2026算法面试高频30题精解：思路、代码与避坑指南

2018 年开始带校招、也做过不少模拟面试之后我最大的体感是技术面试不是在考“你会不会背题”而是在考“你能不能把一个模糊的问题拆成清晰的子问题并给出可运行的解决路径”。尤其到了 2026 年面试官对 AI 生成答案已经形成免疫照搬题解、背模板这类准备方式正在加速失效。反过来把高频题真正吃透做到“思路说得清、代码写得顺、边界想得全”的人依然是所有大厂招聘表上的稀缺类型。这篇文章不是随手整理的一百道理目清单而是把 2026 年面试中真正值得投入时间的 30 道高频算法题按题型、思路、代码、复杂度和避坑点做了一份可执行的精解。对象主要是有一定编程基础、但还没形成稳定刷题方法论的开发者无论你投后端、前端还是算法岗这份清单都适用。文中出现的代码以 Python 为主个别排序类题目我补了 C 的写法方便不同语言背景的同学参考。1. 算法面试到底在考什么不是让你背题1.1 面试官真正观察的四件事算法面试的核心从来不是“解出题”而是“让面试官看到你解决问题的完整过程”。我参与过的多轮面试复盘里评价表上几乎固定有四个维度沟通、思路、代码、验证。其中沟通排在第一位因为一个候选人在没听懂题目约束时就开始写代码是最高频的翻车原因。具体来说第一件事是复述和澄清。面试官抛出题目后你需要用自己的话确认输入输出、数据规模、是否允许额外空间、是否需要返回索引还是值。第二件事是给出暴力解再谈优化这是大部分候选人会漏掉的一步。其实面试官真正想听的是你的思路演进轨迹能不能先给出一个可行但不太优雅的方案再一步步优化到符合复杂度要求。第三件事是代码落地变量命名是否清晰、空值是否处理、边界是否覆盖。第四件事是主动测试写完代码不要直接说“做完了”而是挑一两个典型用例带面试官走一遍代码逻辑。这四个维度里任何一个短板都会被无限放大。只刷题不练表达的人容易卡在“思路很会但说不清楚”只表达不写码的人又会在编译和边界上频繁翻车。所以 2026 年准备算法面试最重要的一件事是放弃“我只要多刷题就行”的幻觉改成“每道题都当成一次微型代码评审”来练。1.2 30 道题是怎么筛出来的“30 道高频题”不是某个平台的热门榜直接截取的前 30而是综合了三类信息源之后结合岗位分布和年份趋势筛出来的。第一类是近期一线公司面经和模拟面试记录特别是 2025 年之后的新题风向。第二类是刷题平台的高频题库比如 LeetCode 高频题单、各大厂的 tag 列表。第三类是我自己带人时记录的“翻车频率”——有些题正确率不低但候选人普遍在边界条件上卡很久这类题即使出现频率不是最高也值得单独列出来。筛选的逻辑有两个原则一是覆盖面优先数组、哈希、双指针、链表、栈、队列、二叉树、回溯、动态规划、图论、排序、二分这些主流考点都要有二是单题价值优先一道题最好能承载多个考点切换比如“三数之和”就同时覆盖了排序和双指针“编辑距离”同时覆盖了二维动态规划和状态转移。按这个标准筛下来30 道题基本能覆盖面试中 70% 以上的常见题型。作为第一步先把完整地图放在这里然后我挑其中的代表题目做详细拆解。序号经典题目核心考点推荐思路1两数之和哈希表哈希存补数O(n)2三数之和双指针排序 固定首元素 双指针3盛最多水的容器双指针移动较小边维护最大面积4最长无重复字符子串滑动窗口哈希记录位置左指针收缩5反转链表链表三指针迭代或递归6删除链表倒数第 N 个节点链表虚拟头节点 快慢指针7合并两个有序链表链表迭代或递归比较节点8环形链表快慢指针快慢指针相遇判环9有效括号栈左括号入栈右括号匹配出栈10每日温度单调栈维护递减栈计算跨度11接雨水双指针/单调栈前缀最大 后缀最大或单调栈12二分查找二分边界左闭右闭注意 mid 更新13搜索旋转排序数组二分变体判断升序区间再缩小范围14二叉树的层序遍历BFS队列逐层遍历15二叉树的最大深度DFS/BFS递归或层次计数16验证二叉搜索树中序/递归中序递增或上下界递归17二叉树的最近公共祖先递归左右递归结果合并18全排列回溯选择–递归–撤销19子集回溯/位运算枚举选或不选20组合总和回溯剪枝排序后剪枝避免重复组合21爬楼梯动态规划f(n)f(n-1)f(n-2)22打家劫舍动态规划相邻不同取滚动变量23最长公共子序列二维 DPdp[i][j] 转移24编辑距离二维 DP插入/删除/替换三种操作25买卖股票的最佳时机动态规划维护最低买入价26岛屿数量DFS/BFS/并查集遍历网格感染标记27课程表拓扑排序入度表 队列28数组中的第 K 个最大元素堆/快选最小堆维护前 k 大29合并区间排序贪心按左端点排序后合并30字符串相加模拟进位双指针按位加1.3 复习顺序建议先基础后抽象有了地图之后下一步要解决的是“我该从哪道题开始刷”。