常用的数据结构
-
Stack：简单来说具有后进先出的特性，具体应用起来也是妙不可言。
-
Linked List：链表可以快速地插入、删除，但是查找比较费时（具体操作链表时结合图会简单很多，此外要注意空节点）。通常链表的相关问题可以用双指针巧妙的解决。
-
Hash Table：利用 Hash 函数来将数据映射到固定的一块区域，方便 O(1) 时间内读取以及修改。。
-
Tree：树在计算机学科的应用十分广泛，常用的有二叉搜索树，红黑书，B+树等。树的建立，遍历，删除相对来说比较复杂，通常会用到递归的思路。
-
Heap：特殊的完全二叉树，“等级森严”，可以用 O(nlogn) 的时间复杂度来进行排序，可以用 O(nlogk) 的时间复杂度找出 n 个数中的最大（小）k个。
深究
AI 可以代替你做很多事——通常是那些你不喜欢做的事。但它（就目前而言）还不能代替你学习。所以学习「本身」往往不适用于快速模式。
而「深度模式」则是与 AI 进行深入的对话与讨论，以获得更全面的理解。这个模式下，我们要的不仅仅是答案，而是探索问题的本质和背后的原理。通过与 AI 进行深度交流，我们可以激发新的思考，发现自己思维中的盲点，最终达到更高的学习层次。
速刷
所谓的「速刷」，就是让 AI 帮你做那些，人类做起来很慢、很无聊，但机器做却非常轻松的活。大概就是各式各样需要自动化的繁琐任务，比如整理报表、改错字之类的。
不用说，这类的需求还挺多的。甚至你有一个程序开发上的需求，想知道怎么写，直接问它，叫它给出程序码——直接拿来用，而不管其中的原理。这也是一种「快」。
简言之，所谓的「快」，就是让 AI「代替」你做事——包括思考。
速刷与深究的结合
快速模式适用于需要立刻解决问题或取得资讯的情况，而深度模式则适合深刻的理解和学习。在刷题过程中，我们可以灵活运用这两种模式（但主轴仍是深究），以达到最佳的学习效果。
刷题原则
- 每天只刷一题。
- 每天只刷一小时。
- 每一题要尽可能深入理解、厘清细节，或尝试不同的做法。
这也是为何这个方法并不适合现在就要通过大量刷题来求职的人——它更多是为了长远打算。
多多益善？
你可能会觉得：「那我一天刷 2 小时，每小时刷 2 题，这样一天就可以做 4 题了！」这我不反对，但也不建议。因为太在意刷题的「数量」可能会导致浅层学习，无法真正掌握核心概念。
更重要的是，长时间、高强度的刷题，容易造成疲劳和厌烦感，反而降低学习效率——甚至放弃。
少即是多
既然如此，求快就不是重点，数量当然也不是。同时我们还要考虑到「复习」，毕竟好的学习肯定包含了有效的复习。做的题目不多，对复习反而是一大优势，至少心理上不会那么犹豫。
