麦肯锡 Solve 测评是取代纸质问题解决测试（PST）的游戏化数字测评，已成为麦肯锡全球默认的筛选方式。一场测评包含两个小游戏（通常是生态系统构建和 Red Rock 研究），总时长约60-81分钟，会在案例面试之前淘汰约70%的候选人。Solve 采用算法评分——它追踪你的决策序列、点击模式和时间分配，随机蒙猜会被扣分。本文覆盖各小游戏详解、评分机制、备考路线图，以及针对少数仍在使用旧版 PST 的办公室的简要历史说明。
麦肯锡 Solve 测评会在候选人进入案例面试之前，淘汰其中约 70%。自 2020 年前后起，麦肯锡的游戏化数字测评 Solve 已取代纸质版问题解决测试（PST），成为全球默认的筛选方式。如果你在 2026 年申请麦肯锡，几乎可以肯定你面对的就是这场测评。
本指南是关于 Solve 测评的权威参考：它是什么、你会遇到哪些小游戏、算法如何给你评分，以及如何有针对性地备考。文中也包含一小节内容清晰标注的旧版 PST 说明，供少数仍在使用这一老格式的地区办公室的候选人参考。
什么是麦肯锡 Solve 测评？
Solve（有时被称为"麦肯锡数字化测评"，或按其开发商的名字被历史性地称为"Imbellus game"）是一组以生态为主题的策略类小游戏。它不会向你提出选择题，而是把你放进模拟环境中，观察你如何做决策。
一场典型测评的构成如下：
- 每场测评两个小游戏。 系统会为你分配麦肯锡小游戏库中的两个。大多数候选人拿到的是生态系统构建搭配Red Rock 研究（一个数据分析调查游戏）。少数候选人会遇到 Sea Wolf 或植物防御等其他游戏。
- 总时长约60-81分钟。 两个游戏依次进行，中间有短暂的过渡环节。每个游戏都有独立的屏幕计时器。
- 算法评分，看重解题过程。 Solve 记录的是你的决策序列、点击模式和时间分配——不只是最终答案。因为它衡量的是行为本身，随机蒙猜会被主动扣分。
- 一道筛选关卡。 Solve 排在面试轮次之前，会筛掉约70%的申请者。大约30%的候选人能晋级到个人经历面试（PEI）和面试官主导的案例环节。
核心结论是：Solve 不是一场可以靠死记硬背应付的测验。它是对你解题过程的行为评估，备考的关键是养成真实、可重复的分析习惯。
麦肯锡为何从 PST 转向 Solve
纸质版 PST 存在几个众所周知的局限，而 Solve 正是为解决这些问题而设计的：
- 应试漏洞：候选人可以通过背题型模式通过测试，而不需要具备真正的解题能力。
- 文化和语言偏见：阅读密集型题目对非英语母语者不利。
- 信号有限：选择题格式只能捕捉最终答案，永远看不到产生这个答案的思考过程。
- 后勤成本和作弊风险：有监考的纸质测试运营成本高，且仍存在漏洞。
Solve 通过衡量你决策背后的过程而非仅看结论，解决了这些问题。游戏化格式也让麦肯锡获得了远为丰富的行为数据，并提升了候选人的测评体验。
Solve 小游戏详解
Solve 从一个不大的小游戏池中抽取题目，每场测评为你分配两个。具体的搭配由算法决定，可能因办公室和招聘周期而异，但绝大多数候选人遇到的都是生态系统构建 + Red Rock这一组合。
flowchart TD
A[麦肯锡 Solve 测评] --> B{分配两个小游戏}
B --> C[生态系统构建]
B --> D[Red Rock 研究]
B -.偶发.-> E[Sea Wolf]
B -.偶发.-> F[植物防御]
C --> G[约束优化]
D --> H[数据分析]
E --> I[系统思维]
F --> G
G --> J[过程分数]
H --> J
I --> J
