在 Google SWE Intern Interview 的招聘流程中，部分候选人会经历两轮 back-to-back coding interviews 45 分钟。本次面经记录了两轮 coding 面试的题目和后续 follow-up，整体重点集中在二维网格搜索、记忆化 DFS、字符串处理以及复杂度优化。
Google 27 Intern Coding Interview Overview
- 岗位： Google 2027 Intern
- 面试轮次： 2 轮 Coding Interview
- 面试形式： Back-to-back
- 每轮时间： 45 分钟
- 主要考察： Coding、算法思路、复杂度分析、Follow-up
After two interview rounds, candidates are soon notified to advance. The steps may vary by batch and candidate, leading to the Google SWE Intern Interview Team Match phase.
R1：二维高度矩阵中的水流终点
第一轮是一道二维矩阵搜索题。
给定一个二维高度矩阵，假设每个格子中都有一滴水。水会沿着最陡的下降方向流动。如果当前位置已经位于最低点，水会停留在当前格子；如果水流到边界之外，则认为水流出矩阵。
要求返回每个格子的最终终点坐标。
解题思路
对于每个格子，可以检查其相邻位置，找到高度下降幅度最大的方向，也就是最陡的下降方向。
确定下一个位置后，可以继续寻找该位置的最终终点。
如果当前格子位于边界，并且水可以继续流出矩阵，则直接记录对应的越界坐标。如果当前位置已经没有更低的位置，则当前位置就是最终终点。
由于不同格子的水流路径可能重复，可以使用 Memoization + DFS。
第一次计算某个格子的终点后，将结果保存下来。之后其他格子再次到达这个位置时，就可以直接使用已经计算好的结果，而不需要重复搜索。
可以将每个格子的状态理解为：
current cell
↓
steepest downhill neighbor
↓
neighbor's final destination如果没有更低的邻居，则：
current cell → current cell如果水流出边界，则：
current cell → outside coordinatecomplexity
使用记忆化 DFS 后，每个格子的最终状态只需要计算一次，因此整体复杂度可以控制在：
时间复杂度：O(m × n)
空间复杂度：O(m × n)
where m × n 是矩阵的大小。
R2：使用 9 个字母组成最长单词
第二轮是一道字典和字符串处理题。
给定一个 dictionary 和 9 个字母，需要从 dictionary 中找到一个可以由这 9 个字母组成的最长单词。
每个输入字母最多只能使用一次。
例如，可以将输入的 9 个字母统计成：
a: 2
b: 1
c: 1
...然后检查 dictionary 中的单词是否能够由这些字母组成。
解题思路
可以先对 dictionary 进行预处理。
对于每个单词，统计其中每个字母出现的次数，并保存对应的单词长度。
例如：
apple可以转换成对应的字母计数：
a: 1
p: 2
l: 1
e: 1然后对所有单词按照长度从大到小排序。
查询时，首先统计输入的 9 个字母分别出现多少次，然后从最长的单词开始检查。
如果某个单词中每个字母的出现次数都不超过输入字母的数量，那么这个单词就是符合条件的最长单词，可以直接返回。
判断条件可以理解为：
word_count[c] <= input_count[c]对于单词中的每一个字符都满足这个条件，则说明该单词可以由给定字母组成。
complexity
如果 dictionary 已经完成预处理，并且按照单词长度进行排序，那么查询时可以优先检查较长的单词。
具体复杂度取决于 dictionary 的规模以及单词平均长度。
面试过程中除了完成 coding，还需要根据 follow-up 进一步讨论如何优化复杂度。
Follow-up：复杂度优化
这两轮 coding 面试中，一个比较明显的特点是，完成基本题目后还会继续进行 follow-up。
Follow-up 重点之一是：
如果需要处理更大的输入，如何优化当前 solution 的时间复杂度？
因此面试时不能只停留在：
“代码可以通过。”
还需要能够解释：
- current solution 的时间复杂度是多少
- 哪一步是主要的性能瓶颈
- 是否存在重复计算
- 能不能提前预处理数据
- 能不能使用 Hash Map / Memoization
- 如果输入规模扩大，solution 是否仍然可行
例如第一题中，Memoization 的作用就是避免不同路径重复计算同一个格子的最终终点。
第二题则可以通过 dictionary preprocessing、字母频次统计以及按照单词长度排序，减少查询过程中不必要的检查。
Google Coding Interview 中需要注意什么
除了代码本身，这类 Coding Interview 也比较重视候选人与面试官之间的沟通。
拿到题目之后，可以先确认：
- 输入的数据范围是什么？
- 是否存在重复元素？
- 边界情况怎么处理？
- 如果存在多个满足条件的结果，应该返回什么？
- 是否要求最优复杂度？
确定题意后，再开始讲解自己的思路。
Coding 过程中也建议保持沟通，不要长时间沉默写代码。可以一边实现，一边说明当前正在处理什么，以及为什么选择这种方法。
代码完成后，还需要主动检查 test cases，并准备解释 edge cases 和 complexity。
如果面试官继续提出 follow-up，不要只修改代码，也要先说明新的要求会对原来的算法产生什么影响，再讨论优化方案。
Google 27 Intern Coding Interview FAQ
Google 27 Intern 有几轮 Coding Interview？
本次面经记录的是两轮 back-to-back coding interviews 45 分钟。具体面试轮次可能根据招聘流程有所变化。
Google Intern Coding Interview 每轮多长时间？
本次两轮 coding interview 每轮约 45 分钟。
Google Coding Interview 会问 Follow-up 吗？
本次面经中，两道 coding 题完成后都会继续进行 follow-up，重点涉及复杂度优化以及 solution 的进一步改进。
Google Coding Interview 需要解释思路吗？
Coding 面试不仅需要完成代码，也需要向面试官解释思路、复杂度和测试案例。沟通方式也是面试过程中的重要部分。
Google Intern Coding Interview 主要考什么？
从本次两道题来看，涉及二维矩阵搜索、DFS、Memoization、字符串处理、字母频次统计以及复杂度优化等内容。不同候选人实际遇到的题目可能有所不同。
备考建议 & 联系我们
如果你也在准备 Google 2027 Intern（或其他大厂）的 Coding Interview / OA / VO，感觉复习方向不清晰、真题不够、或者想针对二维网格 + Memoization DFS、字符串频次统计这类题做针对性强化，欢迎联系我们。
Interview Show 专注北美技术岗位的面试辅助，团队来自一线大厂工程师与面试官，提供：
- Coding / Algorithm 真题辅导与复杂度优化指导
- VO 辅助、模拟面试、Follow-up 应对训练
- 一对一针对性备考方案
有需要可以直接访问官网了解详情或预约免费评估~
我们会根据你的背景和目标岗位，给出更精准的准备建议。祝大家面试顺利，早日拿到心仪 Offer！