LeetCode高效刷题闭环:从读题到复盘的方法论 提到 #leetcode# 这个标签很多人脑子里冒出来的第一个画面大概率是深夜对着一个题目卡到怀疑人生。我刷了几年的算法题库从最初看题像看天书到后来能在模拟面试里稳定讲出一套清晰的思路最大的感受是刷题这条路真正拉开差距的从来不是完成了多少题而是你有没有建立“做题—复盘—总结—复用”的闭环。这篇内容围绕 #leetcode# 展开我会把实测过的刷题方法、拆题思路、复盘模板和踩坑清单一次性讲清楚。适合刚开始刷题的新手也适合刷了挺久却总觉得没沉淀下来的开发者。1. LeetCode 刷题整体思路先把目标定清楚再谈题量很多人启动刷题的方式是注册账号点开热门题目从第一道开始往下做。我之前也这样干过两周后翻记录发现前面做过的题基本没留下印象。这不是记性差而是目标缺失。刷题和做项目本质是一回事没有目标就没有验收标准没有验收标准就很难形成正向反馈最后只剩“看起来很努力”的自我感动。1.1 按阶段拆目标不同人群的侧重点差很远刷题的人大致可以分成三类每类的侧重点完全不同。第一类是准备面试、时间只剩一到三个月的人。这类人应该优先接触出现频率最高的题型比如数组、哈希、双指针、二叉树、动态规划而不是去啃冷门偏题。目标不是成为算法专家而是建立一套能应对大部分常见题的解题反应。我在这个阶段的做法是每天两到三道题重点不放在难度上而放在“能不能用自己的话把思路讲明白”。第二类是正在打基础、想系统提升算法能力的人。这类人适合按模块完整过一遍每个专题花一到两周把原理、模板、变体题全部吃透。此时做题的意义不是“过一遍”而是在脑子里建一棵完整的知识树知道每个算法适合什么问题、不适合什么问题。第三类是奔着竞赛去的。这类人需要练限时下的判断力、代码速度和应对极端数据的心态平时刷题的方式应该是整段限时模拟而不是一道题耗一整晚。竞赛和面试的考察点不一样用竞赛的标准去练面试题会浪费大量时间反过来也一样。我见过最多的误区是拿第二类的目标去执行第一类的计划。明明只剩一个月还在纠结某道困难题的六种解法结果基础题型反而不熟。这是时间分配问题不是题目难度问题。建议在开始刷题前先给自己定一句非常具体的目标比如“三十天后我能在四十分钟内完成一道中等难度的题目并能说清时间复杂度和空间复杂度”后面所有练习都围绕这句话展开。1.2 别随机刷题按题型模式推进效率更高算法题看着千变万化拆开来看就是几十种套路的组合。同样是子数组问题有的要用滑动窗口有的要用前缀和有的要用单调栈。如果今天做一道滑动窗口明天做一道前缀和大脑只会在每个知识点上浅尝辄止很难形成条件反射。我的做法是按模式专题推进这周只做滑动窗口下周只做二分查找再下周集中双指针和回溯。这样每周训练的是同一种识别能力看到题目条件你能迅速判断“这是在考滑动窗口”。这种识别能力恰恰是面试中最值钱的因为大多数题你都没见过原题但模式是熟悉的。你可能会担心只做一类题会不会太窄。实际上不会。一个模式内部也分很多变体比如同样是滑动窗口有固定窗口、可变窗口、配合哈希表去重的窗口够你练很久。把一个模式吃透远好过二十个模式都只见过一眼后者一到真实场景全忘光。1.3 一套参考用的12周专题推进节奏我给自己定过一个周期性计划按核心专题推进每个专题搭配复习任务。下面这个节奏可以按实际情况调整周次专题备注第1-2周数组与哈希表建立索引思想第3周双指针快慢指针、左右指针第4-5周二分查找注意边界条件和三分支模板第6周滑动窗口固定窗口与可变窗口第7-8周树与DFS/BFS二叉树遍历变体第9周回溯排列、组合、子集问题第10-11周动态规划背包、区间、状态机第12周综合复习与面试模拟按难度随机抽题这个计划不是死的某类专题基础差就多停一周为了赶进度跳过去得不偿失。每个周期结束时趁热用几分钟把这类题的核心模板写一遍能默写出来才说明真的掌握。