J --> K[晋级 PEI + 案例面试，或被筛除]
生态系统构建（核心游戏）
挑战内容：系统会展示一个环境——一座山、一片珊瑚礁或类似的栖息地——以及一份包含30-40个候选物种的清单。你的任务是在该环境的约束条件下（海拔、温度、地形类型、湿度等规则），选出一组能构成可持续食物链的物种。
真正考察什么：约束优化能力和系统性的假设验证。算法会观察你是否：
- 在开始选择之前，先读懂并理解所有约束条件
- 系统性地推进（例如从生产者开始）
- 当某个选择行不通时及时调整策略
- 高效地回退，而不是推翻重来
核心策略：
- 先花2-3分钟梳理约束条件。 在选择任何物种之前，读完每张物种卡片，记下每个物种所需的环境条件。在脑中按营养级分组（生产者 → 初级消费者 → 次级消费者 → 顶级捕食者）。
- 从食物链的一端开始推进。 从生产者（植物/藻类）向上推通常更容易，因为生产者的依赖条件更少。先挑出匹配地形的生产者，再找出既以这些生产者为食、又满足环境约束的初级消费者。
- 用纸笔记录。 画一个简单的表格：左侧列出物种，顶部列出环境约束条件。这能避免你反复核查同样的信息。
- 卡住时只回退一级。 如果找不到合适的顶级捕食者，不要从头重来。换掉一个次级消费者，看看这是否为上一层打开了新的选项。
- 提交前验证整条链是否完整。 从底到顶追踪能量流动。每个物种（生产者除外）都必须至少有一个下层食物来源，并满足所有环境约束。
关于生态系统构建更深入的实战拆解，参见我们的生态系统与 Red Rock 策略指南。
Red Rock 研究（数据分析）
挑战内容：Red Rock 研究是一款以研究资料包为核心的调查类游戏——资料包包含数页生态数据，形式有图表、表格、散点图和文字说明。你需要通过一系列问题，提取、组合并应用这些数据，而随着答题推进，原始材料往往会变得越来越难以查阅。
真正考察什么：在时间压力下提取、综合并应用定量信息的能力——这与你在盈利能力案例和财务分析中调用的能力是同一种。
核心策略：
- 阅读时做结构化笔记。 不要试图死记硬背。写下关键数字、趋势和关系，按数据来源组织（图表A、表格B等）。
- 明确记录刻度和单位。 很多错误答案源于误读坐标轴——千与百万之分、月度与年度之分。把单位写下来。
- 识别数据之间的关系。 哪些变量同向变化？哪些表格与哪些图表相关联？在笔记中用箭头连接相关数据点。
- 每个问题读两遍。 先定位答案在哪个数据源中。如果笔记组织得好，就不需要重新翻找。
- 区分被证实的与仅被暗示的。 正确答案必须被数据直接支持，而不仅仅是合理。
因为 Red Rock 本质上是一项数据解读任务，我们的Red Rock 数据分析指南中的训练可以直接迁移。
偶发游戏：Sea Wolf 与植物防御
大多数候选人从未遇到这两款游戏，但了解一下也有价值。
- Sea Wolf（系统思维）：你需要在多个回合中管理一个种群——分配资源，并根据天气、食物供应、竞争者行为等条件变化及时调整。这款游戏奖励识别哪些变量最关键、预判二阶效应，以及在条件变化时的适应能力。避免过度优化单一指标；游戏通常同时追踪多项成功标准。
- 植物防御（约束优化）：一款塔防式游戏，你需要通过放置防御性生物来保护栖息地。每次放置都消耗资源，威胁会从特定方向以不同强度到来。在投入资源前评估所有威胁，把防御放在能同时覆盖多个威胁的关键位置，并为后续更强的攻击波次保留资源。
不必特别为这两款游戏过度投入备考。它们背后考察的能力——系统性分析、资源分配、适应调整——与生态系统构建和 Red Rock 所奖励的能力是一致的。
Solve 如何评分
