MarsCode AI是让我感到很惊喜的一个功能。此前虽然对AI辅助代码有所听闻，但是没有实践过。在稀土掘金的AI刷题模块，我第一次感受到AI在提供刷题思路、提供代码思路和检查代码方面的强大。
（1）思路提示：在接收到输入的算法问题后，AI首先会精炼出问题理解，从原先比较长、偏自然语言的表述中概括得到包含数据、规则在内的较短的陈述。
在此基础上，AI会初步总结出解题思路，包括问题中主要涉及的元素（如不同对象、不同数组）应采取的行动策略，以及对应的数学描述或分析（如坐标变动情况、应满足的数学不等式约束、贪心/动态规划等问题的数学证明等）。接下来，AI整理得到算法步骤，梳理出整个问题解决的清晰框架。AI还会由此给出伪代码框架，与算法步骤相对应，包括必要注释的标明。
在我使用该功能的几次体验中，对于规模较大的问题，AI能够准确将其分为几个子问题，或拆出其中基本的元问题，并针对该子问题给出算法步骤梳理。综合来看，从开始的问题理解，到最终给出伪码，整个流程逻辑上稳步推进，让我能明确了解问题剖析的过程，从而更好地举一反三。
此外，还能对AI进行追问，包括对算法中某一个步骤或某一个子问题的解决进行进一步提问。这对使用者来说能更高效地获取自己需要的信息。
（2）代码提示：该子功能中同样包含简短的解题思路和算法步骤概括。AI给出的代码数据结构简洁、步骤清晰且包含关键注释。在代码外，AI还会给出关键步骤代码的解释。和思路提示一样，代码提示也允许追问，使用者由此能针对有疑问的步骤或设计及时提问。
（3）检查代码：在该子功能中，AI会给出需要注意的地方、相应的修改建议和修改后的代码。修改处不仅包括语法上的谬误，也包括简单逻辑上（如值交换、数组行列求和等）的校正，还包括整体逻辑优化（复杂度降低）。
总体来看，MarsCode AI对于算法刷题者来说是一个精准、直观、高效的老师。与人为撰写的一些或是语焉不详、思维跳跃太大，或是太过冗长、难以捕捉重点的题解相比，AI能以更有针对性、更贴合做题者思维的方式完成指导。
