麥肯錫 Solve 由兩個限時小遊戲組成（通常是生態系統構建 + 紅石研究），全程約 60–81 分鐘。演算法評分看的是你的決策過程——操作順序、點選模式、時間分配——而不只是最終答案。倒計時下的慌亂亂點會被明確扣分。本文講解如何在每個遊戲內部分配時間、為什麼不該過度最佳化開局、開局失誤後如何補救，以及如何在計時器可見時讓自己冷靜到還能思考。
淘汰麥肯錫 Solve 候選人的，壓力比題目難度更多。螢幕上倒計時一出現，本來能力不差的人就開始越點越快、放棄原有計劃、留下一串混亂的操作軌跡——而 Solve 的演算法盯的正是這串軌跡，不只是最後那個答案。在約 70% 被淘汰的篩選率下，倒計時前的沉著不是什麼"軟實力"，它是實打實計入評分的。
本文拆解如何在每個 Solve 小遊戲內部分配時間、為什麼在開局上過度最佳化是個陷阱、開局失誤後如何挽回，以及如何在計時器一路走低時讓神經系統安靜到還能推理。
現在的 Solve 到底是什麼
麥肯錫在 2020 年前後在多數市場淘汰了紙筆版 Problem Solving Test，換成了 Solve——一套基於遊戲的數字化評估，如今已是首輪篩選的全球預設形式。（少數辦公室可能仍在用舊版 PST，具體形式請向你的招聘對接人確認。）
一次 Solve 由兩個小遊戲組成，全程約 60–81 分鐘。你幾乎一定會遇到的兩個是：
- 生態系統構建（Ecosystem Building）——在固定時間窗內，從一組物種中搭出一個可行的食物鏈或生態系統，同時滿足棲息地、食物來源、卡路里等規則。它獎勵系統性地逐條核對約束，而不是靠猜。
- 紅石研究（Red Rock Study）——一個更長的、多階段的限時調查：你需要收集資料、跑分析，並在一連串階段中回答問題。
偶爾也有候選人遇到的是 Sea Wolf 或 Plant Defense。無論哪種組合，結構都一樣：每個遊戲各自計時，而且你不能像舊版 PST 在題目之間跳轉那樣，把一個遊戲省下的時間挪到另一個遊戲去用。
改變一切的評分邏輯
關於 Solve，最需要理解的一點是：它是演算法化、看過程的。它不是簡單地把最終答案判個對錯，而是追蹤：
- 你決策的順序——是先收集資訊再動手，還是先動手再回頭修正？
- 你的點選模式——是有目的、經過思考的選擇，還是快速、散亂、試探性的亂點？
- 你的時間分配——時間花在了哪裡，在真正困難的地方你是否放慢了腳步？
這就是慌亂代價高昂的原因。在舊版 PST 上，難題上亂猜是中性的——答錯不扣分。而在 Solve 上，隨機或慌張的點選本身就是一個訊號，它會被讀成"決策過程薄弱"，哪怕你恰好點到了一個能用的方案。這套評估想推斷的，是你在壓力下如何思考。混亂的行為替你回答了這個問題——而且是往錯誤的方向答的。
實操結論：你的任務不是顯得快，而是顯得從容有據。一個做了八步深思熟慮的冷靜候選人，通常得分高於一個點了三十下的慌亂候選人。
在單個遊戲內部分配時間
正因為時間不能在遊戲之間挪用，每個遊戲都需要自己的內部預算。多數候選人的錯誤，是把整個時間窗都當成"解題時間"、一上來就開動手。要把它拆開。
flowchart TD
A[遊戲開始：倒計時可見] --> B[定位：讀懂規則和約束]
B --> C[規劃：找出真正的約束條件]
C --> D{我清楚一個有效方案需要滿足什麼了嗎？}
D -->|清楚| E[執行深思熟慮的操作]
D -->|不清楚| F[重讀關鍵規則，不要猜]
F --> C
E --> G{時間檢查點：過半了嗎？}
G -->|進度正常| H[繼續，逐步核對每一步]
G -->|落後| I[先鎖定一個有效但不完美的方案]
H --> J[留出最後幾分鐘複查確認]
I --> J
任何限時遊戲都適用的一個心理分配大致是：
- 先定位、先規劃。 動手之前把每條規則讀完。在生態系統裡，就是在放下任何一個物種之前，先弄清卡路里、棲息地、食物來源這些約束。倉促跳過這一步是最常見的自傷——你無法挽回一個從沒做過的計劃。
- 在中段執行。 做深思熟慮的操作，邊做邊逐條對照約束核驗。你時間窗的大部分都在這裡。
- 末段留給複查。 留出真正的緩衝，去確認方案是否有效，而不只是是否完成。一個有餘量提交的有效生態系統，勝過一個在鈴響時才發現違規的"更優"方案。
注意這些是比例，不是固定的分鐘數。Solve 的計時因遊戲、因批次而異，所以把錨點放在階段上，別去認死網上某人給你報的秒錶數字。
過度最佳化的陷阱
Solve 最誘人的錯誤，是想找出那個完美的開局。候選人卡在生態系統的第一步放置上，苦苦尋找理論最優的物種，在動第一下之前就燒掉了三分之一的時間窗。
