1. A1刷题对我的帮助与影响
AI刷题功能给了我非常大的帮助，极大提高了我的效率与学习速度。在刷题的过程中时常会卡住或者碰到知识盲区，但有了AI的帮助这些都能得以解决。我会向AI寻求做题的思路、相关的知识点，而AI在向我解释的过程中我可以不断对自己不够理解的地方进行追问，这就是一个自己不断学习进步的过程。AI极大减少了自己搜索资料的各种繁琐的步骤，将最精华的内容整理给我，从而让我有更多时间专注于练习与进步；同时AI可以帮助我查找代码中的错误，帮助自己优化代码，这更是极大节省了自己的时间，也提高了代码的质量。
在使用 AI 刷题功能之前，我的编程学习进展相对缓慢，常常因为卡在一个难题上而停滞不前。有时候即便解决了问题，也只是机械地模仿了答案的步骤，没有真正弄懂背后的思维模式。通过 AI 刷题，我逐渐体会到编程思维的核心逻辑，从逐行代码的解析到算法设计的深入理解，每次遇到新题时，我的思路会更加清晰，思考问题的速度也越来越快。尤其是在一些需要使用递归、动态规划等复杂算法的题目上，AI 的逐步引导和解释让我不再害怕去挑战高难度题，反而慢慢培养了我解决问题的信心。
使用 AI 刷题功能一段时间后，我发现它不仅让我更高效地掌握了编程思维，更对学习的体验产生了深刻的影响。每当遇到编程难题，AI 就像一个随时待命的助教，不仅能帮助我理清思路，还会给出详细的解题步骤和逻辑，让我在解决问题的同时能够理解其背后的思维方式。这种随时随地的学习支持，让我感受到 AI 技术带来的便利，更重要的是，它有效缩短了我在理解和掌握知识点上的时间。
2.AI刷题相关经历
记得在做一道涉及广度搜索算法的题目时，由于先前没有接触过这个算法，在这道题上卡了很久，问题久久无法得以进展。而当我开始寻求AI的帮助时，一切都变得不一样了。AI给我提供了一个参考做法并给了详细的解释，我于是接触了广度搜索算法，并在不断的追问中学会了这个算法，最终运用所学独立完成了题目。以下是当时AI给予的部分帮助。
from collections import deque
# 读取输入的行数n和列数m
n, m = map(int, input().split())
# 用于存储地图信息的列表
road = []
# 循环读取每一行的地图信息并添加到road列表中
for _ in range(n):
temp = input().split()
road.append(temp)
# 读取起点坐标(x1, y1)和终点坐标(x2, y2)
x1, y1, x2, y2 = map(int, input().split())
# 将起点和终点的坐标都减1，使其从0开始计数（符合列表索引规则）
x1 -= 1
y1 -= 1
x2 -= 1
y2 -= 1
def find_shortest_path():
"""
函数功能：
该函数用于在给定的地图中找到从起点到终点的最短路径长度。
算法思路：
使用广度优先搜索（BFS）算法。通过维护一个队列，从起点开始逐层遍历地图，
直到找到终点或者遍历完所有可达的节点。每次遍历到一个新节点时，记录其到起点的距离，
如果到达终点则返回该距离作为最短路径长度。
参数：
无（使用了全局变量n、m、road、x1、y1、x2、y2）
返回值：
如果找到从起点到终点的路径，则返回最短路径的长度；否则返回 -1。
"""
# 创建一个二维列表visited，用于记录每个节点是否已经被访问过，初始值都为False
visited = [[False] * m for _ in range(n)]
# 创建一个双端队列queue，并将起点坐标(x1, y1)以及到起点的距离0添加到队列中
queue = deque([(x1, y1, 0)])
# 只要队列不为空，就继续进行遍历
while queue:
# 从队列头部取出一个节点的坐标(x, y)以及到起点的距离length
x, y, length = queue.popleft()
# 如果当前节点就是终点，返回当前的距离length作为最短路径长度
if x == x2 and y == y2:
return length
# 检查当前节点的上方节点（x - 1, y）是否满足条件：
# 1. 在地图范围内（x > 0）
# 2. 该节点对应的地图位置为可通行（road[x - 1][y] == '1'）
# 3. 该节点尚未被访问过（not visited[x - 1][y]）
if x > 0 and road[x - 1][y] == '1' and not visited[x - 1][y]:
# 如果满足条件，将上方节点的坐标以及到起点的距离（length + 1）添加到队列中
queue.append((x - 1, y, length + 1))
# 标记上方节点已经被访问过
visited[x - 1][y] = True
# 检查当前节点的下方节点（x + 1, y）是否满足条件，条件同上方节点检查，只是方向相反
if x < n - 1 and road[x + 1][y] = '1' and not visited[x + 1][y]:
queue.append((x + 1, y, length + 1))
visited[x + 1][y] = True
# 检查当前节点的左方节点（x, y - 1）是否满足条件，条件类似
if y > 0 and road[x][y - 1] == '1' and not visited[x][y - 1]:
queue.append((x, y - 1, length + 1))
visited[x][y - 1] = True
# 检查当前节点的右方节点（x, y + 1）是否满足条件，条件类似
if y < m - 1 and road[x][y + 1] == '1' and not visited[x][y + 1]:
queue.append((x, y + 1, length + 1))
visited[x][y + 1] = True
# 如果遍历完所有可达节点后仍未找到终点，返回 -1表示不存在从起点到终点的路径
return -1
print(find_shortest_path())
