一、思维的转变，刷题不是目的

常见刷题思维 高效刷题思维
追求刷题数量 追求“知识模型”的构建
题型记不住、技巧忘了 把题归类、构建知识图谱
做过就忘、感觉无序 有计划、有归档、有复盘

二、对知识系统的分类

推荐专题划分顺序：

1. 数组 / 双指针 / 滑动窗口
2. 栈与队列（括号匹配、单调栈）
3. 哈希表（Two Sum, 频次统计）
4. 字符串处理（KMP，字符串哈希）
5. 二分查找（左闭右开/开闭边界）
6. 链表（反转、环检测）
7. 树（前中后序 + DFS / BFS）
8. 回溯算法（组合、排列、数独）
9. 动态规划（01背包、区间DP、状态压缩）
10. 贪心策略（区间调度、跳跃游戏）
11. 并查集、图论（DFS/BFS/Dijkstra/Kruskal）

三、每个专题该怎么学习？

1. 建立模式卡片：

为每个模式创建一张知识卡片，包含： * 核心思想（用一句话概括） * 适用场景（什么问题能用它？） * 经典模板代码（精简版） * 关键变种/难点（如 DP 的状态定义、初始化） * 关联模式（如 BFS 和最短路径问题）

  • 可视化连接：用思维导图/XMind 连接相关模式（如：看到“子数组和” -> 想到前缀和、滑动窗口）。

2. 深度优先，而非广度优先：

  • 选定一个模式（如滑动窗口），集中火力刷透（10-15题）。
  • 刷题步骤：
    • 先做最经典题（力扣官方/高频题）。
    • 再做变种题（条件变化、限制变化）。
    • 最后做融合题（结合其他模式，如滑动窗口+哈希）。
  • 目标：彻底理解该模式的边界、陷阱和适用性。

四、学以致用：连接理论与价值 （提升价值感）

  1. 关联实际应用场景（解决“学这有什么用？”）：
    • 滑动窗口：实时监控系统（如1分钟请求数限制）、网络流量控制。
    • Trie树：搜索引擎自动补全、输入法候选词。
    • 并查集：社交网络好友关系、游戏地图连通性检测。
    • 拓扑排序：任务调度、课程安排、依赖管理（如npm包安装）。
    • LRU Cache：数据库缓存、浏览器缓存策略。
    • 布隆过滤器：Redis防止缓存穿透、邮件垃圾过滤。
    • 学习资源：《编程珠玑》《算法设计手册》中的案例，或直接看Redis/LevelDB等开源项目源码。
  2. 参与能落地的项目：
    • 用算法解决实际问题：如：
      • 写个小工具自动整理文档（字符串算法）。
      • 优化个人网站的图片加载策略（缓存算法）。
      • 分析股票数据（动态规划解最佳买卖时机）。
    • 贡献开源项目：参与需要算法优化的项目（如Apache基金会项目）。
  3. 参加有意义的竞赛/活动：
    • Kaggle（数据科学）：大量真实数据集，需优化算法。
    • Google Hash Code（团队编程赛）：解决接近工业界规模的问题。
    • 公司内部黑客马拉松：用算法解决业务痛点（如路径优化、推荐策略）。

五：输出作品集：输出倒逼输入

费曼学习法简化版本：文章，到个人博客+各个技术平台（总结+解答，以教代学）

可视化：针对每一种解法，对应的可视化效果？个人博客可以比较直接的放在下面？

源码开源：解题源码，保留每一种解法+思路===》github/gitee

总结拓展（知识的关联性，不是零散的）：将这个系列的题目放在一起学习，而不是零散的学习。

工具（模块化、可以复用）：类似 sdk hutool。工具，和解题过程不同，强调的是===可拓展性，复用性强。大部分以接口的形式呈现。

学以致用：有什么用？解决生活中的实际问题，可以是解决方案，最好设计方案+源码。

技术生态：以算法+数据结构===》对应的生态到底是什么？

总结

老马主要把刷题分为三个部分：

1）个人专题系列学习博客笔记，最好包含每一种解法的可视化过程

2）刷题的解题源码，到 github/gitee

3) 根据这个方法，整理一个 leetcode-toolkit 算法工具包，包含数据结构+算法

4）学习致用，边学边用。

chat

如何系统的学习？

疑问：

力扣算法每次感觉都要从头刷题 很容易忘记。全是零碎的知识点，如何系统，有效，高效的刷题学习。最好可以学有所用，加深应用，提升价值

这是个很典型、很真实的刷题困境： “刷了很多题，但过段时间又忘记，感觉像打水漂。” 这其实说明你已经进入了一个更高层次：你不满足于“做对题”，而是想系统化知识、提升能力、用得出来。

下面我将从几个方面给你设计一套系统 + 高效 + 可沉淀 + 有价值提升的刷题学习策略：

🧠 一、转变刷题目标：从“做题”到“构建认知体系”