我见到太多人第一天就扑在动态规划和图论上结果被状态转移方程劝退。合理的顺序应该是先掌握高频且不依赖复杂背景的题再逐步进入抽象模型。我一般会建议按这条路径推进数组和哈希表 → 链表 → 栈和队列 → 双指针和滑动窗口 → 二分 → 二叉树 → 回溯 → 动态规划 → 图论。排序算法是穿插在数组和二分之间的不需要单独花一整周但快排和归并的思想要熟。这样安排的逻辑在于很多后面的题型依赖于前面的基础能力。比如回溯本质上是对数组状态的深度遍历如果数组索引和边界都不熟很难写好回溯。动态规划又高度依赖遍历顺序和状态定义前面链表、树的递归训练会帮你建立状态转移的直觉。关于 30 道题的训练量有一点我说句实在话面试前只刷 30 道题确实不够但这 30 道题作为精刷对象是足够的。我指的是“精刷”也就是每一道题都做到独立在白纸上写出来而不是看答案后觉得自己会了。真正应该做的是把 30 道题当成底料每道题再额外找 2 到 3 道同类型变体作为补充练习这样效果比盲目刷三百道要好得多。2. 数组、哈希与双指针最基础也最容易丢分2.1 两数之和从暴力到哈希表的思维升级两数之和几乎算是算法面试的“开场白”了。题目很直白给定一个整数数组和一个目标值返回两个数字的索引使它们相加等于目标值。它之所以高频不是因为简单而是因为它考察你能不能从暴力循环里走出来主动用空间换时间。最直观的解法是两层循环遍历每一对组合时间复杂度 O(n^2)。如果数组规模是 10^5这个量级基本不可接受。优化的核心是当我们遍历到某个数 num 时真正需要判断的是“target - num”是否已经出现过并且还要拿到它的索引。这时候哈希表就成了天然选择。def two_sum(nums, target): seen {} for i, num in enumerate(nums): need target - num if need in seen: return [seen[need], i] seen[num] i return []这里有两个细节容易踩坑。第一是存入哈希的时机必须是在查找补数之后否则当 num 恰好等于 target / 2 时会把当前元素自己当成补数。第二是题目通常要求“不能使用同一个元素”用上面这种边查边存的方式天然规避了这个问题。还有情况是数组里存在重复值比如 [3, 3] 目标 6第一次遍历到第一个 3 时哈希表为空存入第二次遍历到第二个 3 时能找到补数 3且索引不同返回正确结果。这类题在面试里的加分点在于主动说明如果不要求索引、只要求判断是否存在可以用先排序再双指针的做法空间复杂度降到 O(1)但会丢失原索引。这种“一题多解”的意识往往比代码本身更让面试官认可。2.2 三数之和排序 双指针怎么处理重复三数之和是两数之和的升级版也是双指针技巧的经典应用。题目要求找出数组中所有和为 0 的三元组且不能包含重复三元组。如果沿用三重循环复杂度是 O(n^3)面试官很难接受。标准解法是先排序再固定一个数剩下两个数用双指针在有序区间内夹逼。去重是这道题的核心难点。固定第一个数时如果当前数与前一个数相同说明这一轮结果已经被上一轮覆盖过应该直接跳过。双指针内部也要在找到一组答案后主动跳过左右两端所有重复元素避免产生相同的三元组。代码写出来大概是def three_sum(nums): nums.sort() res [] n len(nums) for i in range(n - 2): if nums[i] 0: break if i 0 and nums[i] nums[i - 1]: continue left, right i 1, n - 1 while left right: total nums[i] nums[left] nums[right] if total 0: res.append([nums[i], nums[left], nums[right]]) while left right and nums[left] nums[left 1]: left 1 while left right and nums[right] nums[right - 1]: right - 1 left 1 right - 1 elif total 0: left 1 else: right - 1 return res这道题的高频翻车点不在整体框架而在剪枝条件的顺序。