比賽、訓練情況）
- 本國選拔規則（時間、成績要求）
- 環境因素（天氣、場地）
- 輸出示例：
{
"歷史成績": [...],
"運動員狀態": {...},
"選拔規則": {...},
"預測資料": {...}
}Q3. 字串字典序最小化（演算法題）
給定小寫字串 s 和兩個下標陣列 arr、brr，可以多次選擇任意 i，交換 s 中 arr[i] 與 brr[i] 的字元。求任意次操作後得到的字典序最小字串。
解題思路
這道題的核心是找出哪些字元可以互相交換，從而得到字典序最小的字串。可以把每一對可交換的位置看作圖中的一條邊，字串的每個位置對應圖中的一個節點。透過構建這樣的圖，可以使用並查集或者深度優先搜尋來找出所有的連通分量，每個連通分量中的字元都可以互相交換。在找出連通分量之後，將每個分量中的字元提取出來並按字典序升序排列，然後再按照原來的位置放回字串中。由於同一連通分量內的字元可以自由交換，這樣處理之後就能得到任意交換操作下的字典序最小字串。
參考程式碼
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)
高效備考，輕鬆透過面試
海外面試往往讓人感到壓力山大：不同文化背景下的溝通、語言障礙，以及需要在短時間內掌握演算法、系統設計和專業知識，準備起來既緊張又繁瑣。如果你擔心面試會手忙腳亂，或者怕獨自備考效率低，ProgramHelp 可以幫你輕鬆應對。我們提供專業的 面試輔助服務 ，實時提供文件答案、詳細解題思路和系統解析，讓你不用孤軍奮戰，也能有條不紊地提升面試透過率，快速提升自信心。