Solve 采用算法评分，且看重解题过程，这正是它与旧版 PST 的根本区别。理解评分维度能让你的练习更有针对性。
麦肯锡衡量的核心能力
| 能力 | 含义 | 在游戏中如何体现 | 如何展现 |
|---|---|---|---|
| 批判性思维 | 逻辑分析信息 | 决策序列的质量 | 让每个决策都以现有数据为依据 |
| 决策能力 | 基于分析采取行动 | 选择的速度与准确性 | 信息充分时果断行动，不过度纠结 |
| 元认知 | 一致地执行策略 | 方法的一致性 | 展现清晰、可重复的方法，而非随机探索 |
| 情境感知 | 预判变化 | 对新信息的响应速度 | 条件变化时及时调整 |
| 系统思维 | 理解因果关系 | 预测结果的能力 | 行动前先考虑二阶效应 |
算法如何解读你的行为
麦肯锡不公开其评分公式，但从候选人反馈中可以看出一些一致的设计目标：
过程重于结果。 两个候选人可能得出同样的答案，但分数不同。通过系统性探索得出答案的人，得分会高于通过反复试错碰巧得到答案的人。
时间分配是一种信号。 在真正复杂的决策上花更多时间比例，在简单决策上花更少时间，说明你对问题难度有良好的判断力。这属于遥测数据：测评会记录你的时间和点击都花在了哪里。
一致性会被奖励。 一套清晰、可重复的方法论，胜过毫无理由地在游戏中途切换策略。
恢复能力被计入评分。 犯错不是致命的。快速察觉错误、理解成因并系统性地调整，正是麦肯锡想看到的元认知能力。
随机行为会被扣分。 由于评分基于行为，蒙猜和无规律的快速点击会实实在在地损害你的分数。Solve 不存在 PST 那种"蒙一下试试"的策略空间。
评分权重估算
麦肯锡不公布具体权重。下表反映的是候选人反馈和第三方分析的汇总结果，仅供参考，非官方数据：
| 评分维度 | 估计权重 | 什么行为会拉低你的分数 |
|---|---|---|
| 解题方法 | 最高 | 随机点击，没有清晰策略 |
| 决策质量 | 高 | 忽略已有信息 |
| 适应能力 | 中等 | 条件变化后不做调整 |
| 效率 | 较低 | 在简单决策上花过多时间 |
| 完成度 | 较低 | 未完成游戏 |
通过这道筛选关
麦肯锡不公布 Solve 的具体通过分数线，你也应该对任何声称给出精确分数线的信息来源保持怀疑。以下是我们能够确认的信息：
- Solve 会筛掉约70%的候选人，约30%晋级到面试环节。
- 不存在"部分通过"——你要么晋级到 PEI 和案例面试环节，要么不晋级。
- 门槛看起来是相对竞争性的，而非绝对固定，且可能因办公室和申请人池而异。
把 Solve 当作一场"过/不过"的测评来对待。你的目标是用一套明确展现结构化过程的方法通过筛选，而不是去追求一个不存在的完美分数。
备考路线图
Solve 奖励的是习惯，而不是临时突击，所以数周的结构化练习比考前冲刺效果更好。对于全职工作的候选人，一套经过验证的方案是四周计划；时间更充裕的学生可以压缩到两到三周。
flowchart LR
W1[第1周：打基础] --> W2[第2周：技能提升]
W2 --> W3[第3周：模拟实战]
W3 --> W4[第4周：调峰与休整]
W1 --- W1D[了解测评形式\n诊断性自评\n找出薄弱环节]
W2 --- W2D[心算训练\n数据解读\n策略打磨]
W3 --- W3D[完整限时模拟\n复盘解题过程\n建立一致性]
W4 --- W4D[轻度练习\n提炼3-5条核心规则\n测评前充分休息]
四个阶段简述如下：
- 打基础与自我诊断。 了解测评形式，做一次诊断性练习，找出自己最薄弱的两到三个方面。
