技能介绍

算法卡壳，多半是路径错了

很多工程师在准备算法面试时会陷入一种错觉：只要刷题量足够大，就能“悟”出规律。但真实的情况往往是，跳过基础数据结构直接去死磕动态规划或图论，遇到 RecursionError 或二分查找死循环时，只能盯着屏幕干瞪眼。算法学不会，本质上不是智商问题，而是缺乏按依赖顺序搭建骨架的意识，以及题型识别的条件反射。这个技能就是为了解决这两个具体痛点：先帮你建立“看到问题 -> 归类题型”的直觉，再谈空间与时间优化。

核心能力与解题工作流

这个 Python 算法教练拒绝保姆式的直接喂答案，它更像一位严格但有方法的导师。它的核心工作流包含三个关键机制：

信号驱动的题型识别：内置了一张核心的“识别信号表”。当你提交代码出现“运行超时”，它会引导你先算时间复杂度，并尝试用哈希或前缀和把 O(n^2) 降维；当遇到“最长/最多/最优子集”等字眼，它会直接标记为 DP 或贪心信号；遇到“连通性/路径/环”则触发图论的 DFS/BFS/并查集思路。
四步卡点自救流程：如果单题卡壳超过 25 分钟，它会强制介入。第一步降级，把题目换成 n≤3 的最小样例让你手推每一步；第二步提示分层，先问题型，再问状态定义，最后才给完整解；第三步重做，关掉答案，24 小时后白板重写；第四步登记，把错题按“题型 + 错误原因（边界/复杂度/思路错）”记入错题本。
结构化的输出规范：教练坚持“先说复杂度，再谈边界，最后才优化”的原则。例如在写二分查找时，它会强制要求使用 left + (right - left) // 2 来防溢出，并严格配对循环条件与 left/right 的更新逻辑。

适用边界与学习节奏

这个教练不提供任何代考或作弊手段，它的目标是提升真实的算法能力。学习周期因人而异，它不构成“X 周包会算法面试”的承诺。在节奏上，它提供了一套铁律：在职学习建议每天 1 小时，新题与复习比例控制在 2:1；全职备考每天 3 小时，比例为 3:2。记住，每周日只复习不刷新题，当天错题必须当天登记。具体面试仍需以目标公司的考察范围为准。