比如“当前 nums[i] 0 时 break”这个优化成立的前提是数组已排序后续所有数都大于 0不可能再凑出和为 0 的三元组。去重时用nums[i] nums[i-1]而不是nums[i] nums[i1]因为后者会把左侧指针起始位置的元素误跳过导致漏解。我在模拟面试里经常问一个变体如果把“和为 0”改成“和最接近 target”这道题要怎么改实际上整体结构不变只是把相等判断改成维护最小差值。这类小改动正是面试官判断你“真懂”还是“背题”的方式。2.3 盛最多水的容器双指针为什么要移动较小边盛最多水的容器是一道看起来很“数学”的题但它的双指针思路一旦理解很难忘掉。题目给了一个整数数组每个数代表竖线高度选择两条线与 x 轴组成的容器求最多能装多少水。面积公式是min(height[left], height[right]) * (right - left)。暴力解是枚举所有左右组合O(n^2)。优化到 O(n) 的思路是双指针从两端往中间移动。关键问题是每次应该移动哪一边面积由较短的那条边决定因此如果移动较高的边新的高度最多不会超过原来的较低边同时距离一定减小面积必然变小。反过来移动较矮的边虽然距离减小但新高度有可能变大面积存在变大的可能。def max_area(height): left, right 0, len(height) - 1 ans 0 while left right: area min(height[left], height[right]) * (right - left) ans max(ans, area) if height[left] height[right]: left 1 else: right - 1 return ans这类双指针题背后其实是一种贪心思想放弃不可能成为最优解的搜索分支。只要能向面试官解释清楚“为什么跳过这一侧不会漏掉最优解”这道题就基本拿下了。我建议你复习时把所有双指针题放在一起对照比如三数之和、容器接水、最长无重复子串你会发现它们的移动条件各不相同但都遵守“单调性”这个底层逻辑。3. 链表、栈与滑动窗口边界条件才是重灾区3.1 反转链表迭代三指针到底在反转什么链表题是面试现场情绪崩溃率最高的题型之一因为空指针和断链问题非常隐蔽。反转链表是其中最基础的题也是很多后续题目的前置技能。看到“反转”两个字第一反应不应该是背代码而是想清楚链表反转的本质把每个节点的 next 指针从前一个节点指到后一个节点改成从后一个节点指向前一个节点。迭代写法需要三个指针prev 指向已经反转好的头部cur 指向当前要处理的节点nxt 暂时保存 cur.next防止断链后丢失后续节点。每次循环做四件事保存 nxt把 cur.next 指向 prevprev 挪到 curcur 挪到 nxt。循环结束后 prev 正好是新的头节点。def reverse_list(head): prev None cur head while cur is not None: nxt cur.next cur.next prev prev cur cur nxt return prev这里最容易写错的点是最后返回 prev 还是 cur。很多人条件反射返回 cur但循环结束时 cur 一定是 Noneprev才是原链表的最后一个节点也就是新链表的头。调试时我建议在纸上画一个只有三个节点的链表手动把每一步的引用关系走一遍。这个过程看起来笨但比盯着代码找 bug 快得多。递归写法也值得掌握因为它能帮你巩固递归思维先反转当前节点之后的所有节点再把当前节点的下一个节点的 next 指向自己最后把当前节点的 next 置空。head.next.next head这行是核心理解它比背住整个递归函数更有价值。