找重复数字，用set就结束了？这道校招题还能追问三层

先看这组数：7、3、7、3、7。

如果题目说“找出重复数字”，你会返回什么？7和3？每个数各出现几次？还是所有重复出现的位置？

这几种答案都可能符合某一种需求，但它们不是同一个函数。

用一道模拟面试题往下拆，最值得展示的第一项能力，就是在动手写代码前，把“重复”的输出定义问清楚。

第一层：你求的是重复的值，还是重复的次数

对刚才的输入，几个结果分别是：

直接写set只会得到不同的值，无法单靠这个结果知道哪些值重复。len(values) - len(set(values))能计算多出来的出现次数，也不能告诉你每个值重复了几次

先约定本次函数：输入只接受整数，不把布尔值算作整数；输出所有出现超过一次的值，按它们在输入中首次出现的顺序排列。

from collections import Counter

def duplicated_values(values):
    counts = Counter()
    for value in values:
        if type(value) is not int:
            raise ValueError("只接受整数，不接受布尔值")
        counts[value] += 1
    return [value for value, count in counts.items() if count > 1]

assert duplicated_values([7, 3, 7, 3, 7]) == [7, 3]
assert duplicated_values([]) == []
assert duplicated_values([2, 3, 3, 2]) == [2, 3]

这里利用Counter保存首次插入顺序的行为。最后一个断言有意区分两种顺序：首次出现顺序是2、3，首次“被发现重复”的顺序却是3、2。

如果题目没有要求输出顺序，也应说清自己的选择，避免测试和实现各自假定一种口径。

第二层：输入里混进True，为什么结果可能变了

Python里，True与1的相等比较为真，布尔值也属于int的子类。若直接把它们放进依赖相等性与哈希的计数结构，就可能被视为同一个键。

所以示例没有用isinstance(value, int)，而是明确排除了布尔值。这不是说所有产品都必须这样做，而是当前函数契约只接受严格的整数输入。

还可以继续问：负数算不算合法？是否允许空输入？数字字符串"7"与整数7是不是同一项？如果业务处理的是编号，前导零是否有意义？

这些问题不需要全部塞进一个算法题里，但你应该知道，选择一种数据结构之前，先要知道业务认为什么东西相等。

测试样本可以这样准备：

• 全部不同，检查没有误报。
• 一个值多次出现，检查只输出一次。
• 多个重复值交错出现，检查计数与顺序。
• 空输入、负数和零，按已确认契约验收。
• 布尔值、字符串等非约定类型，明确拒绝或明确转换。

第三层：数据放不进内存，还能不能这么做

对可哈希的普通整数，在通常的哈希表条件下，计数方案的期望时间随输入规模线性增长；空间主要取决于不同值的数量。

“线性时间”不代表不用考虑内存。几亿个不同值各保留一个计数，字典本身也需要空间。生成器可以避免一次性保存全部输入，却不能让计数表凭空消失。

如果数据已经排序，可以逐组统计相邻相同值；如果输入远大于内存，可以考虑外部排序后分组，或者按稳定规则分区，再在每个分区内计数。分区方案仍要处理倾斜和过大的分区，不能只说“哈希一下就行”。

若业务只需要判断“可能见过没有”，某些近似结构可能有用；但如果要求精确列出重复值，就不能把有误判概率的结果直接当成最终答案。

AI能秒写函数，你要能说出它漏了哪个条件

让AI写找重复数字的代码并不难。更能体现测试开发思路的练习，是拿同一份输入定义去核验它：输出值还是次数，顺序如何处理，非法类型怎么办，数据规模变化后还有什么限制。

可以把问题分成三步回答：

“我先确认重复的定义和输出顺序。对可放进内存的输入，用计数表统计，再按约定返回结果。如果规模很大，会评估不同值数量和可用内存，再选择排序或分区方案，并保留对应的异常与边界测试。”

这段回答的价值，在于每一步都能继续展开一个例子。面试官换一组数据，你仍然知道自己在验证什么。

下次遇到看起来只有一行set的题，先写出一个你认为正确的输入输出对。把问题说清楚，代码才有办法写对。