我花了80个小时猛刷LeetCode，二叉树、动态规划、图遍历，练到闭眼都能翻转链表。结果面试官让我做的是：对一张有迟到记录的事实表去重、设计处理缓慢变化维度的流水线、写个窗口函数——如果前一晚没熬夜背迪杰斯特拉算法，这些活十分钟就能搞定。那次面试我挂了。不是因为没准备，而是准备了错误的考试。

几年过去了，LeetCode考题和数据工程面试实际考察的内容之间，裂痕只增不减。到了2026年，还有大批候选人花费数百小时，钻研那些在实际面试中几乎从不出场的题目类型，而真正决定录用与否的技能却被当成边角料。SQL熟练度、数据操纵Python、流水线设计思维——这才是拿offer的筹码，不是死记迪杰斯特拉。

这里有个让人恼火的数字：LeetCode上有超过3000道题目，绝大多数考查二叉树的遍历、动态规划、图算法和回溯。而数据工程面试几乎不碰这几个类别。62%的企业在技术面试中禁止使用AI工具，与此同时，76%的实际数据工程工作已在用AI增强。于是，面试在考工作用不到的技能，还在工作不会有的限制下进行。如果AI能轻松吐出一份中等难度题目的干净解答，那再考这类题目到底能看出候选人的什么？信号本来就很弱，现在基本算噪音了。

业界知道这一点。2023年到2026年间，数据工程师的角色已从“批处理ETL管道工”转向实时架构、云成本优化、元数据治理和平台工程的综合体。这些跟你实现字典树的能力毫不相干。已经有公司开始行动：Airbnb的面试轮次砍掉了专门的编程谜题环节，换成流水线设计轮次；Meta用分阶段的CodeSignal场景替换了传统的LeetCode筛选；谷歌现在交给候选人的是多文件代码库做重构，而不是孤立的算法谜题。可候选人呢？凌晨两点还在刷二叉树。

研究结论很清楚：35到50道题目足够应对多数数据工程岗位。10到15道简单、20到25道中等、5到10道困难。够了。除非某家公司明确说明，否则完全跳过树、链表、图和回溯。专攻数组、哈希映射、字符串操作和滑动窗口。这些才是能迁移到数据工作的模式，其余只是为了自我感动而刷的噪音。

动态规划对数据工程几乎毫无用处，却仍然出现在备考清单里。多数动态规划题目在真实场景中不适用，但考生们还在花时间。这种错位背后是辅导课程和刷题惯性制造的泡沫。一些面经说算法很重要，另一些则强调实际工程能力。而围绕这一问题的辩论，其实可以通过一个简单的判断来终结：如果你追求的是数据工程而非软件开发，那就把时间押在能直接兑现的技能上。把LeetCode当成锻炼编程手感的热身，别当成主菜。