3.2 删除倒数第 N 个节点虚拟头节点和快慢指针删除链表的倒数第 N 个节点常规思路是先遍历一遍拿到链表长度再走到正数第 L-N1 个节点删除。这个答案可以过关但面试官通常期待你能用“快慢指针”一趟完成。思路是让快指针先走 N 步然后快慢指针同步走当快指针走到末尾时慢指针正好停在待删除节点的前一个位置。这里有个细节容易被忽略如果删除的是头节点慢指针需要在头节点之前有一个前驱才能完成删除操作。因此需要引入虚拟头节点 dummy它不存真实数据只是为了让“删除第一个节点”的代码逻辑与其他节点一致。def remove_nth_from_end(head, n): dummy ListNode(0, head) fast dummy slow dummy for _ in range(n 1): fast fast.next while fast is not None: fast fast.next slow slow.next slow.next slow.next.next return dummy.next注意这里fast先走 n1 步而不是 n 步目的是让 slow 最终落在待删节点的前一个节点。如果走 n 步slow 会直接指向待删节点删除时还需要额外保存前驱。虚拟头节点的使用是链表题里极其重要的套路合并两个链表、反转区间、按组反转这些题目都依赖它。3.3 有效括号与每日温度栈的两个经典用法栈是我在面试里非常爱考的一类题因为它很好地区分“背代码的人”和“理解数据结构的人”。有效括号就是最经典的入门题。遍历字符串遇到左括号就压栈遇到右括号就比较当前栈顶是否是对应的左括号。如果匹配则出栈不匹配直接返回 False。遍历结束后栈里必须为空否则说明存在未被匹配的左括号。def is_valid(s): stack [] mapping {): (, ]: [, }: {} for ch in s: if ch in mapping: top stack.pop() if stack else # if top ! mapping[ch]: return False else: stack.append(ch) return not stack这里的小陷阱是栈空时的 pop 操作。遇到右括号但栈已经为空说明右括号多余应该立刻返回 False。用top stack.pop() if stack else #可以避免抛异常。每日温度的问题是单调栈的入门题。给定一个温度数组返回每个位置下一个更高温度出现在几天后。暴力解是两层循环O(n^2)。单调栈解法维护一个递减的栈栈里存的是下标。遍历到新温度时不断与栈顶下标对应的温度比较如果新温度更高就说明栈顶元素的下一个更高温度是当前位置可以出栈并记录距离然后把当前下标压入栈。这样每个元素最多入栈一次、出栈一次时间复杂度 O(n)。这个套路在接雨水、柱状图最大矩形、下一个更大元素等题里是同一个核心模型。我建议一两周内集中刷完这几道题比分散在三个月里效果明显更好。3.4 滑动窗口最长无重复子串的窗口收缩逻辑滑动窗口是数组和字符串题的常客尤其适合处理“连续子区间满足某种条件”的问题。最长无重复字符子串这道题的描述很简单给定一个字符串 s请找出其中不含有重复字符的最长子串的长度。暴力枚举所有子串会超时滑动窗口能把复杂度降到 O(n)。窗口由 left 和 right 两个指针维护right 负责扩展left 负责收缩。每次 right 扩展一个字符后检查当前字符是否在窗口里出现过。如果出现过就需要把 left 移动到上次出现位置的下一个位置。为了快速判断用字典记录每个字符最近一次出现的下标。def length_of_longest_substring(s): seen {} left 0 res 0 for right, ch in enumerate(s): if ch in seen and seen[ch] left: left seen[ch] 1 seen[ch] right res max(res, right - left 1) return res这里有三个地方需要重点理解。第一为什么收缩条件是seen[ch] left如果字符上次出现的位置在窗口左边界之前说明它不属于当前窗口不需要收缩。