某大厂员工吐槽：单位新来的00后嫌椅子不舒服，自己买了把一千多人体工学椅，老员工看到后沉默了，自己忍了十几年只买了靠垫!

刚刷到这个帖子我真是一下就乐了，太像办公室连续剧了。

新来的00后嫌公司椅子坐着难受，转头自己下单一把一千多的人体工学椅，动作干脆得像在修自己bug。旁边那帮老员工估计表情都挺复杂，先“啧啧啧”三声，随后集体安静。

老员工不是不难受，是真忍习惯了，腰不行了买个靠垫，脖子酸了贴个膏药，主打一个能凑合就凑合。结果00后上来直接告诉大家，难受就换，别硬扛。你说他娇气吧，人家也没花公司钱。你说他不懂职场吧，问题是他这一下，反倒把“忍了十几年”这件事衬得有点心酸了。

这题第一次看，很多人会往进制转换上硬怼，结果很快就把自己绕进去了。

n = "13"，答案是 3，因为 13 = 111(3)。n = "4681"，答案是 8，因为 4681 = 11111(8)。

看到这里，直觉一般有两种：一种是枚举进制，一种是想着怎么把十进制转成别的进制去验证。前一种会超时，后一种大概率也不轻松。这个题麻烦的地方，不在“转”，而在“1 的个数到底有多少”。写这种题，别上来就扫进制，我一般先盯式子。

所谓“好进制”，意思是这个数在某个进制 k 下，表示出来全是 1。那它一定长这样：

n = 1 + k + k**2 + ... + k**m

这里的 m 表示最高位的指数，也就是说，总共有 m + 1 个 1。

这一下就不是进制题了，变成了等比数列求和题。再往前走一步：

n = (k ** (m + 1) - 1) // (k - 1)

但公式写出来不等于题就解了。坑在这里：k 不知道，m 也不知道。两个未知数，不能乱枚举。

这时候就该先收缩范围。 如果一个数写成全 1 的形式，位数越多，进制一定越小。题目要求最小好进制，本质上就是：尽量让 1 的个数更多。

所以我会先枚举位数，也就是枚举 m，从大到小试。为什么能这么干？因为一旦某个更长的长度成立，它对应的进制一定更小，直接就是答案。

m 的上界也不大。最极端的情况是进制为 2，这时候：

n = 1 + 2 + 4 + ... + 2**m

所以 m < log2(n)。题目里 n 是字符串，但转成整数后这个范围完全可控。

剩下的事就简单了： 固定一个 m，在区间里二分 k。因为随着 k 变大，1 + k + k^2 + ... + k^m 也单调变大，天然适合二分。

代码我更喜欢这么写，不直接套求和公式，现场一项一项累加，顺手还能控溢出，判断也更稳：

classSolution:
defsmallestGoodBase(self, n: str) -> str:
        num = int(n)
        max_m = num.bit_length() - 1# 相当于 floor(log2(num))

for m in range(max_m, 1, -1):
            left, right = 2, int(num ** (1 / m)) + 1

while left <= right:
                k = (left + right) // 2

                total = 1
                cur = 1
for _ in range(m):
                    cur *= k
                    total += cur
if total > num:
break

if total == num:
return str(k)
elif total < num:
                    left = k + 1
else:
                    right = k - 1

return str(num - 1)

最后这个 return str(num - 1) 很关键，算是兜底。

因为任何一个数 n，至少都可以写成 11 这种形式，也就是：

n = 1 * (n - 1) + 1

所以进制 n - 1 一定是合法答案。前面如果没找到更长的全 1 表示，那就只能退回这个最短的两位 11。

这题真正的转折点，不是想到“二分”，而是先把“最小进制”翻译成“最多位的 1”。这一步想明白，后面基本就是标准动作了。

很多算法题就是这样，表面问你 A，实际得先把它改写成 B。不改写，代码写得越勤，离答案越远。这个题就挺典型。