易行男·龙大崇1. 力扣刷题方法论：从零到精通的系统化实践
（开头部分）
最近两年在技术社区经常看到这样的讨论："刷了300道力扣题还是不会写代码"、"刷题三个月面试依然挂"。这让我想起自己刚入门算法时的经历——曾经连续一周卡在二叉树遍历上，连最简单的递归都写不利索。后来通过系统化的方法，不仅顺利拿下大厂offer，还养成了持续精进的习惯。今天就把这套经过实战检验的力扣刷题体系分享给大家。
力扣（LeetCode）作为全球知名的编程题库平台，收录了2000+道算法与数据结构题目。但单纯追求刷题数量就像在健身房盲目举铁——动作不规范反而容易受伤。真正有效的刷题需要明确目标（面试突击/能力提升）、建立知识体系、掌握解题模板，并通过错题本实现螺旋上升。下面就以我的刷题本记录为样本，拆解每个环节的实操要点。
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. 刷题前的准备工作
2.1 工具链配置
工欲善其事必先利其器。推荐使用以下工具组合：
- VS Code + LeetCode插件：支持本地调试和提交记录管理
- draw.io：可视化算法执行过程（特别是递归和指针操作）
- Notion或飞书文档：建立结构化笔记系统
重要提示：千万不要在力扣网页编辑器里直接写代码！缺乏自动补全和本地测试会大幅降低效率。
2.2 题目分类体系
根据面试考察频率和知识关联性，我将题目分为六大类：
- 数据结构基础（数组/链表/栈/队列）
- 递归与分治（二叉树/DFS/BFS）
- 动态规划（背包问题/股票问题）
- 贪心算法（区间问题/调度问题）
- 设计类（LRU/OOD）
- 数学与位运算
每类建立独立的知识卡片，记录典型题解模板和变种题型。例如二叉树遍历就包含：
python复制# 递归模板
def traverse(root):
if not root: return
# 前序
traverse(root.left)
# 中序
traverse(root.right)
# 后序
# 迭代模板（使用栈模拟递归）
def preorder(root):
stack, res = [root], []
while stack:
node = stack.pop()
if node:
res.append(node.val)
stack.append(node.right)
stack.append(node.left)
return res
3. 刷题四步法实战
3.1 读题与抽象建模
以经典题#146 LRU缓存为例：
- 标注关键约束：O(1)时间复杂度的get/put
- 识别数据结构需求：快速查询→哈希表；维护顺序→双向链表
- 边界条件：capacity为0时的处理
3.2 手写伪代码
先不着急写具体实现，用注释搭建框架：
python复制class LRUCache:
def __init__(self, capacity):
# 哈希表保存key到节点的映射
# 双向链表维护访问顺序
# 维护当前size和capacity
def get(self, key):
# 如果key不存在返回-1
# 将节点移到链表头部
# 返回节点值
def put(self, key, value):
# 如果key已存在，更新值并移到头部
# 如果达到容量，删除尾部节点
# 插入新节点到头部
3.3 测试驱动开发
使用力扣的测试用例进行验证：
python复制def test_LRUCache():
cache = LRUCache(2)
cache.put(1, 1)
cache.put(2, 2)
assert cache.get(1) == 1
cache.put(3, 3) # 淘汰2
assert cache.get(2) == -1
3.4 复杂度分析与优化
记录每道题的时间/空间复杂度，思考优化方向。比如LRU缓存：
- 时间复杂度：哈希表操作O(1)，链表操作O(1)
- 空间复杂度：O(capacity)
- 优化点：使用OrderedDict简化实现（但面试时建议手写）
4. 错题本管理技巧
4.1 错误分类体系
建立错误类型标签：
- 边界条件（空输入/极值）
- 概念误解（DP状态定义错误）
- 编码失误（指针丢失/循环条件）
- 优化盲区（未识别更优解法）
4.2 复盘模板
每个错题记录包含：
- 原始错误代码片段
- 错误原因分析（配图示更佳）
- 正确解法实现
- 同类题变种（如#460 LFU缓存）
例如在解决#4寻找两个正序数组的中位数时，最初错误地将时间复杂度做到O(m+n)。复盘后发现可以通过二分查找将复杂度优化到O(log(min(m,n)))，关键点在于：
- 对较短数组进行二分切割
- 确保左半部分总数等于右半部分
- 通过比较相邻元素确定切割位置
5. 高频题型精讲
5.1 动态规划专题
以#322零钱兑换为例，拆解DP解题步骤：
- 定义状态：dp[i]表示凑成金额i所需的最少硬币数
- 初始状态：dp[0]=0，其他初始化为inf
- 状态转移：
python复制for coin in coins: for i in range(coin, amount+1): dp[i] = min(dp[i], dp[i-coin]+1) - 优化：可以先排序coins提前终止内层循环
5.2 二叉树专题
对于#105从前序与中序遍历序列构造二叉树：
- 前序首元素为根节点
- 在中序中找到根节点位置
- 递归构建左右子树
python复制def buildTree(preorder, inorder):
if not preorder: return None
root_val = preorder[0]
root = TreeNode(root_val)
idx = inorder.index(root_val)
root.left = buildTree(preorder[1:idx+1], inorder[:idx])
root.right = buildTree(preorder[idx+1:], inorder[idx+1:])
return root
6. 面试冲刺策略
6.1 高频题清单
根据近半年面试反馈整理出最高频的50题：
- 数组：#1两数之和 #15三数之和
- 链表：#206反转链表 #141环形链表
- 字符串：#3无重复字符的最长子串 #5最长回文子串
- 树：#102层序遍历 #236最近公共祖先
6.2 白板编程训练
在面试前两周每天进行：
- 45分钟限时完成2道中等难度题
- 使用真实白板或白板软件练习
- 全程自言自语解释解题思路
6.3 行为问题准备
技术面试常伴随的行为问题：
- "遇到最难的技术挑战"→可以讲调试复杂算法的经历
- "如何与同事意见分歧"→举例讨论算法优化方案
- "最近学习的新技术"→可以谈刷题中学到的算法思想
7. 长期提升计划
7.1 周训练计划示例
- 周一：数据结构基础（数组/链表）
- 周二：递归与回溯（二叉树/排列组合）
- 周三：动态规划（经典模型）
- 周四：贪心算法（区间问题）
- 周五：设计题（OOD/系统设计）
- 周末：参加周赛检验成果
7.2 复杂度速查表
| 算法 | 平均时间复杂度 | 适用场景 |
|---|---|---|
| 二分查找 | O(log n) | 有序数据查询 |
| 快速排序 | O(n log n) | 通用排序 |
| DFS/BFS | O(V+E) | 图/树遍历 |
| 动态规划 | O(n^2) | 最优子结构问题 |
| 堆操作 | O(log n) | TopK问题/优先队列 |
这套方法让我在6个月内从算法小白到AC率85%+，关键不在于刷题数量，而是建立解题的肌肉记忆。现在回头看那些让我抓耳挠腮的题目，发现不过是几种基础模式的排列组合。最后给初学者的建议：把前100道经典题吃透，比盲目刷300道更有价值。