- 核心技能提升。 反复练习心算、数据解读和系统性解题方法，直到成为本能反应。
- 完整模拟实战。 在贴近真实的限时条件下练习，复盘时不只看答案，更要看你的解题过程——哪里犹豫了，哪里靠即兴发挥？
- 调峰与休整。 把你的策略提炼成几条简单规则，并保证以充分休息的状态迎考。疲劳带来的损失，远大于最后一次临时突击能带来的收益。
关于逐日详细安排和时间预算，参见我们的四周麦肯锡备考计划。
心算：基础中的基础
Red Rock 以及 Solve 中的分析环节都要求在不使用计算器的情况下快速运算。投入心算训练的候选人往往提升最明显——这常常就是晋级和被淘汰之间的差距。
百分比计算（最常见）：
- 10% = 小数点左移一位：840 的 10% = 84
- 5% = 10% 的一半：840 的 5% = 42
- 15% = 10% + 5%：840 的 15% = 84 + 42 = 126
- 1% = 小数点左移两位：840 的 1% = 8.4
- 组合计算：840 的 23% = 20% + 3% = 168 + 25.2 = 193.2
除法捷径：
- 除以5 = 乘以2再除以10：840 / 5 = 1680 / 10 = 168
- 除以8 = 连续折半三次：840 / 8 = 420 / 4 = 210 / 2 = 105
- 粗略除法：2,350 / 7 ≈ 2,100 / 7 + 250 / 7 = 300 + 36 ≈ 336
复合增长估算：
- 72法则：翻倍所需年数 = 72 / 增长率。增长率8%，约9年翻倍。
- 8%增长率下5年：乘以 1.08^5 ≈ 1.47（即100 → 约147）。
每日15-20分钟练习安排：十道百分比题、五道除法题、三道复合增长估算题，以及两道多步骤商业数学题（收入 = 单价 × 销量，利润率计算）。我们的心算训练指南将这些训练按顺序排列，让速度逐步提升。
各小游戏实战技巧
生态系统构建：10条实战技巧
- 前三分钟只读不点——什么都别选。
- 在纸上画一个约束矩阵：左列是物种，顶行是约束条件。
- 选择前先数清所需的营养级数量（通常是三到四级）。
- 从匹配最多地形约束的生产者开始。
- 在确认任何选择前先检查捕食者-被捕食者的兼容性。
- 卡住时换一个物种，而不是推翻重来。
- 记录已排除的物种，避免重复检查。
- 留意连接食物链多个分支的"关键"物种。
- 提交前验证食物链是否完整——每个消费者都有食物来源。
- 如果还有余下时间，检查是否存在更稳健的替代组合。
Red Rock：8条实战技巧
- 用前30秒数清资料展示的数量，并快速扫一遍题目主题。
- 建立一张"数据地图"，标注每份资料包含的信息。
- 对看起来重要的数据点，写下精确数字。
- 用箭头（↑ ↓ →）标记趋势方向，而不是试图记住具体数值。
- 识别任何数据集中的异常值——它们经常被考到。
- 反复核查坐标轴标签——这正是用来"坑"你的地方。
- 对于对比类问题，把数值并排写下来，而不是靠脑子记。
- 分配好时间：大约60%用于阅读和记笔记，40%用于答题。
Solve 通用建议
- 保持网络连接稳定。 尽量使用有线网络；延迟可能扭曲你的行为数据。
- 保持环境安静。 中途被打断会迫使你重新定位，在算法看来这会显得不一致。
- 全屏操作，避免干扰。 测评会追踪你的注意力模式。
- 如有官方演示，先熟悉界面操作。
- 切勿刷新页面。 这可能重置你的测评进度或丢失结果。
常见错误及应对方法
策略性错误
| 错误 | 为什么有害 | 如何修正 |
|---|---|---|