常见刷题思维 高效刷题思维
追求刷题数量 追求“知识模型”的构建
题型记不住、技巧忘了 把题归类、构建知识图谱
做过就忘、感觉无序 有计划、有归档、有复盘

✅ 建议：明确一个主线目标

比如：

  • 找工作 → 高频面试题（字节、阿里、LeetCode Top 100）
  • 提升算法功底 → 算法专题+数据结构深度理解
  • 项目/场景运用 → 图、搜索、贪心、DP 等真实应用拆解

🗂️ 二、刷题思路：系统化、结构化分阶段

🔵 第一阶段：构建知识树（夯实基本功）

用专题 + 模板 + 高频例题 的方式打基础

推荐专题划分顺序：

1. 数组 / 双指针 / 滑动窗口
2. 栈与队列（括号匹配、单调栈）
3. 哈希表（Two Sum, 频次统计）
4. 字符串处理（KMP，字符串哈希）
5. 二分查找（左闭右开/开闭边界）
6. 链表（反转、环检测）
7. 树（前中后序 + DFS / BFS）
8. 回溯算法（组合、排列、数独）
9. 动态规划（01背包、区间DP、状态压缩）
10. 贪心策略（区间调度、跳跃游戏）
11. 并查集、图论（DFS/BFS/Dijkstra/Kruskal）

每个专题准备：

  • 一个模板总结
  • 5~10个典型例题（用错法+正解方式来理解）
  • 错题集（记录你错过的思维点）

🟠 第二阶段：题目归类 + 巩固迁移

方法：构建自己的题型知识库 + 思维模式

  • 把所有题整理进 notion/obsidian/有道笔记等工具

  • 每道题总结：

    • 解法分类（暴力？优化？贪心？）
    • 思路关键词（前缀和 + 哈希 + 双指针）
    • 解题模板（是否可以模板化）
    • 易错点（哪一步是关键）
    • 类似题目推荐

✅ 目的是为了“归纳思维模型”而不是“记住题解”

🟢 第三阶段：反复复习 + 模拟实战 + 场景应用

  • 每 1~2 周安排一次模拟面试（限时、无提示）
  • 复盘错题，更新“错题笔记”和“题型树”
  • 尝试讲题、写文章、录视频（越讲越懂）
  • 在项目中尝试用算法优化业务逻辑（比如路径规划、推荐排序、文本相似度）

🧰 三、工具建议：让刷题变“有沉淀”

工具 用法
Notion/Obsidian 建立算法知识库/错题本/专题笔记
LeetCode 题单功能 分类刷题 + 收藏错题
GitHub + Markdown 建立自己的刷题笔记项目（可当简历作品）
Typora / Logseq 可本地存储笔记，做结构化梳理
视频讲题 模拟面试、讲给别人听能加深理解

🧪 四、用得出来，价值才会提升

  1. 项目里用算法

    • 举例：某推荐系统 → 使用堆排序/滑动窗口做热度筛选
    • 后端服务限流 → 使用滑动窗口算法实现令牌桶

  2. 面试中脱颖而出

    • 面试官更关注“思路”而不是“做对”
    • 你能讲清楚题型归类、思维演化路径，就能加分

  3. 输出沉淀为内容/作品集

    • 形成自己的「算法笔记项目」/「面试笔记」/「讲题视频」
    • 这是对外展示价值的最好方式（对内也是二次学习）

🧭 五、每日/每周计划推荐

🗓️ 每日计划（60~90 分钟）：

  • 📚 20min：复习昨日错题 / 回顾一个专题
  • 🧠 40min：新做 1~2 道题（重点题精做）
  • ✍️ 30min：总结、笔记、错题集更新

📆 每周计划：

  • 周一~周五：专题精刷 + 总结
  • 周末：模拟实战 + 复盘 + 总结本周心得

🧩 六、建议关注的资源

  • 《代码随想录》（基础+图解+思维模型）
  • 《Labuladong 的算法小抄》（DP和套路非常系统）
  • YouTube/B站讲题博主：程序员鱼皮、小林 coding、AcWing
  • LeetCode 题单：剑指 Offer、Top 100、热题 HOT 100

🎯 最后一条核心建议

别追求题目数量，而是追求认知体系的质量。

当你能做到：

  • 遇到一个题能迅速判断题型
  • 能讲出多种解法思路的优劣
  • 能从项目中看到算法的影子

你就已经从“刷题者”成长为“算法工程师”了。

需要我帮你设计一份你的个人刷题计划表或专题刷题路线图吗？可以根据你当前水平和目标来定制。

DS

我完全理解你的困扰！刷题时感觉知识零散、学了就忘、缺乏体系感，这是非常普遍的问题。关键在于转变刷题策略，从“数量驱动”变为“体系驱动”和“深度驱动”。以下是我为你设计的系统性高效刷题方案，结合认知科学和实战经验，助你学有所用：

