借助侧栏AI，从零开始，敲敲代码写写题

----以下是一些可有可无的废话----

不怕大家笑话，我在写题库里的Java题目时，甚至还不会Java。

对，我对Java地认识仅限于这四个字母。

尽管久仰Java大名，但是我并没有真正上手实操的经验，当下仅仅知道的，只有python那点相较其他语言十分浅薄的语法。

（当然，有的人会说，那你为甚要选Java，选python不好吗？有两个原因，一是刚开始的时候，用python无法判题，那相比另一个语言，我会觉得学Java性价比更高。其次是据说Java就业面广一点？这我不太了解，但应该是这样的，总之比python更接地气）

但是，我完全不慌！

为什么？

首先有 “全知全能救苦救难观世音AI” 打辅助，只要追根究底地问下去，总能有所收获，体味到第一手最纯正的编程味道；

其次，我还没有蠢到连AI的话都理解不了的地步！（除非AI又在一本正经地胡说八道。。。而这并非我的错）

FAKE IT UNTIL YOU MAKE IT !

这是我的牢记脑中的格言，学习从来没有“万事俱备”，最好的办法就是勇敢面对它！

在实践中学习，又在学习中实践，加油，奥里给！

----以上是一些无关紧要的絮叨----

可以了解的内容有：

用侧栏AI辅助，写代码题的全过程
我是怎么调整话术，使得AI可以理解并解答我的疑问的
一道说不上有什么启发的编程题的解法

好的，让我们正式开始吧！

首先来看看题目：

图片.png

问题描述

小C面临一个选择问题：她可以从编号为1到n的糖果中任意选择一些糖果作为奖励，但需要遵守一个限制规则：如果选择了编号为i的糖果，那么编号为i-1、i-2、i+1、i+2的糖果将不能被选择。每个糖果都有一个对应的美味值，小C希望所选糖果的美味值之和最大。

例如：当有7个糖果，编号为1到7，美味值分别为 3, 1, 2, 7, 10, 2, 4，小C可以选择编号为1、4、7的糖果，这样可以得到最大美味值之和为 3 + 7 + 4 = 14。

第一轮对话

我在我的零基础视角再小小总结一下：

问题描述：你需要从编号为1到n的糖果中选择一些糖果，使得它们的美味值之和最大。选择时不能选择连续的三个糖果。
算法步骤：
- 初始化：创建一个数组dp，其中dp[i]表示选择第i个糖果时能获得的最大美味值。
- 状态转移：对于每个糖果i，有两种情况：
  - 选择第i个糖果，那么dp[i] = a[i] + dp[i-3]（因为i-1和i-2不能选）。
  - 不选择第i个糖果，那么dp[i] = dp[i-1]。
- 状态转移方程为：dp[i] = Math.max(a[i] + dp[i-3], dp[i-1])。
- 边界条件：当i < 3时，dp[i]可以直接初始化为a[i]，因为前面没有足够的糖果来影响选择。
- 最终结果：dp[n-1]即为所求的最大美味值之和。
代码实现：
- 首先检查糖果数量是否小于等于2，如果是，直接返回最大值。
- 初始化dp数组的前三个元素。
- 使用循环填充dp数组，根据状态转移方程计算每个位置的最大美味值。
- 返回dp[n-1]作为结果。
关键步骤：
- 初始化dp[0], dp[1], dp[2]。
- 状态转移：dp[i] = Math.max(a[i] + dp[i-3], dp[i-1])。
- 返回结果：dp[n-1]。

很好，但是有个很严重的问题，就是我并不十分了解什么是“动态规划”，更是对其怎么使用一窍不通！

怎么办，只能继续问问AI。

到现在，我基本了解了动态规划的用法了。

为什么选择动态规划，在这道题里面怎么来使用，AI讲的很清楚：

动态规划，一般就是拿来解决最优解的问题！

当然，我只是浅尝辄止了一下，要真正掌握还得深入代码里面，一句句理解琢磨。

AI在这个过程中，也能发挥巨大的作用：

当然AI给的初步的代码不一定正确，可以复制粘贴到答题区，用判题系统先行检验一次，或者也可以让AI自己检查一遍自己，我更喜欢后面这种方法。

我先把经过初步检验的、AI给的代码放在这里：

    public static int solution(int n, int[] a) {
        if (n == 1) {
            return a[0];
        }
        if (n == 2) {
            return Math.max(a[0], a[1]);
        }

        int[] dp = new int[n + 1];
        dp[0] = 0; // 初始化 dp[0]
        dp[1] = a[0];
        dp[2] = Math.max(a[0], a[1]);
        dp[3] = Math.max(dp[2], a[2]);

        for (int i = 4; i <= n; i++) {
            // 考虑 i-1, i-2, i+1, i+2 的限制
            dp[i] = Math.max(dp[i - 1], a[i - 1] + dp[i - 3]);
            // 这里需要添加额外的逻辑来处理 i+1 和 i+2 的限制
        }

        return dp[n];
    }

    public static void main(String[] args) {
        System.out.println(solution(7, new int[]{3, 1, 2, 7, 10, 2, 4}) == 14);
        System.out.println(solution(5, new int[]{1, 10, 2, 5, 8}) == 18);
        System.out.println(solution(6, new int[]{4, 5, 6, 1, 2, 3}) == 9);
    }
}

然后，我让AI来逐行解释代码，以期让我充分了解里面的实现细节：

至此，我们完全理解了整个题目的解决思路，也基本掌握了动态规划的思想，初步了解了该方法什么时候用、怎么用，以及语义分析、语法规则等等。

当然还要持续的学习、上手才能真正掌握！

这里仅仅作为使用AI辅助解决编程题的草率演示！

几点感想

跟一些先进同行相比，marscode的水平还是不高，经常出错。而且反复讲车轱辘话，没能抓住重点解释；
像这种AI辅助编程好用吗？我觉得是好用的，但前提是你自己也得有基础，这又是一个有点矛盾的事情了。我只是写一道算法题，似乎能理解AI，但是在实际生产生活中，AI的话，你未必能理解，若是理解不了，知其然而不知其所以然，那就极有可能是在瞎用。
AI辅助编程学习是目前最实用的方向，因为AI能精确地知道你的疑问所在（只要你表述清楚）

借助侧栏AI，从零开始，敲敲代码写写题 | 豆包MarsCode AI刷题