第二更新 seen 的时机必须是在判断之后否则当前字符会被提前写进字典导致判断误伤。第三更新结果用res max(res, right - left 1)而不是res 1因为窗口可能发生收缩长度并不总是递增。我能想到比较好的比喻是把窗口当成一条传送带left 是传送带的起点right 是终点每次发现重复零件就从上次出现位置的后一格重新开始计数。只要把“窗口内状态如何维护”想清楚多数滑动窗口题都能套上框架再根据题目要求调整收缩逻辑。4. 树、图、回溯与动态规划从递归思维到状态转移4.1 二叉树层序遍历和最近公共祖先树的结构天然适合递归所以很多候选人容易陷入“会写递归但不理解递归”的状态。层序遍历是打破这种状态的好题目因为它强迫你从递归思维切换到迭代思维。层序遍历要求按层输出节点值核心是使用队列。每一轮循环先记录当前队列长度表示当前层的节点数然后只处理这么多节点并把这层所有节点的子节点加入队列。from collections import deque def level_order(root): if not root: return [] res [] q deque([root]) while q: level [] for _ in range(len(q)): node q.popleft() level.append(node.val) if node.left: q.append(node.left) if node.right: q.append(node.right) res.append(level) return res我记得自己早期很容易把len(q)写在每轮循环外导致一层节点还没处理完队列长度变化后就乱了。这里必须注意for _ in range(len(q))中的len(q)是在进入循环前求值的它固定了当前层的节点数量不会因为 q 内部变化而改变这正是层序的关键。最近公共祖先LCA则是递归思维的代表题。给定两个节点 p 和 q找出它们在二叉树中的最近公共祖先。解法并不需要额外的父指针或路径记录而是利用递归的返回值做信息汇总。如果当前节点是 p 或 q直接返回当前节点递归左右子树后如果左子树和右子树都返回了非空结果说明 p 和 q 分别位于当前节点的左右两侧当前节点就是 LCA如果只有一侧非空说明 p 和 q 都在同一侧直接返回那一侧的结果。这道题我在模拟面试中至少见过五六十次能一字不差背出解法的人不少但能解释清“为什么返回 left or right 就足够了”的人不到一半。面试时一定要把这一层递归语义说清楚而不是只写代码。4.2 回溯三要素路径、选择、撤销回溯算法在面试里的地位从没降低过因为它太能在短时间看出候选人的抽象能力。全排列、子集、组合总和、括号生成、N 皇后本质上都是同一个模型。我用三句话概括回溯做选择进递归撤销选择。整个过程就像走迷宫走到死路就退回上一个岔路口换一条路再试。以全排列为例需要维护两个变量path记录当前已经选择的结果used 数组记录元素是否已经被使用。递归终止条件是 path 的长度等于 nums 的长度此时把 path 的一个拷贝加入最终结果。然后在每一层遍历所有元素如果 used[i] 为 True 就跳过否则标记为已使用加入 path进入下一层递归返回后撤销 used[i] 和 path 的最后一个元素。def permute(nums): res [] n len(nums) used [False] * n def backtrack(path): if len(path) n: res.append(path[:]) return for i in range(n): if used[i]: continue used[i] True path.append(nums[i]) backtrack(path) path.pop() used[i] False backtrack([]) return res组合总和 II 比全排列更强调剪枝。题目要求在数组中找到所有和为 target 的组合且每个数字在每个组合中只能使用一次结果不能包含重复组合。解题时先排序再在递归中传入 start 索引保证每次只能向后选择元素天然避免了排列顺序带来的重复。