Goldman Sachs Intern OA 今天做完了，两题大约 30 分钟。现在北美各厂 OA 基本都带 AI Coding 了，高盛这场也是”一题算法 + 一题 AI Coding”的组合。算法那道是贪心思路，AI Coding 那道是修查询和缓存一致性——这两个方向最近出现频率都挺高的，练熟了会省不少时间。把思路记下来。
T1：二进制串最多能有多少个 1
题意
给一个只含 0 和 1 的字符串 s，以及最多 k 次操作。一次操作：选下标 i（0 ≤ i < len-1），令 s[i] = max(s[i], s[i+1])。操作结束后串里 1 的个数尽量多，返回最大值。
示例：s = “10110”，k = 1 → 在下标 1 操作后变成 “11110”，答案 4。s = “00011”，k = 2 → 答案 4。
思路
操作的本质是让右侧的 1 向左”传”一格——s[i] 取自己和右邻的最大值，等于把右边的 1 复制到左边一格。
想清楚这一点之后，不需要逐轮模拟：最右侧那个 1 右边的 0 永远变不成 1，它左边的 0 在操作次数够的前提下可以被依次点亮。所以先数原串里 1 的个数，再数”最右侧 1 左侧”有多少个 0，能多点亮的数量就是 min(这些 0 的个数, k)。
答案 = 原来 1 的数量 + min(最右侧 1 左侧 0 的个数, k)。
O(n) 扫一遍，找到最右侧的 1 并统计就行。边界记得检查：全 0 串、k = 0、1 在开头（左侧没有 0 可以点亮）这几种情况要单独处理。
T2：AI Coding——活动列表查询修复
题意
现有一个活动（Event）列表模块，有三块问题：筛选结果不对、分页数据不准、Redis 缓存与数据库数据不一致。要修到：查询结果和分页元信息（总数、总页数、当前页等）正确，数据变更后缓存及时失效，不长期脏读。
工程结构是 Spring + Mongo + Redis：Controller → Service，在 Service 里拼 Query、count / find、分页字段，再叠缓存。
修复思路
第一块：筛选与分页下推到 DB
把 category、venueId 等条件以及 skip / limit 直接放进 Mongo 查询，在数据库侧完成过滤和切片，不要先全量取出再在内存里过滤——那样分页会错位，因为内存过滤后剩余数量和预期的 total 对不上。
第二块：分页参数校验与字段补全
非法的页码和页大小自动纠正到合理范围；返回体里补全 page、limit、total、totalPages、hasNextPage 这些字段，保证结构完整。这块很容易漏，但测试用例会逐个检查。
第三块：缓存失效
新建或更新活动时，按查询维度清掉对应的 Redis key，下次请求回源再回写，从源头去掉脏数据。缓存失效逻辑放在写路径上，不要依赖 TTL 自然过期。
定位策略
按测试用例名对着改——filter、pagination、cache invalidation 这三类测试名直接告诉你哪块坏了，比从头读所有文件快得多。先跑一遍测试，看哪些 case 挂了，定位到 Service 层对应的方法，再针对性修复。
说点备考的思路
高盛这场 AI Coding 比部分亚麻的轻一点，但 T1 的边界和 T2 的分页缓存细节仍然要一次写对，不能靠”大体上差不多”蒙过去。
最近北美厂 OA 普遍是”一题算法加一题 AI Coding”的组合，算法偏实现/贪心，AI Coding 偏修查询与缓存一致性。高盛、亚马逊、Databricks 这几家都出现过类似的题型组合，提前把这两个方向练熟，进去会顺很多。
有在准备高盛或其他金融科技公司 intern OA 的同学，可以来找我们聊聊。我们是 InterviewShow，对这类”算法 + AI Coding 修 Bug”的 OA 组合有专门的题库覆盖，按目标公司给针对性刷题清单，一对一跟着走。有需要的来聊。