麦肯锡 Solve 由两个限时小游戏组成（通常是生态系统构建 + 红石研究），全程约 60–81 分钟。算法评分看的是你的决策过程——操作顺序、点击模式、时间分配——而不只是最终答案。倒计时下的慌乱乱点会被明确扣分。本文讲解如何在每个游戏内部分配时间、为什么不该过度优化开局、开局失误后如何补救，以及如何在计时器可见时让自己冷静到还能思考。
淘汰麦肯锡 Solve 候选人的，压力比题目难度更多。屏幕上倒计时一出现，本来能力不差的人就开始越点越快、放弃原有计划、留下一串混乱的操作轨迹——而 Solve 的算法盯的正是这串轨迹，不只是最后那个答案。在约 70% 被淘汰的筛选率下，倒计时前的沉着不是什么"软实力"，它是实打实计入评分的。
本文拆解如何在每个 Solve 小游戏内部分配时间、为什么在开局上过度优化是个陷阱、开局失误后如何挽回，以及如何在计时器一路走低时让神经系统安静到还能推理。
现在的 Solve 到底是什么
麦肯锡在 2020 年前后在多数市场淘汰了纸笔版 Problem Solving Test，换成了 Solve——一套基于游戏的数字化评估，如今已是首轮筛选的全球默认形式。（少数办公室可能仍在用旧版 PST，具体形式请向你的招聘对接人确认。）
一次 Solve 由两个小游戏组成，全程约 60–81 分钟。你几乎一定会遇到的两个是：
- 生态系统构建（Ecosystem Building）——在固定时间窗内，从一组物种中搭出一个可行的食物链或生态系统，同时满足栖息地、食物来源、卡路里等规则。它奖励系统性地逐条核对约束，而不是靠猜。
- 红石研究（Red Rock Study）——一个更长的、多阶段的限时调查：你需要收集数据、跑分析，并在一连串阶段中回答问题。
偶尔也有候选人遇到的是 Sea Wolf 或 Plant Defense。无论哪种组合，结构都一样：每个游戏各自计时，而且你不能像旧版 PST 在题目之间跳转那样，把一个游戏省下的时间挪到另一个游戏去用。
改变一切的评分逻辑
关于 Solve，最需要理解的一点是：它是算法化、看过程的。它不是简单地把最终答案判个对错，而是追踪：
- 你决策的顺序——是先收集信息再动手，还是先动手再回头修正？
- 你的点击模式——是有目的、经过思考的选择，还是快速、散乱、试探性的乱点？
- 你的时间分配——时间花在了哪里，在真正困难的地方你是否放慢了脚步？
这就是慌乱代价高昂的原因。在旧版 PST 上，难题上乱猜是中性的——答错不扣分。而在 Solve 上，随机或慌张的点击本身就是一个信号，它会被读成"决策过程薄弱"，哪怕你恰好点到了一个能用的方案。这套评估想推断的，是你在压力下如何思考。混乱的行为替你回答了这个问题——而且是往错误的方向答的。
实操结论：你的任务不是显得快，而是显得从容有据。一个做了八步深思熟虑的冷静候选人，通常得分高于一个点了三十下的慌乱候选人。
在单个游戏内部分配时间
正因为时间不能在游戏之间挪用，每个游戏都需要自己的内部预算。多数候选人的错误，是把整个时间窗都当成"解题时间"、一上来就开动手。要把它拆开。
flowchart TD
A[游戏开始：倒计时可见] --> B[定位：读懂规则和约束]
B --> C[规划：找出真正的约束条件]
C --> D{我清楚一个有效方案需要满足什么了吗？}
D -->|清楚| E[执行深思熟虑的操作]
D -->|不清楚| F[重读关键规则，不要猜]
F --> C
E --> G{时间检查点：过半了吗？}
G -->|进度正常| H[继续，逐步核对每一步]
G -->|落后| I[先锁定一个有效但不完美的方案]
H --> J[留出最后几分钟复查确认]
I --> J
任何限时游戏都适用的一个心理分配大致是：
- 先定位、先规划。 动手之前把每条规则读完。在生态系统里，就是在放下任何一个物种之前，先弄清卡路里、栖息地、食物来源这些约束。仓促跳过这一步是最常见的自伤——你无法挽回一个从没做过的计划。
- 在中段执行。 做深思熟虑的操作，边做边逐条对照约束核验。你时间窗的大部分都在这里。
- 末段留给复查。 留出真正的缓冲，去确认方案是否有效，而不只是是否完成。一个有余量提交的有效生态系统，胜过一个在铃响时才发现违规的"更优"方案。
注意这些是比例，不是固定的分钟数。Solve 的计时因游戏、因批次而异，所以把锚点放在阶段上，别去认死网上某人给你报的秒表数字。
过度优化的陷阱
Solve 最诱人的错误，是想找出那个完美的开局。候选人卡在生态系统的第一步放置上，苦苦寻找理论最优的物种，在动第一下之前就烧掉了三分之一的时间窗。