| 不读说明就开始 | 遗漏关键约束条件，在算法看来显得无序 | 强迫自己先读完所有内容，即使很紧张 |
| 随机试错 | 算法能检测出非系统性行为 | 每一步操作都要有明确理由 |
| 推翻重来 | 浪费时间，暴露恢复能力不足 | 每次只回退一步 |
| 忽视时间管理 | 未完成的提交得分最差 | 在时间过25%/50%/75%时设置检查点 |
| 只优化单一维度 | 游戏考察的是多重标准 | 平衡好速度、准确度和适应能力 |
技术性错误
| 错误 | 为什么有害 | 如何修正 |
|---|---|---|
| 网络不稳定 | 延迟可能破坏你的行为数据 | 使用有线网络；关闭其他标签页 |
| 用手机做测评 | 小屏幕会影响表现 | 使用大屏笔记本或台式机 |
| 浏览器插件干扰 | 可能屏蔽游戏元素 | 使用隐身/私密模式 |
| 环境嘈杂 | 中断会打碎你的解题流程 | 预定安静的房间；提前告知家人 |
| 疲劳状态下测评 | 认知表现下降20%-30% | 安排在自己精力最佳的时段 |
关于更完整的常见陷阱清单，参见我们的常见错误指南和时间管理指南。
练习资源
免费资源：
- 麦肯锡官方练习。 麦肯锡偶尔会在招聘官网上放出示例材料——建议定期查看。
- 生态系统与食物链类游戏。 任何涉及在约束条件下构建可行系统的游戏，都能训练相应的思维模式。
- 心算类App。 反复练习百分比、除法和估算，能提升 Red Rock 所需的运算速度。
- 逻辑与约束类谜题。 高阶数独类谜题能训练系统性排除法。
- 真实数据。 政府统计公报能提供真实的图表和表格供你练习解读。
结构化备考：
不值得浪费时间的地方：
- 昂贵的"破解Solve"课程——麦肯锡会定期更新测评内容。
- 在论坛上背题——不存在一个可以死记硬背的固定题库。
- 快速点击训练——算法衡量的是决策质量，不是点击速度。
历史遗留：旧版 PST 格式
历史背景说明。 纸质版问题解决测试是麦肯锡的旧版筛选测试，目前几乎所有地区都已被 Solve 取代。仅当你所申请的地区办公室已明确告知仍在使用旧版 PST 时，才需要阅读本节——2026年的大多数候选人都不会遇到它。
PST 是一场60分钟、26题、纸质选择题形式的测试，考察商业逻辑、数据解读和心算能力。其通过线大约在正确率70%左右（26题中约答对18-19题），约30%-35%的候选人能够晋级。
其题型按大致占比分布如下：
| 题型 | 占比 | 考察内容 |
|---|---|---|
| 阅读事实题 | 约38% | 定位一段文字或图表直接支持的陈述 |
| 事实推断题 | 约14% | 判断综合数据"证明"了哪个结论 |
| 根因分析题 | 约13% | 识别最能解释某个结果的因素 |
| 应用题 | 约12% | 把商业场景转化为数学问题，逐步求解 |
| 客户解读题 | 约8% | 判断哪个建议最受数据支持 |
| 公式题 | 约5% | 应用给定公式，留意单位换算 |
与 Solve 的关键区别在于：PST 只对最终答案计分，因此蒙猜没有惩罚，针对已知题型的应试训练也可能有帮助。Solve 则反转了这两点——它对解题过程评分，并对随机行为进行扣分。好消息是两种测评底层考察的分析能力高度重叠，所以心算和数据解读的练习对两种格式都有用。如果你已确认自己面对的是 PST，可以通过我们的PST 练习指南进行针对该格式的限时专项训练。
通过 Solve 之后
通过 Solve 后，你会进入麦肯锡的面试轮次，其中包含两个环节：
- 个人经历面试（PEI）。 结构化的行为面试问题，围绕你展现领导力、推动影响或化解冲突的经历展开。为每个主题准备两到三个详细的故事。