一、构建知识体系：告别零散，建立“算法地图”（核心基础）

  1. 按“算法模式/思想”分类，而非题目标签：
    • 核心模式：双指针、滑动窗口、二分查找、BFS/DFS、回溯、递归、分治、动态规划（DP）、贪心、拓扑排序、前缀和、单调栈、并查集、位运算、Trie树等。
    • 建立模式卡片：为每个模式创建一张知识卡片，包含：
      • 核心思想（用一句话概括）
      • 适用场景（什么问题能用它？）
      • 经典模板代码（精简版）
      • 关键变种/难点（如 DP 的状态定义、初始化）
      • 关联模式（如 BFS 和最短路径问题）
    • 可视化连接：用思维导图/XMind 连接相关模式（如：看到“子数组和” -> 想到前缀和、滑动窗口）。
  2. 深度优先，而非广度优先：
    • 选定一个模式（如滑动窗口），集中火力刷透（10-15题）。
    • 刷题步骤：
      • 先做最经典题（力扣官方/高频题）。
      • 再做变种题（条件变化、限制变化）。
      • 最后做融合题（结合其他模式，如滑动窗口+哈希）。
    • 目标：彻底理解该模式的边界、陷阱和适用性。

二、高效刷题法：对抗遗忘，深度加工（执行策略）

  1. “三刷五问”法（取代盲目重复）：
    • 一刷：独立思考 -> 卡壳不超过20分钟 -> 看题解核心思路（非代码！）。
    • 二刷（隔天）：独立写出完整代码，关注边界和效率。
    • 三刷（1周后）：快速写出最优解，并口述解题逻辑。
    • 五问自己：
      • 为什么用这个算法/数据结构？
      • 时间和空间复杂度是多少？能否优化？
      • 有哪些易错点（边界、初始化）？
      • 题目有哪些变种？还能怎么考？
      • 实际工程中哪里可能用到它？（如 LRU Cache 用哈希+双向链表）
  2. 间隔重复 + 主动回忆（科学记忆）：
    • 用 Anki/Notion 闪卡记录经典题、易错点、模式总结。
    • 设置复习周期（1天、3天、1周、2周…），逼自己回忆解题思路而非直接看答案。
    • 手写伪代码 > 直接敲代码（强化逻辑记忆）。
  3. 从“解题”到“教题”（费曼学习法）：
    • 尝试给他人（或假想的听众）讲解一道题。
    • 录制解题视频或写题解博客（如GitHub/Gitee）。
    • 教是最好的学：讲不通的地方就是你的知识盲点。

三、学以致用：连接理论与价值（提升价值感）

  1. 关联实际应用场景（解决“学这有什么用？”）：
    • 滑动窗口：实时监控系统（如1分钟请求数限制）、网络流量控制。
    • Trie树：搜索引擎自动补全、输入法候选词。
    • 并查集：社交网络好友关系、游戏地图连通性检测。
    • 拓扑排序：任务调度、课程安排、依赖管理（如npm包安装）。
    • LRU Cache：数据库缓存、浏览器缓存策略。
    • 布隆过滤器：Redis防止缓存穿透、邮件垃圾过滤。
    • 学习资源：《编程珠玑》《算法设计手册》中的案例，或直接看Redis/LevelDB等开源项目源码。
  2. 参与能落地的项目：
    • 用算法解决实际问题：如：
      • 写个小工具自动整理文档（字符串算法）。
      • 优化个人网站的图片加载策略（缓存算法）。
      • 分析股票数据（动态规划解最佳买卖时机）。
    • 贡献开源项目：参与需要算法优化的项目（如Apache基金会项目）。
  3. 参加有意义的竞赛/活动：
    • Kaggle（数据科学）：大量真实数据集，需优化算法。
    • Google Hash Code（团队编程赛）：解决接近工业界规模的问题。
    • 公司内部黑客马拉松：用算法解决业务痛点（如路径优化、推荐策略）。

四、高效工具链：自动化辅助

| 工具类型 | 推荐工具 | 用途 | |———————|———————————-|——————————————| | 知识管理 | Notion/Obsidian/Anki | 建立互联知识库，制作复习闪卡 | | 刷题计划 | LeetCode Study Plan/自制甘特图 | 跟踪进度，避免随机刷题 | | 代码可视化 | Python Tutor/LeetCode动画 | 直观理解代码执行过程 | | 复杂度分析 | Big O Cheat Sheet (速查表) | 快速评估解法优劣 | | 项目实践平台 | GitHub/GitLab, Replit | 落地算法项目，积累作品集 |

五、关键心态调整

  1. 接受遗忘是正常的：大脑不是硬盘，通过体系索引+刻意回忆提取才能深化记忆。
  2. 追求“模式识别”而非“背题”：面试官常考变种题，死记答案必挂。
  3. 20%核心算法解决80%问题：优先精通：双指针、二分、DFS/BFS、回溯、DP、哈希、堆、树遍历。
  4. 定期“返工”：每月回顾知识框架，删除过时笔记，补充新感悟。

终极心法：刷题不是目的，而是训练“问题抽象能力”和“算法设计直觉”。当你拿到新题能快速定位模式、调整模板、避开陷阱时，你就完成了从“刷题者”到“问题解决者”的蜕变。

最后赠言：真正的算法高手不是记住1000道题，而是能用20种核心思想优雅解决1000种问题。你现在感觉的零散，终将在体系建成时化为掌控感。坚持下去，每一步思考都在重塑你的大脑！