Solve 不獎勵完美的第一步，它獎勵的是透過合理過程得出的、完整且有效的方案。一個"夠用、能往下接"的開局，價值遠高於一個你因反覆權衡而永遠走不到的完美開局。
這裡有兩條規則保護你：
- 早求滿意，晚求最優。 先做一個尊重約束、站得住腳的動作，有時間再打磨。推進會產出資訊，僵住則什麼都產不出。
- 把紅石的第一階段當腳手架，不是考試本身。 前期的資料收集是為後續決策做鋪墊。別把早期步驟當成最終成績那樣糾結——它們是為後面服務的，而演算法在意的是整條弧線，不是某一次點選。
開局失誤後的補救
人人都會走錯早期一步。區分透過者的，是他們意識到之後那六十秒裡做了什麼。
本能是往下滑：一次糟糕的放置觸發更快、更潦草的點選去"把時間搶回來"，結果恰好產出了演算法要扣分的那種散亂軌跡。開局失誤不會讓你掛掉，開局失誤加上慌亂才會。
當你察覺走錯時：
- 停下來，做一次呼吸。 真的停一下。一次深思熟慮的呼吸花你兩秒，卻能擋住一場兩分鐘的連鎖崩潰。
- 診斷，不要亂撲騰。 找出你違反了哪條約束、哪個假設錯了。修那一處，而不是全盤重來。
- 回到深思熟慮的節奏。 恢復做經過思考的操作。演算法讀得懂"挽回"——一個在犯錯後穩住陣腳的候選人，恰好展示了麥肯錫在篩選的那種判斷力。
一次乾淨的挽回，得分可能比零失誤的一局還高，因為它顯示了你在出問題時的行為方式——而這才是資訊量更大的訊號。
在可見倒計時下管理焦慮
螢幕上的計時器既是功能工具，更是心理工具。它的存在，部分就是為了看誰會崩。幾個技巧能讓倒計時不至於劫持你的思考：
- 瞥一眼，別死盯。 在自然的決策節點上看時間，別一直盯著。每三秒看一次的計時器，偷走的正是你解真正問題所需的注意力。
- 把時間換算成階段，而非秒數。 別想"我還有 4 分 12 秒"，要想"我還在執行階段，還有複查的緩衝"。按階段感知比盯著一個跳動的數字更冷靜，也更可執行。
- 開始前先給自己定好節奏。 提前決定：前一段是用來讀規則和做計劃的。當你已經給自己批了規劃時間，早段的倒計時就不再像是在"流失"的時間。
- 恰恰在難處放慢。 反直覺的是，在真正困難的那一步上刻意放慢，正是演算法獎勵的——它復刻了優秀問題解決者實際分配注意力的方式。
適用於任何 Solve 遊戲的節奏框架
你事先並不會知道確切的分鐘預算，所以按階段和內部檢查點來把控節奏，而不是按絕對時間。
| 階段 | 你應該在做什麼 | 危險訊號 |
|---|---|---|
| 開局前三分之一 | 讀規則、找出關鍵約束、形成計劃 | 還沒讀懂規則就已經在放置棋子 |
| 過半前後 | 執行深思熟慮的操作，逐條對照約束核驗 | 還在苦尋那個"完美"的第一步 |
| 最後一段 | 複查有效性，確認沒有違反任何規則 | 為填滿剩餘空位而慌亂亂點 |
| 任何時刻 | 穩定、有目的的決策 | 一犯錯就速度飆升 |
一次呼吸法則：只要你感到點選是出於焦慮而非自信在加速，就做一次呼吸，回到深思熟慮的節奏。慌亂催生的速度，正是 Solve 專門用來抓的那種行為。
這一步在你備考中的位置
Solve 篩的，與真人麥肯錫案例面試所要的是同一種沉著：在計時器和麵試官同時施壓時依然清晰推理。能在 Solve 倒計時下保持深思熟慮的候選人，正在鍛鍊的那份神經系統掌控力，日後也正是把強者與中途崩盤者區分開的東西。
想全面瞭解這兩種評估以及各自的備考方式，可從我們的麥肯錫 Solve 與 PST 備考中心入手。如果你的辦公室仍在用舊版紙筆測試，麥肯錫 Problem Solving Test 策略指南覆蓋了分題型打法，而Solve 與 PST 最常見的錯誤則在考試日前幫你認清要避開的陷阱。
在倒計時下練出沉著
在倒計時下保持冷靜，唯一可靠的辦法是事先真切地經歷過。限時的 CasesCoach AI 模擬面試把你置於真實的計時之下，讓"對著計時器做決策"的壓力從令人失穩變成習以為常——這正是 Solve 在評分的那種自我調節能力。免費版包含 3 個練習案例加 AI 模擬；Pro 版開放完整的 835+ 案例庫和多次 AI 模擬。詳見定價。
核心要點
- Solve 是兩個限時小遊戲（通常是生態系統構建和紅石研究），全程約 60–81 分鐘；時間不能在兩者間挪用，所以要為每個遊戲單獨做內部預算
- 演算法評分看的是決策過程——順序、點選模式、時間分配——所以從容勝過快，隨機慌亂的點選會被明確扣分
- 把每個遊戲拆成定位規劃、執行、複查三段；動手之前先讀完所有規則
- 不要過度最佳化開局——一個有效、有據的方案，勝過一個你永遠做不完的完美第一步
- 開局失誤不會讓你掛掉，開局失誤加上慌亂才會。做一次呼吸，修好走錯的那一處，回到深思熟慮的節奏
- 按階段把控節奏，而不是死盯計時器；在問題真正困難處刻意放慢