產品經理考卷上出現三道紅黑樹：大疆這場筆試，篩的其實是別的東西

2026年10月下旬（牛客網原帖發布於10月22日前後），一篇題為「大疆數位化產品經理筆試」的考後分享在求職社羣發酵。發文者列出完整題型結構：120分鐘考試、14道單選、10道多選、1道力扣（LeetCode）模式的手寫演算法題、1道AI編程大題。評論區有人直接下了結論：「紅黑樹都考幾道，按研發筆試準備吧。」

這則帖子的價值不在考題本身，而在它洩露的篩選邏輯：一家硬體公司招產品經理，把技術八股的權重拉到什麼位置。

考卷結構拆解

依原帖描述，客觀題覆蓋範圍相當雜：資料結構（紅黑樹約三道、穩定排序、堆）、C++語言細節（map底層實現、迭代器失效、虛函數）、作業系統（死鎖、執行緒）、資料庫。原帖作者的評語是「技術佔比比想像中高，八股不能裸考」。

手撕題是LeetCode第101題「對稱二元樹」原題，考交叉遞迴判斷，附帶兩個邊界條件：空樹算對稱，值相同但結構不同的樹必須判false。屬於經典入門難度，不構成主要篩選門檻。

真正的分水嶺是AI大題。題幹設定為新品首銷25,000臺、分四個渠道鋪貨，提供四張材料表外加多段口述資訊，要求產出一個可直接打開的單檔HTML頁面。原帖作者的總結是：這題考的是「從互相矛盾的材料裡揪坑」，以及「20輪內不讓AI跑偏」。

崗位名稱與考卷內容的落差，本身就是訊號

傳統產品經理筆試多以案例分析、需求排序、競品拆解為主。這份考卷的技術密度明顯超出該慣例：客觀題近半數落在資料結構與系統層知識，再加上一道力扣題與一道要求實際產出HTML的AI應用題。三塊加起來，非技術背景候選人幾乎沒有得分區間。

從招聘成本的角度看，這種設計是高效的。筆試是單位成本最低的篩選環節，把技術門檻前置到筆試，能在大規模校招（原帖脈絡為2027屆秋季招聘）中快速收窄面試名單。「數位化產品經理」這個崗位名稱，對應的是要能讀數據口徑、能與研發對話、能用AI工具直接交付原型的角色，而非純需求文檔撰寫者。

值得注意的是AI大題的考核對象已經換了。它不考會不會寫程式，考的是材料治理能力：辨識口述資訊與數據表之間的矛盾、約束AI工具在有限輪次內完成任務。這與原帖評論區另一篇被推薦的長文呼應，該文作者描述在AI應用服務商第一年的核心工作正是「核對指標口徑差異」，同一指標在兩處用了不同過濾條件，數出來差一截。兩則內容指向同一個崗位新常態：髒數據與矛盾材料的清洗，佔據了數位化產品角色的主要工時。

影響推演：誰受惠、誰承壽

受惠的一方明確：具備工程背景、又願意補產品方法的候選人。這類人在校招市場上的相對稀缺性被這種考卷放大，研發轉產品的路徑等於被官方背書。同時，AI工具的熟練使用者獲得新的得分欄位，20輪對話內馴服模型的經驗，過去在任何筆試大綱裡都不存在。

承壓的一方是純商科與設計背景的產品候選人。準備成本也隨之上升：原帖建議「按研發筆試準備」，意味著複習範圍擴及紅黑樹、虛函數、死鎖條件這類原本屬於軟體崗的知識面。

對大疆本身，這套篩選機制服務於其業務結構：無人機與影像硬體的產品決策高度耦合韌體、影像管線與供應鏈參數，產品經理若不具備讀懂技術側的底子，跨部門溝通成本會在後續每一輪迭代中放大。筆試階段多花的一道紅黑樹，換的是入職後會議室裡少掉的翻譯損耗。

收束判斷

單一考後分享無法推斷大疆全部產品崗的筆試標準，原帖作者也自述「有些內容忘記了，說不全」。可確認的是：在2027屆秋季招聘的這個崗位上，產品經理的筆試已經按工程師的骨架在出題，而AI應用能力從加分項變成了獨立計分的大題。崗位名稱裡的「數位化」二字，第一次有了可量化的考卷兌現。