麦肯锡 Solve 常见错误：淘汰候选人的那些陷阱

麦肯锡 Solve 是在 2020 年前后取代纸笔版问题解决测试（PST）的数字化评估，如今已是全球默认形式，只有少数办公室可能仍在使用经典 PST。Solve 在候选人进入案例面试之前就淘汰了约 70%——而令人意外的是，大多数淘汰其实与真正的解题能力关系不大。

Solve 不是选择题测验，而是两款游戏化模拟：通常是生态构建（Ecosystem Building）和红岩研究（Red Rock Study），偶尔会出现海狼（Sea Wolf）或植物防御（Plant Defense），两款连着做，总时长约 60 到 81 分钟。关键在于：算法评估的是你怎么做——你的决策路径、动作顺序、以及点击与时序的行为数据，而不只是你最终停在的那个状态。这一点，彻底改变了哪些错误是致命的。

本指南按错误发生的场景，梳理出 Solve 最常见的 10 个错误，并为每一个给出具体应对方法。

Solve 错误全景图

和旧版 PST 不同——那时近一半错误只是简单的数据误读——Solve 的失败更多集中在对游戏本身的误解：它奖励什么、每款小游戏怎么运作、以及时间怎么花。

mindmap
  root((Solve 错误))
    评分模型盲区
      优化答案而非过程
      靠随机点击探索
      以为收尾干净就能得救
    生态构建
      没读约束就试错
      忽视食物链与资源上限
      过度打磨单步
    红岩研究
      追逐干扰数据
      跨阶段看错图表
    时间与心态
      失去单局时间控制
      开局不顺就慌
      考场首次面对陌生界面

理解错误来源是消除错误的第一步。我们辅导的大多数候选人进步最快的方式，不是学更多内容，而是改变与游戏互动的方式。

第一类：评分模型盲区

这类错误源于没有意识到 Solve 在盯着你的过程。它们最危险，因为你可能做出了"正确"的结果，却依然拿了低分。

错误 #1：把 Solve 当成过关式测验

最常见的观念错误，是以为 Solve 只看你最终的生态系统能否存活、最终答案对不对。它不是这样评分的。算法记录的是你的决策路径——你采取了哪些动作、按什么顺序、以多高的效率抵达结果。两名候选人可能都建成了稳定的生态系统，却得分迥异，因为一个是靠有理有据的步骤走到的，另一个是靠瞎折腾碰上的。

应对方法： 把每一个动作都当成会被评分的落子。动手前先形成假设：“我预期这个物种能放进来，因为它满足了 X。“有意识、有顺序的动作会被读作出色的决策；恰好奏效的手忙脚乱只会被读作运气。

错误 #2：靠随机点击"摸索"界面

因为界面陌生，候选人常会四处点点看会发生什么。在一个按过程评分的评估里，这些全被记录下来。大量无目的的点击、快速的撤销—重做循环、以及忽快忽慢的时序，都在暗示你是在猜而不是在推理——而猜是要扣分的。

应对方法： 在考试日之前就用官方练习版或高仿真模拟熟悉界面，而不是在计分环节里摸索。计时一开始，每一次点击都要有理由。需要确认什么，就有意识地确认一次，然后继续。

错误 #3：以为收尾干净就能抹掉混乱的过程

有些候选人在一局游戏的前三分之二里反复折腾，最后把一切收拾整齐，以为最终画面才是关键。行为数据早已把那段折腾记录在案。干净的结尾抹不掉混乱的中段。

应对方法： 从第一步就把路径走对，而不是留到最后一步。如果早早发现思路错了，就用一次清晰、有理据的转向来纠正——一个可见的决策——而不是一长串小碎步的试错调整。

第二类：生态构建（Ecosystem Building）错误

生态构建要求你为给定的地点组建一个可存活的生态系统，选出满足一组约束条件的物种——食物链关系、资源上限、地形适应性等等。这里的错误大多来自"没搞懂就动手”。

错误 #4：没读约束就一头扎进试错

生态构建最大的陷阱，就是先放物种、再看它行不行。约束条件——每个物种吃什么、需要多少资源、能生活在哪里——都是在你开建之前就给你的。忽视它们、靠瞎猜迭代的候选人，既浪费落子、又制造出嘈杂的行为数据，而且往往还是建不成一个稳定的系统。

应对方法： 开建之前，先花几分钟读懂并梳理约束条件。在草稿纸上画出食物链和资源上限。等你真正动手时，你是在执行一个计划，而不是在寻找一个计划。

错误 #5：忽视食物链与资源上限

即便读了规则，有些候选人还是会挑那些单看很诱人、却破坏系统平衡的物种——比如一个没有可行猎物的捕食者，或者一组加起来超出可用资源的物种。生态系统随之崩溃，而崩溃本身、以及导致崩溃的路径，都会被评分。

应对方法： 每一次选择都要放到整个系统里去验证，而不是孤立地看。对每个物种，确认三件事：它在你的物种集里有食物来源、它适应地形、加入它之后总资源需求仍在上限之内。三条中任何一条不成立，它就不该进来。

错误 #6：过度打磨单步，把时间耗光

完美主义者常被困在反复微调某一个决策上——把一个物种换进换出、去追那一点点更好的契合度——结果没等整个生态系统建完，时间就到了。一个没建完的系统，得分比一个建完的、合理的系统还要低。

应对方法： 先做出一个完整、站得住脚的方案，有余力再打磨。给自己设一个大致的内部检查点：如果同一个决策上停留了几分钟还没定，就锁定当前最优选择、继续往前。一个你能自圆其说的完整生态，胜过一个建了一半的"完美"生态。

