青训营笔记创作活动方向三：实践记录以及工具使用
刷题实践选题、刷题实践
豆包AI刷题工具不仅为我在一筹莫展时提供解题思路（即便有解题思路豆包AI也会给出更好更多的解题思路），还能帮助检查代码逻辑和优化方向。这篇文章我将通过两道比较简单的案例，简单探讨一下豆包MarsCode AI刷题平台如何在我解题过程中发挥重要作用的，以及往后应该如何将AI高效应用到实际学习和工作当中。
一、AI刷题的优势
豆包MarsCode AI刷题工具的一些核心优势：
- 智能测试与动态优化
AI 会根据题目自动生成多种测试用例，包括边界情况和随机数据，帮助发现潜在的漏洞。同时，它还能动态评估代码运行效率，给出性能优化建议。 - 多解法对比与学习
平台提供的多解法对比功能，让用户不仅仅停留在“解对题”的层面，还能通过多角度解法提高编程思维能力。 - 实时反馈与代码分析
AI 工具会实时反馈错误位置，详细分析代码逻辑问题，帮助用户理解错误原因并快速修复。
二、案例实践分析
以下通过两道简单的案例，结合豆包MarsCode平台的辅助功能，剖析其在解题中的具体作用。
案例1：超市里的货物架调整
题目回顾
问题描述为重新排列超市货物架上的商品，使顾客尽可能买到更多商品。这实际上是一个字符串匹配问题，核心目标是找到两个字符串的最长子序列长度。
解题思路分析
对于本题，直接遍历两个字符串进行匹配的复杂度为 O(n×m)O(n \times m)。为了更高效，我们采用双指针法：
- 初始化两个指针分别指向货物架和顾客商品清单的起始位置。
- 逐步匹配，若匹配成功，两个指针均右移；否则仅货物架指针右移。
代码实现
以下是基于双指针法的代码：
def max_sold_items(n, m, s, c):
i, j, count = 0, 0, 0
while i < n and j < m:
if s[i] == c[j]: # 成功匹配
count += 1
j += 1
i += 1
return count
豆包MarsCode的辅助功能分析
- 测试用例生成
通过 AI 平台生成的多种测试用例，验证代码的鲁棒性：
- 边界测试：如 n=0 或 m=0 的特殊情况。
- 大规模输入：例如 n=1000, m=1000，验证算法是否满足时间复杂度要求。
- 特殊顺序：如顾客商品全为货物架上不存在的情况。
- 性能分析与优化建议
平台提供了代码性能分析报告，指出在某些测试用例下的潜在优化空间。例如，AI 提示可以通过预处理字符串的哈希表（字母频率计数）来判断匹配可能性，从而提前终止无意义的搜索。 - 多解法对比
豆包MarsCode同时推荐了动态规划解法，与双指针法的效率进行了对比。动态规划的优势在于适用于更复杂的匹配需求，例如允许对字符串插入、删除操作的编辑距离问题。这种对比让我们更加清晰地理解了算法适用场景的边界。
案例2：贪心猫的鱼干大分配
题目回顾
猫星球上，小R需要分配鱼干，规则是等级高的猫获得更多的鱼干，且需要满足相邻猫之间的差距要求。本质上，这是一个经典的资源分配问题，解题思路可以归结为贪心算法。
解题思路分析
- 初始化每只猫至少分得 1 斤鱼干。
- 正向遍历：从左到右扫描，若当前猫等级高于前一只猫，则分配比前一只猫多的鱼干。
- 反向遍历：从右到左扫描，确保当前猫分得的鱼干不低于右邻居，且满足等级要求。
代码实现
以下是贪心算法的代码：
def min_fish_dry_weights(n, cats_levels):
fish = [1] * n
# 正向遍历
for i in range(1, n):
if cats_levels[i] > cats_levels[i - 1]:
fish[i] = fish[i - 1] + 1
# 反向遍历
for i in range(n - 2, -1, -1):
if cats_levels[i] > cats_levels[i + 1]:
fish[i] = max(fish[i], fish[i + 1] + 1)
return sum(fish)
豆包MarsCode的辅助功能分析
- 算法优化建议
AI 指出上述实现中存在一定的冗余操作，并建议通过堆结构进行优化。例如，我们可以优先将最低等级的猫分配鱼干，从而减少遍历次数。 - 结果验证与边界情况分析
通过平台生成的特殊数据进行测试：
- 极端等级差距：如所有猫等级完全相同或完全递减的情况，验证贪心算法的适用性。
- 动态调试：平台能够逐步展示每轮遍历后数组的变化情况，帮助更直观地理解代码逻辑。
- 学习算法思想
豆包MarsCode 提供了类似问题的变种题目（如公平分配资源），让我在实际练习中深刻体会了贪心算法的核心思想——局部最优推导全局最优。
三、AI刷题工具的实际价值
通过案例实践，可以看到豆包MarsCode AI刷题平台在以下方面的突出表现：
- 降低学习曲线
对于初学者，平台能通过实时反馈和代码高亮功能快速帮助发现问题，同时通过详细解析让用户逐步掌握关键算法思想。 - 提升问题分析能力
AI 工具不仅给出代码答案，还能从多个角度解读题目，引导用户思考不同解法的优劣，进而提升编程思维能力。 - 加速刷题进程
通过智能测试用例生成、动态性能分析和多解法推荐，平台显著减少了用户构造测试数据、优化代码的时间。 - 构建长期学习框架
AI 平台会记录用户的解题情况，分析薄弱环节，生成针对性练习计划，从而构建系统化的学习路径。
四、总结反思
在使用豆包MarsCode平台的过程中，我最大的收获是学会了很多未曾想过的解题思路，并能够通过AI寻找到其中的最优解。通过 AI 提供的多解法对比，我能清晰地认识到每种算法的优势和不足。
未来，我希望能够进一步利用 AI 工具扩展自己的知识边界，比如在更复杂的题目中尝试结合多种算法思路，通过不断实践和总结，实现个人能力的全面提升。
