代码随想录刷题大纲：算法面试高效备战路线

这套刷题大纲的价值，不在于它列了多少道题，而在于它把“算法面试准备”这件事从一团乱麻整理成了一条可以照着走的路线。很多准备技术面试的朋友都听说过“代码随想录”这四个字，甚至在各种经验帖里看到过别人推荐，但真正打开之后反而容易迷茫——目录那么长，专题那么多，到底先刷哪个后刷哪个？每天刷几道才合适？刷到什么程度算过关？这些问题如果没人给个框架，很容易演变成“打开题单、点开第一题、看不懂答案、关掉页面、陷入焦虑”的死循环。这篇内容就是围绕这套经典刷题大纲和清单，讲清楚它背后的结构逻辑、每个模块的侧重点、以及我在按这个清单实操过程中踩过的坑和总结出来的方法。

先说清楚这套大纲是干嘛用的。它本质上是一份为应付算法面试（笔试、技术面手写代码）而设计的学习路径，把面试中最高频的数据结构和算法题型拆成了若干个专题，每个专题配套若干道经过挑选的经典题，并给每道题写了思路讲解和参考代码。它解决的核心问题是：大多数人不是不会写代码，而是面对海量题库不知道练什么、按什么顺序练、练到什么程度。有个明确的清单，至少能把“学算法”这个模糊目标，变成“按专题逐项打卡”这种可执行的动作，减少决策成本，也就减少了一开始的畏难情绪。

不过很多人对这份清单有个误解，觉得它就是一份“题库合集”，答案背熟就行了。实际上，如果只是背答案，这份清单的价值会大打折扣。它的真正设计意图是让刷题的人按专题建立“解题模式”，比如看到“在有序数组里找一个数”就反射性想到二分，看到“连续子区间求和”就想到前缀和或滑动窗口，看到“括号匹配”就想到栈。这种条件反射式的识别能力，才是面试手撕代码时真正需要的东西。所以这篇内容会从大纲结构、专题重点、实操流程、避坑指南四个维度展开，尽量把这份清单讲透。

1. 大纲的地图：专题顺序与它的底层逻辑

1.1 整体目录结构长什么样

代码随想录的专题划分，基本是按“数据结构 + 算法范式”组合展开的，常见的顺序大致如下：

• 数组与循环：二分查找、双指针、滑动窗口、模拟题
• 链表：反转、环的检测、合并、删除等指针操作
• 哈希表：用哈希计数、查找配对、去重
• 字符串：反转、替换、KMP、字符串匹配
• 双指针法：相向指针、快慢指针在数组与链表中的综合应用
• 栈与队列：括号匹配、单调栈、优先队列相关模型
• 二叉树：遍历、层序、属性计算、公共祖先、搜索树操作
• 回溯算法：组合、排列、子集、切割、棋盘搜索
• 贪心算法：区间调度、分配问题、单调递增数字类问题
• 动态规划：背包、子序列、编辑距离、股票买卖、打家劫舍等
• 图论：深度优先搜索、广度优先搜索、拓扑排序、并查集
• 补充专题：位运算、单调栈应用、前缀树等

清单里每个专题下通常有少则三五道、多则十余道题目，加起来是一份庞大但可控的题量。对比动辄上千道的题库，这份清单的筛选逻辑很明确：不是按题库编号平铺，而是按“题型代表”选例，每道题都尽量承载一类解法模板，做熟一道就能迁移到同类衍生题。

1.2 为什么顺序这样排，而不是从难到易

很多初学者拿到清单，第一个念头是想直接跳到回溯和动态规划，觉得这些才是“高级题”，前面数组哈希太基础，刷起来不过瘾。但从大纲设计者的角度，这个顺序不是随意定的，而是遵循“前置知识依赖”的递进关系。

举个例子，二叉树的题目大量使用递归，而递归思维一开始要通过链表反转、数组拆分这类场景来预热，如果跳过链表直接上二叉树，会同时在“递归调用怎么return”和“树的遍历框架”这两个问题上卡住，很难定位真正的薄弱点。双指针专题也是这样：在数组里理解快慢指针只需要下标移动，比在链表里操作 next 指针更直观，先把数组里的滑动窗口练熟，再去链表找环就顺畅得多。哈希表更不用说了，后续几乎所有“空间换时间”的优化思路都依赖它，如果哈希表不熟练，做题时的复杂度优化几乎无从谈起。

