算法刷题笔记：构建知识体系与面试实战指南

1. 项目概述

"2026-01-07 hetao1733837 的刷题笔记"这个标题看似简单，但背后蕴含着一个程序员在算法学习道路上的系统化思考。作为一名经历过数百场技术面试的面试官，我深知一套优质的刷题笔记对求职者的价值有多大。这不仅仅是一份解题记录，更是一个开发者思维成长的完整轨迹。

好的刷题笔记应该包含题目解析、多种解法比较、复杂度分析、易错点记录以及个人心得。从日期编号方式可以看出，这很可能是某位开发者的系列笔记之一，采用时间戳+ID的命名方式便于版本管理，这种严谨性值得肯定。

2. 刷题笔记的核心价值

2.1 知识体系化构建

刷题笔记最大的价值在于将零散的算法知识点串联成网。以二叉树为例，单独的题目解法是点，而通过笔记将前序/中序/后序遍历、递归与迭代实现、Morris遍历等不同解法横向对比，就能形成知识面。

我在指导新人时发现，那些能快速通过大厂面试的候选人，无一例外都建立了这样的知识网络。他们的笔记中常见这样的结构：

• 题目描述（含原题链接）
• 初始思路（包括第一反应和可能的误区）
• 最优解法（带时间/空间复杂度分析）
• 变体思考（如果改变题目条件该如何调整）

2.2 个人思维轨迹记录

优质的刷题笔记会忠实记录思考过程。比如遇到"最长无重复子串"时，应该记下：

1. 第一反应是用暴力解法（O(n^3)）
2. 然后想到滑动窗口优化（O(n^2)）
3. 最后进阶到哈希表+滑动窗口（O(n)）

这种演进过程比直接记住最优解更有价值。我自己的笔记中会用不同颜色标注：

• 红色：初次尝试的错误思路
• 绿色：最终通过的解法
• 蓝色：值得关注的优化点

3. 刷题笔记的实践方法

3.1 笔记工具选型

根据我的实测经验，推荐以下工具组合：

VS Code + LeetCode插件：

• 优点：直接在线提交，自动生成解题模板
• 配置技巧：设置"leetcode.defaultLanguage": "python3"避免每次切换

本地备份方案：

. ├── 0-数据结构 │ ├── 链表 │ └── 树 ├── 1-算法 │ ├── 双指针 │ └── 动态规划 └── 2-周赛记录

重要提示：务必建立git仓库管理笔记，每次更新后提交。我曾因硬盘损坏丢失过三个月笔记，教训深刻。

3.2 标准化记录模板

这是我打磨多年的笔记模板：

# 题目编号. 题目名称 **难度**：⭐️⭐️⭐️（自评） **标签**：`哈希表` `滑动窗口` ## 初始思路 ```python # 第一版代码（通常有缺陷） def func(): pass ``` ## 问题发现 - 未考虑边界条件（如空输入） - 时间复杂度超出限制 ## 优化过程 1. 引入哈希表存储索引 2. 调整窗口滑动逻辑 ## 最终解法 ```python def lengthOfLongestSubstring(s: str) -> int: char_index = {} left = max_len = 0 for right, char in enumerate(s): if char in char_index and char_index[char] >= left: left = char_index[char] + 1 char_index[char] = right max_len = max(max_len, right - left + 1) return max_len ``` ## 复杂度分析 - 时间：O(n) 单次遍历 - 空间：O(min(m,n)) 字符集大小

3.3 高效复习策略

根据艾宾浩斯遗忘曲线，我制定了这样的复习计划：

1. 首次记录：完整解题+注释
2. 1天后：尝试白板重写
3. 3天后：只看题目快速实现
4. 1周后：与其他相似题目对比
5. 1月后：检查是否仍能秒杀

使用Anki制作记忆卡片效果更佳，但需要坚持。我的学生中，能严格执行这个计划的，算法面试通过率提升40%以上。

4. 典型问题解决方案

4.1 动态规划类题目

以"最长递增子序列"为例，常见误区包括：

• 混淆子序列与子串
• 状态转移方程错误
• 初始化条件遗漏

我的笔记会特别标注：

# 关键突破点：dp[i]表示以nums[i]结尾的LIS长度 dp = [1] * len(nums) # 每个元素本身至少是长度为1的子序列 for i in range(1, len(nums)): for j in range(i): if nums[i] > nums[j]: dp[i] = max(dp[i], dp[j] + 1) # 状态转移

经验之谈：DP类题目建议先手推小规模案例，画出状态转移表再编码。

4.2 二叉树遍历变体

比如"锯齿形层次遍历"，需要记录：

• 常规BFS实现
• 加入depth判断奇偶层
• 使用双端队列优化反转操作

from collections import deque def zigzagLevelOrder(root): if not root: return [] queue = deque([root]) res = [] level = 0 while queue: size = len(queue) current_level = deque() for _ in range(size): node = queue.popleft() if level % 2 == 0: current_level.append(node.val) else: current_level.appendleft(node.val) if node.left: queue.append(node.left) if node.right: queue.append(node.right) res.append(list(current_level)) level += 1 return res

5. 高级技巧与优化

5.1 空间复杂度降维

以"打家劫舍"问题为例，可以从O(n)空间优化到O(1)：

def rob(nums): prev_max = curr_max = 0 for num in nums: temp = curr_max curr_max = max(prev_max + num, curr_max) prev_max = temp return curr_max

这种优化在面试中往往是加分项，但需要明确：

1. 先写出基础DP解法
2. 分析状态依赖关系
3. 逐步替换数组变量

5.2 模板化解题思路

我总结了几类高频题目的解题模板：

滑动窗口模板：

left = 0 for right in range(len(s)): # 更新窗口状态 while 不满足条件: # 移动左指针 left += 1 # 更新结果

回溯法模板：

def backtrack(path, choices): if 满足结束条件: 记录结果 return for 选择 in 选择列表: if 不合法选择: continue 做选择 backtrack(path, choices) 撤销选择

6. 笔记的迭代与维护

6.1 版本控制策略

建议采用这样的git提交规范：

feat: 新增二叉树遍历解法 fix: 修正动态规划边界条件 docs: 补充复杂度分析 refactor: 重构滑动窗口实现

配合git tag标记重要里程碑：

git tag -a v1.0 -m "基础算法笔记完成" git tag -a v2.0 -m "加入高频面试题解"

6.2 自动化校验

编写简单的测试脚本确保笔记中的代码仍然有效：

import unittest from solutions import lengthOfLongestSubstring class TestSolutions(unittest.TestCase): def test_lengthOfLongestSubstring(self): self.assertEqual(lengthOfLongestSubstring("abcabcbb"), 3) if __name__ == "__main__": unittest.main()

我每周会运行一次完整测试，避免因环境变化导致旧代码失效。

7. 从笔记到面试实战

7.1 高频考点提炼

根据最近半年的大厂面试真题，这些知识点出现频率最高：

1. 二维矩阵中的DFS/BFS（岛屿问题）
2. 前缀和+哈希表（子数组求和）
3. 单调栈（接雨水问题）
4. 堆的应用（Top K问题）
5. 图的最短路径（Dijkstra算法）

建议为每类高频考点创建专项笔记，记录至少3种变体题目。

7.2 白板编程训练

笔记中的代码最终要转化为白板书写能力，我的训练方法是：

1. 随机选择一道中等难度题目
2. 设置25分钟倒计时
3. 使用真实白板或白板软件书写
4. 全程自言自语解释思路
5. 结束后对比笔记检查遗漏点

这个过程中发现，能在笔记中清晰写出解题步骤的题目，白板表现明显更好。