同时如果当前值已经大于剩余 target由于数组有序后续元素都不会满足可以直接 break 剪枝。回溯题在面试中的错误绝大多数出在“忘记撤销”或“撤销位置错误”。我有个很笨但有效的自查方法每次写回溯都先检查递归调用下面是否紧跟对应的状态恢复语句。path.pop()之后才允许进入下一个循环分支否则状态会被污染。4.3 动态规划的状态定义爬楼梯、打家劫舍、编辑距离动态规划在 2026 年的面试中依然是压轴级别的存在但它的高频考点其实集中在少数几个模型上一维 DP、二维 DP、背包、股票问题、区间 DP。只要状态定义和转移方程想清楚代码往往只有十几行。先看爬楼梯。楼梯一共有 n 级每次可以爬 1 级或 2 级问有多少种不同方法爬到楼顶。这个问题的递推关系是 f(n) f(n-1) f(n-2)因为到达第 n 级的最后一步要么是从 n-1 级走 1 级要么是从 n-2 级走 2 级。代码可以用滚动变量把空间从 O(n) 降到 O(1)。def climb_stairs(n): if n 2: return n a, b 1, 2 for _ in range(3, n 1): a, b b, a b return b打家劫舍则引入了“选或不选”的状态博弈。相邻房子不能同时被偷求能偷到的最大金额。定义 dp[i] 为“考虑前 i 个房子能得到的最大金额”转移方程是dp[i] max(dp[i-1], dp[i-2] nums[i])。这个方程的意思是第 i 个房子不偷则结果等于前 i-1 个房子的最优解偷则结果等于前 i-2 个房子的最优解加上当前金额。滚动变量写法是def rob(nums): prev2, prev1 0, 0 for num in nums: cur max(prev1, prev2 num) prev2, prev1 prev1, cur return prev1编辑距离是二维 DP 的代表。题目给两个字符串 word1 和 word2允许插入、删除、替换字符求把 word1 转换成 word2 的最少操作数。定义 dp[i][j] 为 word1 前 i 个字符转换成 word2 前 j 个字符的最少操作数。初始化时dp[i][0] i表示删除 i 个字符dp[0][j] j表示插入 j 个字符。转移时如果 word1[i-1] word2[j-1]dp[i][j] dp[i-1][j-1]否则取三种操作的最小值再加一。面试时这道题最容易被卡住的点是把下标 i 和 i-1 搞混因为二维数组的 i 对应的是字符串第 i 个字符而代码里访问字符串时要用 i-1。建议先画一张二维表把前两行和前两列手动填一遍再做转移。4.4 图的遍历岛屿数量与课程表图论题看起来复杂但高频题基本集中在 DFS/BFS 模板和拓扑排序两类。岛屿数量就是 BFS/DFS 的模板题。给定一个由 1陆地和 0水组成的二维网格计算岛屿数量。岛屿由水平和垂直方向相邻的陆地连接而成。标准解法是遍历每个格子发现 1 就把岛屿数量加一然后通过 DFS 把这个格子附近所有相邻的 1 都改成 0防止重复计数。def num_islands(grid): if not grid: return 0 rows, cols len(grid), len(grid[0]) count 0 def dfs(i, j): if i 0 or i rows or j 0 or j cols or grid[i][j] 0: return grid[i][j] 0 dfs(i 1, j) dfs(i - 1, j) dfs(i, j 1) dfs(i, j - 1) for i in range(rows): for j in range(cols): if grid[i][j] 1: count 1 dfs(i, j) return count这道题要注意网格的行列越界判断四个方向都要检查。很多人习惯把grid[i][j] 0放在前面但必须先检查下标范围否则会抛 IndexError。此外修改原数组grid[i][j] 0是一种可接受的原地标记方式但在面试时最好主动说明“我这里直接修改了输入数组如果不希望破坏原始数据可以用 visited 集合来记录”。课程表问题是拓扑排序的经典应用。