如果你已经能独立把某类题做出来也不必机械重复可以往前推进到下一环节。2. 刷题核心细节读题、复杂度分析、复盘笔记题目数量只能带来短暂满足感真正决定刷题质量的是三个容易被忽略的环节读题、复杂度分析、复盘。这三件事做不好刷一百题和刷十题的效果没有本质区别。2.1 读题的正确姿势先别动手写代码我第一次刷题的时候经常题目看到一半就急着动手结果写完发现漏了关键条件全部推翻重来。现在我的习惯是拿到题目后先读三遍。第一遍通读搞清楚题目要你做什么输入是什么输出是什么。第二遍细读示例把示例输入输出在纸上手动跑一遍确认理解没有偏差。第三遍专门读约束条件这一步最关键。约束范围直接决定算法方向灵感的最后一块拼图往往就藏在最下面。举个例子如果数据量 n 只有 1000两层循环 O(n^2) 完全可以接受就没有必要一上来强行设计 O(n) 的复杂解法如果 n 是 1e5那两重循环大概率会超时就该优先考虑 O(n log n) 或 O(n) 的算法思路。另外还要注意边界情况。空数组、单元素数组、所有元素相等、目标值不存在、负数出现等等这些都不是刁钻的特例而是测试用例里一定会出现的常规内容。提前养成“读完题就把边界列出来”的习惯提交时就不会反复被小细节打回。2.2 复杂度分析要练到脱口而出很多新手写代码只看功能能不能跑通从不主动估算复杂度结果一上大数据就超时然后对着评测系统干瞪眼。复杂度分析不是一道附加题而是代码设计的一部分。面试时如果能主动说出“这个方案时间复杂度 O(n^2)空间复杂度 O(1)数据量到万级时会吃力如果改成哈希表法时间复杂度降到 O(n)空间增加到 O(n)”面试官至少会认为你是一个有全局判断力的工程师而不是一个只会背代码的刷题机器。复杂度分析还能帮你在“最优解”和“可行解”之间做取舍。有时候 O(n log n) 的方案已经满足面试要求就不必花两小时死磕一个 O(n) 的极限方案。但你一定要能说出为什么放弃 O(n) 方案或是没有选择它能解释清楚这一点比硬写出一个 bug 百出的所谓最优解要好得多。2.3 复盘笔记模板把“做过”变成“会了”做完一道题不等于掌握一道题。我见过太多人刷完题就划掉三个月后连题型都回想不起来。我的做法是每一道题做完后在笔记里登记六个字段题目一句话描述第一反应读完题最先想到的解法思路演进从第一反应到最终方案之间发生了什么核心复杂度时间复杂度和空间复杂度卡壳点哪里耽误超过二十分钟为什么卡住可复用经验这道题能和哪一类问题共享同一个核心套路记录“差点做出来”的题往往比记录“轻松做出来”的题更有价值。因为轻松做出来的题代表你已经掌握的模式而那些差点做出来的题恰好处于能力边界的边缘是最容易提升的部分。每周翻一次复盘笔记看看卡壳点有没有反复出现这比盲目加题量有用得多。3. 完整实操记录一道典型题目从读题到提交的全过程光讲方法太虚我拿一道很典型的题目来完整走一遍流程。这道题涉及数组、前缀和、哈希表难度适中也是面试中很常见的一类模型。3.1 题目描述与思路收敛题目大意是给定一个整数数组 nums 和一个目标整数 k要求返回所有元素之和等于 k 的最长连续子数组的长度。如果不存在这样的子数组返回 0。拿到这个题我按顺序过一遍约束数组可能包含负数数组长度可能到 1e5目标 k 可正可负可为零。看到负数这一点就要立刻警觉因为很多人第一反应是滑动窗口但滑动窗口要求窗口移动时总和具备单调性出现负数后双指针直接失效。那么余下的方向就是枚举子数组或者用前缀和。枚举所有子数组两重循环是 O(n^2)面对 1e5 的数据量必然超时。核心思路可以转成前缀和定义前缀和 p[i] 表示 nums[0] 到 nums[i-1] 的和那么某个子数组 nums[j..i] 的和等于 k等价于 p[i1] - p[j] k。