所以这份清单的排序，本质上是把算法学习拆成了“先数据结构、后算法策略、再复杂综合”三个阶段。第一阶段（数组、链表、哈希、字符串）解决“用什么容器存数据”的问题，第二阶段（栈、队列、二叉树）开始感受递归和层级的抽象，第三阶段（回溯、贪心、动态规划、图论）才是真正的算法设计能力训练。

1.3 它和力扣题库的关系、以及不同人群的使用策略

可以把它理解为一份经过人工过滤的力扣精选集，但比力扣官方榜单更偏“国内技术面试”。它选择的题目整体以经典题型为主，难度曲线相对平滑，不会出现链表专题里蹦出一道需要红黑树知识才能解的变态题。这样的设计，对以下几类人群比较友好：

• 正在准备大厂实习、校招或跳槽社招的开发者，需要笔试面试手撕代码
• 自认为基础不牢，打算系统梳理一遍数据结构和算法的新手
• 已经零散刷过不少题，但总觉得脑袋里没形成体系，想做「归并整理」的进阶者

同时也要说句实在话，它并不适合纯算法竞赛玩家。竞赛题目讲究思维量和代码技巧的极限压榨，而这份清单的目的是“面试够用、体系完整”，所以很多题目在竞赛视角下偏基础。如果你目标只是通过技术面试，而不是拿比赛名次，那这份清单的性价比非常高。

2. 几个重点专题拆解：到底在练什么

2.1 数组、哈希与双指针：几乎所有题的地基

这一阶段的题，表面看是在练“简单题”，实际上是在练两件事：一是手速，二是对复杂度优化的敏感度。数组专题里的二分查找看似基础，但它的边界条件（左闭右开、左闭右闭）足够让很多一年经验以上的开发者在面试翻车。我自己的感受是，二分模板必须固定成自己习惯的一种写法，不要这次用 left = mid + 1，下次又用 left = mid，最后在面试现场临时推边界，非常容易出 bug。

哈希表的精髓在于“空间换时间”的取舍。经典题“两数之和”，第一反应写暴力双层循环很简单，但面试官几乎必然会追问“能不能 O(n)”，这时候能立刻想到用字典记录已遍历过的值和下标，才是真正的考点。这种现象在后续题目里反复出现，哈希表用得熟不熟练，直接决定能不能写出符合面试预期的复杂度解。

双指针专题则是对数组操作的综合体操。快慢指针、左右对撞指针、滑动窗口三种模式，几乎覆盖了子数组、子串类问题的基础分析框架。练习时不用贪多，而是把每种模式吃透。例如滑动窗口的思路就是“右边界扩张，左边界收缩”，看起来只是两个下标移动，但真正要写对while条件的场景其实非常多，必须靠练习形成肌肉记忆。

2.2 二叉树：递归思维的集中训练场

二叉树专题是很多人的分水岭，因为从这开始题目的“可背性”变弱了，开始考验是否真正理解递归。做题之前，先去统一理解递归的“三步法”：确定递归函数的参数和返回值，确定终止条件，确定单层递归的逻辑。这三个步骤听起来简单，但大多数二叉树题写不出来，就是在单层逻辑那里想复杂了，总想在一层递归里同时处理太多事。

二叉树里最值得反复练的首先是“遍历框架”。前中后序遍历都可以用递归写，但真正要理解的是非递归写法，因为很多思想（比如中序遍历在二叉搜索树里就是有序序列）会在后续题目里反复出现。层序遍历解决的是“按层处理”的问题，它扩展开来就是很多图论题目的雏形，所以值得把每一层的逻辑、如何标记层边界都搞明白。

之后是“属性计算”（深度、节点数、路径和、公共祖先）和“搜索树操作”（插入、删除、验证、最近公共祖先）。这些题表面各不相同，但底层都是在遍历框架上增加一点条件判断或返回值设计。练习时可以拿着同一棵树，用多种方法分别解同一个问题，比如求二叉树的最大深度，既可以用递归后序遍历，也可以用层序遍历记录层数，亲自动手对比一次，会对递归和迭代的理解更深。

2.3 回溯：暴力搜索的结构化表达

回溯算法是最容易让人“听懂了但写不出来”的专题。它的核心是递归 + 撤销操作，整个框架其实非常固定：

• 在递归函数中先判断是否到达终止条件
• 然后遍历当前可选择的所有元素
• 做选择，进入下一层递归
• 递归返回后撤销刚才的选择

以全排列和组合这两类经典题为例，真正容易出错的其实只有两点：一是如何去重（是排序后跳过相邻相同元素，还是用集合记录当前层用过的元素），二是组合剪枝的边界条件（剩余元素不够时提前终止）。把这两点想清楚，回溯的大多数题都能套进同一个框架。

