Fantix King1. 补题周报的设计初衷
作为一线程序员，我每周都会遇到各种未解决的算法题或技术难题。去年开始，我养成了每周整理"补题周报"的习惯，这个简单的动作让我的解题效率提升了至少3倍。补题周报不是简单的错题本，而是包含问题分析、解题思路、代码实现和反思优化的完整技术档案。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 周报内容结构设计
2.1 问题记录模块
每道题目的记录包含：
- 题目来源（LeetCode编号/公司真题等）
- 初次接触时间
- 初始解题思路
- 遇到的报错信息（含截图）
- 相关知识点树状图
我特别推荐用Markdown表格整理，例如：
| 题号 | 标题 | 难度 | 首次提交时间 | 错误类型 |
|---|---|---|---|---|
| LC15 | 三数之和 | 中等 | 2023-08-01 | 边界条件 |
2.2 解题过程记录
这部分要详细记录：
- 重新审题时的发现（常会注意到之前忽略的条件）
- 画图辅助分析的草图（手绘拍照或draw.io图表）
- 分步骤的伪代码
- 复杂度分析过程
重要提示：一定要记录错误解法！我保留所有WA（Wrong Answer）的代码版本，这是最宝贵的学习材料。
3. 技术复盘方法论
3.1 四步分析法
- 问题定位：用二分法确定出错代码段
- 模式识别：对比历史错误记录找共性
- 知识补全：整理相关算法模板
- 测试用例：设计针对性测试数据
3.2 代码优化轨迹
我会保存每个优化版本的代码差异：
python复制# v1 暴力解法 O(n^3)
def threeSum(nums):
...
# v2 排序+双指针 O(n^2)
def threeSum(nums):
nums.sort()
...
4. 实用工具推荐
4.1 本地管理方案
- VS Code + Todo Tree插件：用标签管理待补题目
- Git版本控制：每个题目单独分支开发
- 本地测试脚本：批量运行历史错误用例
4.2 可视化分析工具
- LeetHub：自动同步提交记录
- Obsidian：建立题目间的知识图谱
- draw.io：绘制指针移动示意图
5. 常见问题解决实录
5.1 边界条件错误
典型表现：
- 数组越界（特别是空数组情况）
- 整数溢出（Python虽无此问题但要考虑其他语言）
- 去重逻辑遗漏
解决方案：
- 编写预处理检查函数
- 使用try-catch包裹可疑代码段
- 打印运行时变量快照
5.2 算法选择失误
识别特征：
- 超时但能通过简单用例
- 内存消耗异常高
- 特殊用例通过率低
应对策略：
- 重新评估题目约束条件
- 画时间/空间复杂度对比表
- 查阅相似题目的最优解
6. 个人效率提升技巧
6.1 错题分类法
我按错误类型建立了标签体系：
- 🟥 边界条件
- 🟦 算法选择
- 🟩 实现细节
- 🟨 优化空间
6.2 定期复习机制
使用Anki制作记忆卡片，设置：
- 首次复习：3天后
- 第二次：1周后
- 第三次：2周后
- 后续根据掌握程度动态调整
7. 进阶实践建议
对于想深度提升的开发者，建议：
- 建立题目变种库（如二数之和→三数之和→四数之和）
- 录制解题讲解视频（费曼学习法）
- 参与周赛并记录每道题的耗时分布
- 用性能分析工具比较不同解法
我的实测数据显示，坚持记录补题周报6个月后：
- 周赛排名提升87%
- 面试白板题通过率提升65%
- 同类错误重复率降至5%以下
最后分享一个血泪教训：曾经因为没记录某个边界条件的处理方式，在面试时遇到几乎相同的题目又犯了完全相同的错误。从那以后，我再也不敢轻视补题记录了。