- 面试官主导的案例面试。 一场真实案例，面试官会引导你分析一个商业问题。这一环节中，结构化、假设驱动的思维方式和干净利落的定量分析，才是决定结果的关键。
一旦晋级，请立即调整备考重心：
常见问题
麦肯锡 Solve 测评要多长时间？
一场测评大约耗时60-81分钟，由两个依次进行的小游戏组成，每个游戏都有独立计时器，中间有短暂过渡。两个游戏按顺序完成——你无法跳过，也无法回到已完成的游戏。
我会遇到哪些小游戏？
大多数候选人拿到的是生态系统构建搭配Red Rock 研究。少数候选人会遇到 Sea Wolf 或植物防御等其他游戏。具体搭配由算法分配，可能因办公室和招聘周期而异，所以备考时应着眼于底层能力，而不是赌自己会遇到某一款特定游戏。
Solve 如何评分？
采用算法评分，看重解题过程。Solve 会追踪你的决策序列、点击模式和时间分配，奖励系统性、一致性的解题方法。因为评分基于行为，随机蒙猜和无规律的点击都会被扣分——不存在"蒙一下试试"的策略空间。
通过率是多少？
Solve 会筛掉约70%的候选人，约30%晋级到面试轮次。麦肯锡不公布具体的分数线，门槛看起来更接近相对竞争性，而非绝对固定。可以把它当作一场"过/不过"的测评。
没通过还能重考吗？
通常要等12-24个月，具体取决于所在办公室的政策。重新申请时你会从头参加测评，之前的结果不会被保留。可以利用等待期，通过案例练习和数据密集型工作培养真正的分析能力。
Solve 真的会追踪我的鼠标和点击吗？
是的。Solve 使用行为分析技术——鼠标移动、点击模式、悬停时长、决策序列和时间分配。这些遥测数据正是它区分"通过系统性分析得出答案"和"通过随机试探碰到答案"的方式。移动要有意图，点击要有目的。
如果没完成一个游戏会怎样？
未完成的游戏得分会明显更低——完成度本身就是被评分的维度之一。即使是次优但完整的方案，也胜过半途放弃的方案。如果时间快不够了,继续做出快速但符合逻辑的决策；算法仍能从"匆忙但有结构"的选择中读出正面的过程信号。
PST 现在还有意义吗？
对绝大多数人来说没有。Solve 已经取代 PST，成为全球默认的测评方式。只有少数地区办公室可能仍在使用旧版纸质测试，你的招聘顾问会告知你是否属于这种情况。如果适用于你，参见上文的旧版 PST 章节。
核心要点
- Solve 是麦肯锡当前的游戏化测评，已取代纸质 PST 成为全球默认方式。
- 一场测评包含两个小游戏（通常是生态系统构建 + Red Rock），总时长约60-81分钟。
- 评分基于算法且看重过程；它会追踪你的决策序列、点击和时间分配，并对随机行为扣分。
- Solve 会筛掉约70%的候选人，约30%晋级到 PEI 和面试官主导的案例环节。
- 备考要养成习惯，而不是临时突击——按结构化的多周计划练习,培养真正的心算和数据解读能力。
- 从系统的一端开始（顶部或底部），切勿从中间入手，并用纸笔记录你的假设验证过程。
- 即使不完美也要完成每个游戏；未完成的提交得分最差。
- 旧版 PST 几乎已在所有地区退役——只有在办公室确认仍使用时才需要针对它备考。
准备好开始备考了吗？
培养 Solve 所奖励的结构化、定量推理能力，最可靠的方式是在真实问题上刻意练习。CasesCoach 的 AI 模拟面试能让你反复练习拆解案例和为建议辩护——这正是 Solve 通过游戏所衡量的思维方式，也是接下来 PEI 和面试官主导案例所要求的能力。免费版包含三个完整案例加 AI 模拟面试；Pro 版解锁835+真实案例，并提供多次 AI 模拟面试机会，帮助你把这套方法练到成为本能。