只要把每个前缀和最早出现的位置记录下来再检查当前前缀和减去 k 是否出现过就能在线性时间内找到答案。3.2 暴力解法实现与问题定位写完思路先别急着上最优解。我习惯先写一个暴力版本确认自己对题目的理解没错然后再优化。def max_len_subarray(nums: list[int], k: int) - int: n len(nums) ans 0 for i in range(n): total 0 for j in range(i, n): total nums[j] if total k: ans max(ans, j - i 1) return ans这个版本逻辑直接但跑在最大数据规模上会超时。它的价值在于验证边界条件空数组返回 0单个元素等于 k 返回 1所有元素之和正好等于 k 时返回整个数组长度。暴力解写出来后我对题目的理解就落地了接下来才能放心地做优化。3.3 优化到线性复杂度的关键一步优化的核心是减少重复求和。用哈希表记录每个前缀和第一次出现的位置遍历一次数组就能完成全部计算。这里最大的坑是初始位置的设置。很多人在第一次写前缀和哈希时忘记初始化 prefix[0] -1导致由整个数组从开头构成的子数组被漏掉。def max_len_subarray(nums: list[int], k: int) - int: prefix {0: -1} # 前缀和为 0 的最早出现位置是 -1代表空前缀 cur_sum 0 ans 0 for i, v in enumerate(nums): cur_sum v if cur_sum - k in prefix: ans max(ans, i - prefix[cur_sum - k]) # 只记录最早出现位置用于计算最长长度 if cur_sum not in prefix: prefix[cur_sum] i return ans用一个具体例子来追踪nums [1, -1, 5, -2, 3]k 3。初始时 prefix {0: -1}cur_sum 0ans 0。i0v1cur_sum1cur_sum-k-2 不在哈希表中prefix[1]0。i1v-1cur_sum0cur_sum-k-3 不在哈希表中prefix 中已有 0不覆盖。i2v5cur_sum5cur_sum-k2 不在哈希表中prefix[5]2。i3v-2cur_sum3cur_sum-k0 在哈希表中位置是 -1子数组长度是 3-(-1)4ans4prefix[3]3。i4v3cur_sum6cur_sum-k3 在哈希表中位置是 3子数组长度是 4-31ans 保持 4。最终答案是 4。整个数组 [1, -1, 5, -2] 的和恰好是 3长度正是 4。这个例子同时说明了为什么哈希表里要保留最早位置而不是最新位置。如果记录的是最新位置获得的最长子数组长度就会计算错误这个问题在实战里非常容易出现。3.4 本地测试与提交前的检查清单优化版写完后不要急着直接提交。先手动测几组边界用例空数组k0应返回 0因为不存在非空子数组。如果初始化 st 写错很容易在这里返回 1。数组只有一个元素且等于 k应返回 1。k 等于整个数组的和应返回数组长度这一步能把 prefix[0] -1 的遗漏逼出来。数组中包含连续负数验证滑动窗口失效的场景只能用前缀和方案。最大数据量压测确保时间复杂度和空间复杂度能达到预期。我提交前还会快速过一遍代码里的变量名、多余的调试输出和索引边界。很多低级错误都是在这种时候被拦下来的多花两分钟能省下反复提交的尴尬时间。4. 常见刷题问题与排错技巧实录刷题过程中遇到 bug 和心态崩溃是常态。下面几类问题我几乎每隔一段时间就会遇到整理出来当成排查手册用。