练习回溯专题时，建议用“画树形图”的方式辅助思考。每一层递归表示一层选择，分支表示候选元素，路径上的组合就是最终结果。我见过很多人对着代码空想，怎么也想不通为什么某个if条件写在循环外还是循环内，这时只要把递归树画出来，答案基本就直观了。

2.4 动态规划：最需要“先懂原理再刷题”的关卡

动态规划是清单里体量最大、也最劝退的专题。它不像回溯有相对统一的框架抄，每一类题（背包、子序列、爬楼梯、编辑距离、打家劫舍）的状态定义、转移方程、遍历顺序都长得不一样，很容易让人做一道忘一道。

我的经验是：动规题入门阶段，先不要急着海量刷题，而是把“五步法”练到产生肌肉记忆。这五步是：确定dp数组（或dp函数）的含义、确定递推公式、初始化dp、确定遍历顺序、打印dp数组验证。

以最基本的爬楼梯为例：

• dp[i]表示爬到第i阶有几种方法
• 递推公式是dp[i] = dp[i - 1] + dp[i - 2]
• 初始化为dp[1] = 1, dp[2] = 2
• 遍历顺序显然是从 3 到 n 正序执行
• 最后打印一遍确认数值与手算一致

这套过程看上去非常简单，但真正遇到二维状态时，很多人就乱了。比如 0-1 背包问题，dp[i][j]表示前i件物品放入容量为j的背包能获得的最大价值，递推公式要区分“放不下第 i 件”和“放得下但选择不放”的情况。如果能严格按五步法推演，每一步都写清楚，而不是直接去背别人给的模板，动规会越练越有感觉。

动规专题里还有一批“可模板化但必须理解模板”的问题，比如背包模板、子序列模板。关键区别在于遍历顺序是正序还是倒序、dp是一维还是二维，这些都和状态压缩有关。我建议初学时不要一上来就用一维压缩写法，先把二维数组写明白，再去看一维优化是怎么把“上一行”的状态留在原地的，否则容易写出看起来正确但无法解释的代码。

3. 实操：把这套清单真正用起来的完整流程

3.1 建立自己的刷题仓库，而不是光在网页上过一遍

我见过很多朋友刷题，全程都在网页上打开题目、运行通过、关闭，再过两周回头看，什么都不记得。这样刷一百道和刷十道的信息留存差不了太多。更好的做法是建立一个本地代码仓库（用 Git 管理），按专题建目录，每一道题保存一个文件。

文件命名推荐包含日期与题目标识，比如：

arrays/ 2025-01-10_binary-search_704.py 2025-01-10_two-sum_1.py linked-list/ 2025-01-11_reverse-linked-list_206.py

每道题的文件里，自己写清楚：

• 题目链接、题目简单描述
• 自己的解题思路与复杂度分析
• 参考解法或优化思路（可选）
• 这次踩到的坑（语法、边界、思路偏差）

这样做有几个看得见的好处。第一，复习时不用重新读题，看自己的注释就能回忆整个思路。第二，逼自己用文字把“为什么这么做”写出来，这个过程本身就是把短时记忆变成长期理解。第三，面试前可以按专题翻仓库，比上题库里重新找题高效得多。

3.2 单题完成的四个标准：不只“过了”就算完

在仓库里记录时，我给自己定了一个单题完成标准，四个条件缺一不可：

1. 能独立写出代码，不借助题解，运行通过。
2. 能口头说清楚时间复杂度与空间复杂度，并解释为什么是这个复杂度。
3. 能回答“如果数据量变大/变小，解法会有什么问题”。
4. 能至少说出一种和当前解法不同的思路。

每个专题刷完后，做一个自测：随机摘几道之前做过的题，不查资料、不看仓库，直接写。能写出来的题才是真掌握，写不出来的标记为“待复习”。这个自测阶段往往比新做题更能暴露问题。

3.3 时间安排：日拱一卒，别想一口吃成胖子

刷题最怕的是前三天热血沸腾，一天刷十道，到第四天因为某道题卡了两个小时直接放弃。比较可持续的安排是“1 + 1 + 0.5”模式：

• 每天一小时：刷一道新题，如果一道题超过半小时还没有完整思路，就标记为卡住，看题解并理解透彻，然后隔天重做。
• 每天一小时：复习老题，从仓库里挑三道以前做过的题目快速写一遍，重点看边界条件是否还记得。
• 每天半小时：整理当天的笔记，写复盘记录，尤其是“为什么会卡住”“卡在哪个知识点”。