给定课程数量和先修关系判断是否可以完成所有课程。建图后统计每个节点的入度把所有入度为 0 的课程加入队列弹出时把依赖它的课程的入度减一如果减到 0 再入队。最后如果课程完成数量等于总课程数说明图中不存在环。这道题在代码里通常有两部分数据处理用 List[List[int]] 存邻接表用数组存入度。面试时可以先跟面试官确认课程编号范围和依赖关系的输入格式再开始写代码这类沟通动作本身就是加分项。5. 刷题方法与常见问题排查5.1 拿到一道题的正确做题姿势我见过很多候选人拿到题之后连数据范围都不看就开始写代码。这是算法面试中最常见的战术错误。正确姿势的第一步永远是审题输入规模是什么级别能不能用 O(n^2)要不要考虑数组为空、只有一个元素、元素全是重复值这些边界情况。第二步是主动和面试官对齐“最小可行动解”。即使你一眼就看出了最优解也建议先说一句“我先说下暴力思路再聊怎么优化”这是沟通策略不是示弱。暴力解能确认你对题目的理解没错优化思路则展示你的思维深度。面试官最怕的是候选人闷头写了一个看起来很复杂的解法最后发现题目理解都错了。第三步是写完代码后主动验证。不要只说“我觉得没问题”而是挑一个典型用例带着面试官走一遍输入为 xxx 时循环第一次执行变量值是多少走到某一步为什么 left 要移动。这个过程既是对代码的检查也是在告诉面试官你具备代码走读能力。5.2 常见 Bug 与排查技巧我在批改模拟面试代码时发现有一些高频 bug 几乎每周都能遇到。整理成一张表方便你自查。常见问题典型场景排查思路数组越界二分、双指针、网格 DFS检查所有访问数组的索引先判断下标范围再取值栈溢出递归过深或漏掉终止条件打印递归入口参数观察是否出现重复状态死循环while 中指针没有更新检查 while 内部所有分支确保每个分支都会移动指针或改变状态状态未撤销回溯题输出重复或错误查看递归调用后是否恢复 used、path、visited返回值类型错误链表题返回了中间节点而非头节点画图确认最终需要返回的引用指向哪个节点一维/二维下标弄混编辑距离、最长公共子序列把 i、j 与字符串下标关系写在注释里或画二维表排查时最直接的工具就是打印。有些人觉得面试时打印不算优雅但相比闷头盯代码显式的打印输出能更快暴露问题。在循环开头打印指针位置、当前元素、栈内容然后手动跑一个小用例通常三到五分钟就能定位到问题。真正忌讳的不是调试而是调试完后不跟面试官解释你发现了什么、为什么这么改。5.3 复杂度分析别只说 O(n)很多候选人能写出正确代码但被问复杂度时只会说“O(n)”。面试官想听到的不只是量级还有空间复杂度、最坏情况 vs 平均情况、以及你做的优化换来了什么代价。比如两数之和空间 O(n) 换时间 O(n)这个空间在 n10^6 时是否可接受都需要想清楚。递归题的复杂度尤其容易说错。比如二叉树的最大深度递归版本的时间复杂度是 O(n)空间复杂度是 O(h)h 是树高最坏情况下退化成链表变成 O(n)。如果只说“O(n)”等于没回答重点。回溯题则要区分节点数和解的数量很多回溯问题的时间复杂度用“指数级”来描述但具体底数是什么、是否受剪枝影响最好能说清楚。我建议准备一个小本子每刷完一题就记录两个数据时间复杂度和空间复杂度并写一句“为什么是这个复杂度”。这个习惯看起来繁琐但坚持 30 道题之后你会发现复杂度分析能力会明显好于只刷题不记录的人。5.4 面试前的最后 72 小时怎么安排最后冲刺阶段我不建议再刷新题而是把 30 道精解题重新过一遍重点放在三件事上一是限时重写高频题每道题控制在 15 分钟以内二是把每道题的思路压缩成两到三句话像一个 elevator pitch保证面试官问“这题你怎么想”时你能流畅表达三是用白板或空白纸写代码不用 IDE 的自动补全练出手写状态下的准确度。我自己在面试前还会做一件事把所有题目的复杂度表打印出来逐行看一遍。只看了三十秒但能把重要信息重新激活一遍。如果某道题发现自己已经想不起解法就在旁边画个星号当天优先重做它。最后再分享一个很小但很有用的习惯面试前一晚睡前列一个“要主动询问的边界条件清单”比如“数组可能为空吗”“元素是整数还是浮点数”“能否修改原数组”第二天看到题目先过一遍这个清单。准备算法面试到最后拼的不是稀奇古怪的难题而是稳定的输出能力。稳定不是天赋是靠流程练出来的。