刷到第60天，正好是1月19号这天。LeetCode面试经典150题单，我从大概11月底开始啃，中途断断续续、反复回退，今天终于把这150题完整过完第一遍。说“过完”，不是说每道题都能一遍秒杀，而是所有题都至少动手写过、整理解过思路、记录了错误点。这份题单在准备技术面试的人里几乎人手一份，但它到底适合谁、该用什么顺序刷、卡住了怎么处理，真正说得清楚的并不多。这篇文章就把我60天的实际过程拆开来讲，希望能给正在刷题或准备开始的人一点参考。
1. 为什么是“面试经典150”而不是其他题单
1.1 这份题单和其他题库的区别
市面上的刷题资源无非几类：按知识点分类的专项练习、公司高频题汇总、竞赛真题，还有LeetCode官方出的面试经典题单。我一开始也纠结过到底刷哪个，后来选了“面试经典150”，核心原因是它的分类结构最适合面试场景。
这份题单把150道题按知识点切成块：数组/字符串、双指针、滑动窗口、矩阵、哈希表、区间、栈、链表、树、二叉树、图、回溯、分治、Kadane算法、二分查找、堆、位运算、数学、动态规划。注意它把树和二叉树分开列，动态规划放在最后面，说明官方是从面试出题频率和认知难度两个维度排的。相比之下，“热题100”更偏高频但题目之间没有清晰的训练主线，刷完容易“见一道会一道，换一道就懵”。“面试经典150”更像一套教材，每个知识点给足典型题，刷完能自然建立解题框架。
我个人的判断是：时间紧张、只剩两周突击面试的人，先去刷高频题更划算；但如果是还有一两个月准备时间，想把算法基础真正补到能应对大多数面试题的水平，150题是最合适的性价比选择。
1.2 60天的进度安排和阶段划分
一天刷2到3道题，加上复盘，大概需要两个小时。这是比较稳的节奏。我见过有人一天刷10道，但那样基本是看题解背代码，过几天全忘。我的60天大致分成三个阶段：
- 前15天：主攻数组、字符串、双指针、滑动窗口、矩阵、哈希表。这类题是算法题里的“基础代谢”，几乎每场面试都会碰到，而且很多复杂题的本质就是“数组+哈希”的组合。
- 中间25天：主攻链表、树、二叉树、图、回溯。树和图是面试官最爱的题型，代码量大、递归思维要求高，需要整块时间反复练习。
- 最后20天：主攻二分查找、堆、位运算、数学、动态规划，以及之前标记出来的难题回炉。
刻意把动态规划放最后，是因为它需要前面积累的数组遍历、递归、状态分析能力作铺垫。上来就刷DP容易劝退。
2. 刷题顺序和知识点的重要性排序
2.1 高频题型金字塔
如果把这150题按面试出现概率排序，我个人会排成这样：
| 优先级 | 知识点 | 典型特征 | 面试中出现概率 |
|---|---|---|---|
| 第一梯队 | 数组、哈希表、双指针、滑动窗口 | 代码量适中，边界条件多 | 几乎每场必考 |
| 第二梯队 | 二叉树、链表、图、回溯 | 递归和遍历思想为主 | 约70%的面试会涉及 |
| 第三梯队 | 动态规划、二分查找、堆 | 有固定套路但需要大量练习 | 约40%的面试会涉及 |
| 第四梯队 | 位运算、数学、前缀和、区间 | 题型相对固定 | 偶见，但考到就是拉开差距的题 |
这个排序和我刷题前的预期不太一样。我原来以为动态规划是最重要的，实际刷下来发现，二叉树和回溯才是区分选手的关键。原因很简单：动态规划题目特征明显，看到“最多”“最少”“方案数”基本能往DP上靠；而二叉树题可以伪装成各种形态，比如“验证二叉搜索树”“最近公共祖先”“二叉树的序列化”，识别不出递归模型的人会毫无头绪。
2.2 核心章节的刷题重点
数组和双指针是地基。这个部分我刷得最细，因为后面几乎所有题目都隐含了数组思维。比如“接雨水”这类题，表面是双指针，实际还可以用单调栈、动态规划做，一题练三个思路。滑动窗口的题目则要重点掌握“窗口何时扩张、何时收缩”的判断逻辑，这里最容易漏边界。
二叉树是重头戏。递归三步法几乎能解掉大部分题目：先确定递归函数的参数和返回值，再确定终止条件，最后写单层递归逻辑。我当时把每道树题都强制按这个模子写，写多了以后，看到二叉树题目第一反应不再是害怕，而是先条件反射地把三个步骤列出来。
动态规划的练习重点不在“状态转移方程怎么来”，而在“怎么证明它是错的”。一个DP写法提交之后，如果没过，不是状态定义出问题就是转移漏了情况。我把每道DP题的失败提交都留档，后发现最常见的错不是复杂的优化问题，而是数组下标越界、初始状态没赋好这种低级错误。