4.1 常见卡壳点速查表症状可能原因解法滑动窗口计算结果偏小数组含负数滑动窗口不满足单调性改用前缀和加哈希表前缀和答案总是少 1未初始化 prefix[0] -1补上空前缀位置前缀和求出的最长子数组时灵时不灵哈希表中的前缀和位置被覆盖只保留最早出现的位置大数据量提交超时实际复杂度仍是 O(n^2)用哈希、双指针、单调栈等方式降复杂度求和结果超出变量范围报错数据范围过大int 溢出换 long 或大整数类型本地用例通过提交后边界报错没测空数组、单元素、重复值等边界把边界条件列成清单逐项测试这张表里的第一行是最经典的坑。看到“连续子数组加和”就直接写滑动窗口结果遇到负数当场翻车。负数的出现会破坏窗口右移时总和递增的性质滑动窗口就不成立了。所以做子数组相关题目时第一件事先看有没有负数再看能不能用双指针。4.2 一道题刷了三遍还是不会怎么办同一个题刷了三遍还不会大概率不是能力问题而是第一遍直接看了题解。看题解的时候觉得自己全懂了合上答案重新写就原形毕露因为那只是机械记忆不是解题能力。我后来调整成一种更慢但有效的办法当日看懂题解后先把代码合上第二天再做一遍。第二遍做之前不许看原题解只允许看自己在笔记里写的那句核心思路提示。一个人能看着提示独立写出来才说明那套思路真正变成了自己的。之后按三天、七天、三十天的间隔各复习一次能连续通过两到三次这道题才算真正清零。还可以用一个“提示递进法”救急完全不看题解只看答案的最开头一句思路提示如果写不下去再看下一句直到能独立写完代码。这个过程每一步都在锻炼独立推理能力比直接滑到代码区域偷看整个答案有效得多。4.3 模拟面试是刷题阶段的最终收尾到了后期做题方式必须切换成面试模式。不然你在家慢慢磨两个小时能做出来的题面试现场就很可能大脑空白。模拟面试的要点可以归纳成七条限制四十分钟到四十五分钟到时间必须停笔。读题后先口头讲解题思路再开始写代码。写代码时同时说出自己脑补的数据走向不能闷头敲。写完代码后主动讲一遍复杂度和可能的边界情况。如果卡住尽量说说自己想到了什么哪怕只是部分思路。全程模拟一个真实的面试现场不许查资料。结束后用五分钟记录自己的表现反复对比上次的失误点。我身边不少朋友在面试前两周放弃了继续刷题量转而集中做模拟面试收效反而很好。原因很简单面试考的是表达和应变不是考你会不会在 IDE 里憋大招。4.4 容易被忽略的编程细节代码提交失败很多次可能不是算法错了而是一些很细的工程问题。整数溢出是头号隐患。数据规模到 1e5 之后数组里的数字再频频出现大数直接把累积和存在 int 型变量里就很容易溢出。写题的时候要习惯先看一眼数据范围再决定变量类型。第二个常见问题是语言差异负数取模在不同语言里的行为不一样有些语言对负数除法的取整方向也有差异完全不熟悉的语言很容易在这上面浪费提交次数。第三个是索引边界。Python 里 list 的 -1 索引会让无意识的越界悄悄变成结果错误C 里数组越界则可能直接崩溃。写循环条件之前先确认开区间还是闭区间这个习惯能省掉大量排错时间。最后我这几年最大的体会是代码可读性同样重要别为了“装高手”写一堆没有注释的短变量面试时你还要讲给面试官听代码结构清晰反而会给你加分。5. 刷了几年之后我对刷题这件事的真实体会刷了这些年题最大的收获不是某个题目的解法而是练出一种看着陌生题也不慌的底气。算法题总有不会的时候但越到后期我越意识到重要的不是“我会不会做这道题”而是“我能否在短时间内把问题拆清楚、定出可接受的复杂度边界、然后有条理地把代码写出来”。这一整套固定动作才是刷题最值得沉淀的东西。还有一个小技巧想分享坚持给自己写复盘笔记。很多人刷题成绩起伏不定本质上是对自己近期状态没有量化感知。把每天卡壳的点、花掉的时间、错过的边界条件都记下来每周翻一次你会发现自己进步的速度比想象中快得多。刷题从来不是比谁在深夜里更苦而是比谁掌握了更聪明的重复。