这样算下来，一天两到三个小时对上班族来说已经不少了。但好处是每天都处于“新知识 + 旧知识复习”的循环里，而不是“瞎闯新题”的循环。

3.4 复习策略：对抗遗忘曲线

再好的清单，不复习等于白刷。我用的是间隔重复策略，和背英语单词一个道理。一道题做完后，按以下节奏回访：

• 第 1 天：重做一遍，关注能否不卡壳写完
• 第 3 天：只看题目和注释，尝试复述思路
• 第 7 天：闭卷重写一次代码
• 第 30 天：随机抽取一次做压力测试

这套节奏在不对照题解的前提下，能把一道题真正内化。大家不要觉得“这题我都做过了，还要重写一遍太浪费时间”，实际上重写的过程会不断巩固解题模式，而模式比单题重要得多。

4. 常见问题与避坑技巧

4.1 问题速查表

4.2 几个真实的坑与我的处理体验

第一个坑：贪多嚼不烂。我见过不少同学在数组专题还没刷完时，就开始跟风刷动态规划，结果两边都没刷透。动态规划的题目有一个特点，就是看题解觉得特别简单，但答案给的是别人的逻辑，自己脑子里根本没有建构出“为什么这么定义状态”的过程。这时候硬刷完清单，也只是完成了“把题号从列表里划掉”的目标，并没有完成“建立解题能力”的目标。正确做法是，当某个专题正确率低于七成时，先停下来把该专题的题目重新整理，直到大多数题都能独立写出为止，再进入下一个专题。

第二个坑：只刷不做笔记。很多刷题模版看起来严谨，其实只有两行代码复制粘贴，解题思路一条都没有写。这样的刷题记录在面试前完全起不到复习作用。后来我把每一道题都要求自己用三句话把思路写下来：一句话说明问题类型，一句话说明核心解法，一句话说明时间复杂度。这个习惯虽然增加了单题的耗时，但长期看非常值得。

第三个坑：死磕一道题太久。卡住不等于值得硬扛，很多时候卡住的点是某个小的知识盲区，比如不知道 Python 里怎么快速统计字符频率，或者不知道排序的lambda写法，这类问题与其花一小时硬想，不如直接看题解把盲区补上，然后立刻亲手写一遍。真正的学习发生在“补盲区之后的重做”中，而不在那一个小时的干耗里。

4.3 关于题目数量与强度的个人建议

很多人会问：“这份清单一定要全部刷完吗？”我个人认为，如果时间充裕当然建议完整过一遍，因为专题之间的关联非常紧密，完整的过程能建立闭环。但如果你离面试只有两周，那就没必要死磕图论和高级动态规划，把数组、链表、哈希、二叉树、回溯这几个核心专题的经典题刷两遍，性价比显然更高。

另外一个容易被忽略的点是：不要过早依赖题解甚至背代码。背代码在短时记忆里很有效，但面试时稍微变换一下题目条件（比如从升序改成包含重复元素），如果只背不理解，便会立刻崩盘。所以即使遇到很难的题，也应该先尝试用自己的话把思路写下来，再去看题解对照，而不是直接代码抄一遍就算掌握了。

5. 最后的经验总结：用输出倒逼输入

整套清单刷下来，我最大的感受是：刷题这件事，最重要的不是做了多少遍，而是你合上答案之后还能不能把它讲清楚。这套大纲的价值在于帮大家划定了边界，让人不再面对上千道题无从下手。但任何一份好的清单，最终都要靠你自己把它转化成自己的笔记、自己的代码、自己的习惯，才真正有意义。

在学习过程中，我习惯每隔几天就找身边朋友假装面试官，出一道已经做过的题，让我当场讲思路并写代码。这个过程比低头闷刷一个月的收获都大，因为它直接暴露了“我以为会了”和“我真的会了”之间的差距。刷这套大纲时，也可以试着这样给自己制造输出机会，难度不高，但效果非常好。另外一个小技巧是：每个专题结束建一个“模式清单”，例如“什么时候用双指针”“什么时候用单调栈”“遇到子串问题先想哈希和滑动窗口”等等，用一两句话写下来，面试前临时翻一翻会心安很多，也比反复刷题更应急。