第三类：红岩研究（Red Rock Study）错误

红岩研究呈现的是一个多阶段的研究情境，围绕跨多个阶段解读数据、得出结论展开。这里的陷阱与经典案例面试中的数据错误如出一辙，但信息量之大与限时的形式会把它们放大。

错误 #7：追逐干扰数据

红岩研究会刻意放入一些看似相关、实则与当前决策无关的信息。那些试图用上每一个数据点的候选人既浪费时间，又常常把推理建立在噪音之上。识别并搁置干扰数据，本身就是这款游戏在考察的能力之一。

应对方法： 分析之前，先明确每个阶段究竟在问什么问题。然后只调取那些能推进这个问题的数据。如果一张图表或一个数字不会改变你的答案，记下它、放下它——别硬把它塞进你的推理。

错误 #8：跨阶段看错图表

由于信息分散在不同阶段和不同屏幕上，候选人容易搞不清哪个数字来自哪里，或者把早期阶段的某个假设带进后面已经不再成立的阶段。在时间压力下，一个张冠李戴的数字就可能连锁引出错误结论。

应对方法： 一边推进一边做一份简短的随手记录：关键数字是什么、各自来自哪里。当新阶段重新框定情境时，先核对你早先的假设是否仍然适用，再决定是否复用。

第四类：时间与心态错误

最后一类，关乎把两款游戏作为一个整体来管理——管好时钟，也管好脑子。

错误 #9：失去单局时间控制

约 60–81 分钟分摊在两款小游戏上，时间纪律就是一切。那些放任第一局超时的候选人——要么因为它做起来更舒服，要么因为在追求一个完美结果——到第二局时时间已经不够，结果两局都拿低分。

应对方法： 开始前就把时间预算划好，在固定的检查点瞄一眼时钟。把每款游戏的时间配额当成不可逾越的硬边界。两局都做完、都做得有理有据、都做得完整，胜过一局满分、另一局烂尾。我们的 Solve 时间管理指南 把这套预算拆成了一步步的方法。

错误 #10：开局不顺就慌（还是在陌生界面上）

许多候选人在计分环节才第一次见到界面，一遇到早期挫折就开始崩——点得更快、丢掉计划、制造出的恰恰是算法要扣分的那种忽快忽慢的行为数据。开局不顺本身很少致命，慌乱的反应才致命。

应对方法： 在真实的游戏形式上练到界面变得"无聊"为止。熟悉能消除那份触发慌乱的意外感。如果游戏中途真出了岔子，停五秒、回到你的计划、把下一步走得从容有据。恢复能力同样是被评分的行为，一次冷静、有理据的转向，读起来远胜过一阵手忙脚乱。

Solve 决策框架

把这份意识和一套简单的游戏内例程结合起来，让你的过程保持干净、可被评分：

flowchart TD
    A[新游戏或新阶段] --> B[先读约束条件和问题]
    B --> C[画出计划：食物链 / 关键数据]
    C --> D{准备好动手了吗？}
    D -->|是| E[走出一步有意识、有理据的动作]
    D -->|否| B
    E --> F{符合预期吗？}
    F -->|是| G[继续下一步]
    F -->|否| H[一次清晰的转向，而非试错]
    H --> G
    G --> I{已完成且还有时间？}
    I -->|已完成| J[有余力再打磨]
    I -->|时间紧张| K[锁定最优且站得住脚的状态，继续]

5 天 Solve 错误消除训练

如果你的 Solve 临近，这个集中训练针对的是你与游戏互动的方式，而非纯粹的内容：

天数	重点	活动
第1天	界面	完整跑一遍高仿真的 Solve 模拟。目标：把界面带来的一切意外感清除掉
第2天	生态构建	练习在开建之前读约束、画食物链。不许试错
第3天	红岩研究	练习一个数据情境。每个阶段先写下问题，再标出干扰数据
第4天	时间与过程	在严格计时下跑完两款游戏。追踪自己的点击模式——目标是有意识，而非慌乱
第5天	全真模拟	考试条件下完成一次限时环节。复盘路径在哪里变乱了、为什么

目标不是背答案——情境会变——而是让你的过程在时间压力下保持从容、有序、完整。

核心要点

• Solve 按过程评分：算法读取你的决策路径与点击时序，所以随机点击和收尾干净都救不了你
• 生态构建奖励的是在落下第一个物种之前，先读约束、先画食物链
• 红岩研究刻意放入干扰数据——先明确每个阶段的问题，再只调取能回答它的数据
• 单局时间是硬边界；两款游戏都拿出完整、合理的方案，胜过一款完美加一款烂尾
• 大多数慌乱漩涡都源于考场首次面对界面——在真实形式上练到它变"无聊"为止
• 一个针对互动习惯的 5 天训练，胜过数周无方向的刷题

下一步

先从形式本身入手。如果你不确定自己的办公室用的是 Solve 还是旧版 PST，查看我们的麦肯锡 Solve 完整备考指南，了解各办公室的情况和完整的游戏拆解。

要专门解决时间上的错误，可以学习我们的麦肯锡 Solve 时间管理指南，在考试日之前就建好你的单局时间预算。

如果你面对的仍是旧版 PST，我们的麦肯锡问题解决测试策略指南覆盖了选择题的题型与节奏把控。

CasesCoach AI 模拟面试及其反馈，能在考试日之前——趁你还来得及修正的时候——把这些错误一一揭示出来：随机点击、漏掉的约束、超时的时钟。免费方案包含 3 个练习案例加 AI 模拟面试；Pro 解锁 835+ 案例和多次 AI 模拟面试，让你把整个过程练到成为本能。试试 AI 模拟面试，或在定价页对比方案。