Solve 不奖励完美的第一步，它奖励的是通过合理过程得出的、完整且有效的方案。一个"够用、能往下接"的开局，价值远高于一个你因反复权衡而永远走不到的完美开局。
这里有两条规则保护你：
- 早求满意，晚求最优。 先做一个尊重约束、站得住脚的动作，有时间再打磨。推进会产出信息，僵住则什么都产不出。
- 把红石的第一阶段当脚手架，不是考试本身。 前期的数据收集是为后续决策做铺垫。别把早期步骤当成最终成绩那样纠结——它们是为后面服务的，而算法在意的是整条弧线，不是某一次点击。
开局失误后的补救
人人都会走错早期一步。区分通过者的，是他们意识到之后那六十秒里做了什么。
本能是往下滑：一次糟糕的放置触发更快、更潦草的点击去"把时间抢回来"，结果恰好产出了算法要扣分的那种散乱轨迹。开局失误不会让你挂掉，开局失误加上慌乱才会。
当你察觉走错时：
- 停下来，做一次呼吸。 真的停一下。一次深思熟虑的呼吸花你两秒，却能挡住一场两分钟的连锁崩溃。
- 诊断，不要乱扑腾。 找出你违反了哪条约束、哪个假设错了。修那一处，而不是全盘重来。
- 回到深思熟虑的节奏。 恢复做经过思考的操作。算法读得懂"挽回"——一个在犯错后稳住阵脚的候选人，恰好展示了麦肯锡在筛选的那种判断力。
一次干净的挽回，得分可能比零失误的一局还高，因为它显示了你在出问题时的行为方式——而这才是信息量更大的信号。
在可见倒计时下管理焦虑
屏幕上的计时器既是功能工具，更是心理工具。它的存在，部分就是为了看谁会崩。几个技巧能让倒计时不至于劫持你的思考：
- 瞥一眼，别死盯。 在自然的决策节点上看时间，别一直盯着。每三秒看一次的计时器，偷走的正是你解真正问题所需的注意力。
- 把时间换算成阶段，而非秒数。 别想"我还有 4 分 12 秒"，要想"我还在执行阶段，还有复查的缓冲"。按阶段感知比盯着一个跳动的数字更冷静，也更可执行。
- 开始前先给自己定好节奏。 提前决定：前一段是用来读规则和做计划的。当你已经给自己批了规划时间，早段的倒计时就不再像是在"流失"的时间。
- 恰恰在难处放慢。 反直觉的是，在真正困难的那一步上刻意放慢，正是算法奖励的——它复刻了优秀问题解决者实际分配注意力的方式。
适用于任何 Solve 游戏的节奏框架
你事先并不会知道确切的分钟预算，所以按阶段和内部检查点来把控节奏，而不是按绝对时间。
| 阶段 | 你应该在做什么 | 危险信号 |
|---|---|---|
| 开局前三分之一 | 读规则、找出关键约束、形成计划 | 还没读懂规则就已经在放置棋子 |
| 过半前后 | 执行深思熟虑的操作，逐条对照约束核验 | 还在苦寻那个"完美"的第一步 |
| 最后一段 | 复查有效性，确认没有违反任何规则 | 为填满剩余空位而慌乱乱点 |
| 任何时刻 | 稳定、有目的的决策 | 一犯错就速度飙升 |
一次呼吸法则：只要你感到点击是出于焦虑而非自信在加速，就做一次呼吸，回到深思熟虑的节奏。慌乱催生的速度，正是 Solve 专门用来抓的那种行为。
这一步在你备考中的位置
Solve 筛的，与真人麦肯锡案例面试所要的是同一种沉着：在计时器和面试官同时施压时依然清晰推理。能在 Solve 倒计时下保持深思熟虑的候选人，正在锻炼的那份神经系统掌控力，日后也正是把强者与中途崩盘者区分开的东西。
想全面了解这两种评估以及各自的备考方式，可从我们的麦肯锡 Solve 与 PST 备考中心入手。如果你的办公室仍在用旧版纸笔测试，麦肯锡 Problem Solving Test 策略指南覆盖了分题型打法，而Solve 与 PST 最常见的错误则在考试日前帮你认清要避开的陷阱。
在倒计时下练出沉着
在倒计时下保持冷静，唯一可靠的办法是事先真切地经历过。限时的 CasesCoach AI 模拟面试把你置于真实的计时之下，让"对着计时器做决策"的压力从令人失稳变成习以为常——这正是 Solve 在评分的那种自我调节能力。免费版包含 3 个练习案例加 AI 模拟；Pro 版开放完整的 835+ 案例库和多次 AI 模拟。详见定价。
核心要点
- Solve 是两个限时小游戏（通常是生态系统构建和红石研究），全程约 60–81 分钟；时间不能在两者间挪用，所以要为每个游戏单独做内部预算
- 算法评分看的是决策过程——顺序、点击模式、时间分配——所以从容胜过快，随机慌乱的点击会被明确扣分
- 把每个游戏拆成定位规划、执行、复查三段；动手之前先读完所有规则
- 不要过度优化开局——一个有效、有据的方案，胜过一个你永远做不完的完美第一步
- 开局失误不会让你挂掉，开局失误加上慌乱才会。做一次呼吸，修好走错的那一处，回到深思熟虑的节奏
- 按阶段把控节奏，而不是死盯计时器；在问题真正困难处刻意放慢