3. 60天里最值得反复刷的几类题目模式
3.1 双指针与滑动窗口的模板化写法
双指针类题目，我在60天后总结出一个通用思考框架：
- 先问自己：这个数组/字符串是不是有序的？如果有序，左右指针大概率能用。
- 再问：题目要求的是连续子串/子数组吗？如果是，考虑滑动窗口。
- 最后问：能不能用空间换时间？用哈希表记录已经出现的数据是关键。
以滑动窗口为例，我的固定模板是：
left = 0 for right in range(len(nums)): # 扩张窗口，更新状态 update(right) # 当窗口不满足条件时，收缩左边界 while invalid_window(): remove(left) left += 1 # 记录结果 record()这套模板解决“无重复字符的最长子串”“最小覆盖子串”这类题时特别好使。关键窍门是：每次只处理一个右端点的扩张，左端点只在条件不满足时才动，这样不会乱。
双指针的核心细节更多。比如判断回文串时，指针移动要跳过非字母数字字符；三数之和要去重，指针移动时不仅要保证left < right，还要跳过与上一次相同的值。这些细节我在前两次提交里全踩过，到后面形成肌肉记忆了。
3.2 回溯和二叉树是递归思维的试金石
回溯算法的题目数量不算多，但变化很丰富，从排列、组合、子集到棋盘问题、单词搜索，都是同一套逻辑。我把它总结成模板：
def backtrack(路径, 选择列表): if 满足结束条件: 记录结果 return for 选择 in 选择列表: 做选择 backtrack(路径, 新的选择列表) 撤销选择这个模板帮我拿下了所有回溯类题目。真正容易出错的是“去重”和“剪枝”。排列问题要用used数组记录哪些元素用过了，组合问题去重要先排序再判断相邻元素是否相同，棋盘问题要在递归前判断是否越界。我把常见的去重场景整理成了一张速查表，贴在笔记里，回看时非常方便。
二叉树题目我没有用统一模板，而是按照遍历顺序分类练习。前序遍历适合“从上到下构建”，中序遍历在二叉搜索树里有天然的有序性，后序遍历适合“从下往上返回信息”。一旦能够根据题目要求快速选择遍历顺序，树题就成功了一半。
3.3 动态规划的“五步法”练习
动态规划我刷了两轮。第一轮只求能看懂题解，第二轮要求自己独立推导。我用的还是业界常见的“五步法”：
- 定义dp数组的含义（下标、状态）
- 推导状态转移方程
- 初始化dp数组
- 确定遍历顺序
- 打印dp数组检查是否与预期一致
其中最容易翻车的是第一步。很多题看似能用“一维dp[i]”解决，实际状态有两个维度。比如“编辑距离”“最长公共子序列”必须用二维dp；“单词拆分”虽然是一维，但需要配合哈希表查词。所以每拿到一道DP题，我会先把“状态”用中文完整写一遍，再写代码。这个习惯帮我减少了很多无效提交。
4. 实际的刷题流程、代码习惯与提效工具
4.1 一道题的标准处理流程
我给自己定的流程是：
- 读题后，先不急着看题解，自己尝试设计暴力方案，哪怕复杂度很高也要写出来。
- 在暴力解基础上思考优化点，比如能否用哈希表替代两层循环、能否用双指针减少一层循环。
- 独立思考30分钟，有思路就直接动手写；没思路就标记为“卡题”，当天看题解，但第二天必须不看题解重写一遍。
- 提交通过后，去题解区看一两个高票思路，找出比自己解法更优的方案，把差异记录到笔记里。
- 每周固定抽出一天，专门重刷本周记录中标记为“第二次才能写对”的题。
这个过程很慢，但很有效。刚开始一天只能完完整整走完一遍流程的两三题，到后面熟练了，一天能处理四题，因为很多题目套路相同。
4.2 代码习惯和复杂度意识
刷题过程中，代码风格同样重要。我在60天里逐渐固定了一套习惯：
- 变量名尽量用有意义的词，而不是i、j、k满天飞。写left、right比写l、r更容易在思考时降低认知负担。
- 每个函数开头先处理边界情况：空数组、空字符串、只有一个元素、nums长度为1。
- 提交前强制自己算一遍时间复杂度和空间复杂度，写在注释里。面试时这一步几乎是必问题。
有一类错误我反复栽跟头：Python里的浅拷贝问题。列表直接赋值给结果数组，后续修改原列表时会连带修改结果。比如子集、排列类题目，记录结果时必须写result.append(path[:])，不能直接append(path)。这种坑不看题解很难发现，属于典型的环境特性坑，我后面统一用深拷贝快照的方式解决了。
4.3 我用到的提效工具
我不太推荐过度依赖插件和可视化工具，但下面几个对我的帮助确实很大：
- 本地笔记软件按知识点建页，每道题记录：题目链接、我的思路、复杂度、第一次错误点、最优解法的思路。
- 刷题平台的提交记录自带统计功能，我每周看一次“通过率最低的知识点”，就知道接下来一周该补哪里。
- 用Markdown维护一份“模板速查表”，收录双指针、滑动窗口、回溯、二分、树的遍历等常用模板，复习时只看这份表。
5. 卡题、遗忘、心态崩塌：60天里踩过的坑和应对方法
5.1 卡题的正确打开方式
卡题太正常了。150题里我独立做出来大概只有70来道，其余全是看题解后理解的。卡题并不可怕，可怕的是“硬扛时间”。我以前刷题有个坏毛病，一道题没思路就死磕一两个小时，最后又累又挫败。后来调整成“30分钟无思路就看题解”，效率高了很多。
看题解也有讲究。菜鸟是抄代码，老手是看思路。我通常先看题解的“思路描述”部分，不看代码，然后关掉题解自己动手写。如果仍然写不出来，再回来看代码，看完后把题目标记为“需要隔天重写”。这么做能避免“眼睛会了手不会”的虚假满足感。
5.2 对抗遗忘的策略
60天跨度足够长，遗忘是必然的。我在第20天回头看前几天刷过的数组题，发现很多解法已经想不起来了，当时很崩溃。后来我用了两个办法：
第一，滚动复习。每天刷新题之前，花10分钟快速浏览前一天做过的题和笔记，不重写代码，只看思路。刷到第50天时，我已经能用10分钟过完前10天的所有题目。
第二，模式归类。与其记“哪道题怎么做”，不如记“哪类题用什么框架”。比如看到“两个有序数组求中位数”，核心是二分排除法；看到“最长递增子序列”，先想贪心+二分能不能做，再想DP。把题目抽象成模式，遗忘速度会慢很多。
5.3 时间不够时的取舍
如果只剩两三周就要面试，我会做三个取舍：
- 果断放弃“困难”级别里偏门题，比如某些需要高级数据结构的题目，宁可留着时间巩固二叉树和DP的基础题。
- “中等”难度题优先刷，因为面试考察最多的就是中等题。
- 每题只追求“能讲清思路”而非“最优解”。面试里最常见的情况是，面试官并不要求你一次写出最优解，而是想看你能不能从暴力优化到更优方案。这时候过程比结果重要。
5.4 常见问题速查表
| 现象 | 原因 | 解决办法 |
|---|---|---|
| 思路正确但提交超时 | Python循环太慢，或复杂度比预期高 | 检查是否有重复遍历；考虑用哈希表/双指针降维；少数情况用sys.stdin优化IO |
| 输出结果与实际不符 | 边界条件漏处理 | 先补空输入、单元素输入；打印dp或窗口状态 |
| 递归栈溢出 | 终止条件缺失或递归深度过大 | 检查终止条件；大型数据优先考虑迭代写法 |
| 数组越界 | 指针移动没加边界判断 | 在访问索引前先判断上下界，尤其在while循环里 |
| 答案正确但内存超限 | 创建了多余的大数组 | 用滚动数组、原地修改、位压缩 |
| “看题解能懂，自己写不出来” | 只是视觉记忆 | 隔天重写；把题解思路用自己的话写在笔记里 |
5.5 独家避坑清单
最后分享三个我在第40天之后才悟到的经验：
- 题目会做和能表达是两回事。刷到后半程，我每周抽两三天，用口述方式把解题思路讲给自己听，模拟面试表达。很多刷题多的人挂在表达上，代码写对却说不清为什么，这在面试里非常吃亏。
- 难度高的题对代码量的要求未必高，很多时候二十行以内就能解决。如果发现自己写了六七十行还没完成，大概率是思路偏了，停下来重想。
- 别在刷题数量上自我感动。day60这个节点，比进度更重要的是复盘质量。我做过最亏的一件事是连续三天猛刷新题，结果把前面积累的模板全忘了。定期的回溯比推进度更重要。
6. 这是60天的答案，不是终点
费了60天刷完这150道题，说句实话，到了最后几天，我的刷题速度已经上来了，但心态反而更谨慎。因为刷得越多，越知道自己不知道的还有很多。比如有些题我虽然能过，但要我讲清楚证明过程还是有点虚；有些DP的状态压缩写法，我还在练习。这份150题更像一份“地图”，刷完第一遍，我总算能看清地图上的主干道了，接下来要做的就是把主干道跑得更熟。
如果你也正在刷这份题单，或者正要开始，我建议你把“刷完”当成一个起点而不是终点：一边刷一边整理自己的模板库，定期回头重做错题，多给自己模拟面试表达的机会。一个月后你再回头看60天前的自己，会明显感觉到算法思维上了一个台阶。这个感觉，远比那个“day60”的打卡数字更有价值。
