用 AI 学算法的正确姿势
让它出题、让它当考官、让它逐行讲复杂度——三个立刻能用的提示词模板，把 AI 从「替你做题」变成「陪你练题」
本页解决的问题
先给结论「用 AI 学算法的正确姿势」要解决的关键问题是什么？
让它出题、让它当考官、让它逐行讲复杂度——三个立刻能用的提示词模板，把 AI 从「替你做题」变成「陪你练题」
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
每组两个做法，点选你认为的好姿势，即时判定。5 组全对有彩蛋。
「为什么算法最适合 AI 私教」里的算法代价曲线
「让它出题、让它当考官、让它逐行讲复杂度——三个立刻能用的提示词模板，把 AI 从「替你做题」变成「陪你练题」」真正训练的不是背诵步骤，而是识别重复工作：输入变大时，程序到底多做了多少次比较、移动或递归。
先找重复工作，再谈快慢
「让它出题、让它当考官、让它逐行讲复杂度——三个立刻能用的提示词模板，把 AI 从「替你做题」变成「陪你练题」」可以拆成输入规模、每轮做什么、以及是否能缩小下一轮范围三个问题。Big-O 是描述增长趋势的语言，不是对每台机器的精确计时；常数、内存和真实数据分布也会影响最终结果。
- 角色要换过来 ：你出题它把关、你动手它讲解——AI 是教练，不是代练
- 先自己试 10 分钟 ：卡住的地方才是学习发生的地方，直接看答案等于没练
- 要引导不要答案 ：苏格拉底式提问让 AI 逼你自己想通，记得最牢
别把理论最优当成无条件最优
面对 AI 写出的算法，先用小输入手算一遍，再用逐渐放大的数据做基准测试。这样才能把「让它出题、让它当考官、让它逐行讲复杂度——三个立刻能用的提示词模板，把 AI 从「替你做题」变成「陪你练题」」从一句结论变成可检查的性能判断。
从「为什么算法最适合 AI 私教」走到「好姿势 vs 坏姿势 · 5 组点选」
「为什么算法最适合 AI 私教」先把问题落在「学算法恰恰是最适合 AI 私教的场景。 它随时出题、无限耐心、即时讲解——传统学习里最贵的三样东西（好题、好老师、即时反馈），AI 一次全给你。但前提是姿势要对：AI 从「替你做题」变成「陪你练题」的关键，是 你动手它把关 。下面三个模板，就是把 AI 按到教练席上的具体方法」上；到了「好姿势 vs 坏姿势 · 5 组点选」，讨论继续推进到「每组两个做法，点选你认为的 好姿势 ，即时判定。5 组全对有彩蛋」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
算法题换成真实任务后，先找出重复工作，再问输入规模如何变化，最后用一个小基准验证理论判断。这样不会把复杂度记成脱离场景的标签。
- 「为什么算法最适合 AI 私教」：学算法恰恰是最适合 AI 私教的场景。 它随时出题、无限耐心、即时讲解——传统学习里最贵的三样东西（好题、好老师、即时反馈），AI 一次全给你。但前提是姿势要对：AI 从「替你做题」变成「陪你练题」的关键，是 你动手它把关 。下面三个模板，就是把 AI 按到教练席上的具体方法
- 「好姿势 vs 坏姿势 · 5 组点选」：每组两个做法，点选你认为的 好姿势 ，即时判定。5 组全对有彩蛋
- 「最后的要点」：模板只是起点 ：用两周后按你的水平改写它们，私教要越调越贴身
最后的「最后的要点」把讨论落到「模板只是起点 ：用两周后按你的水平改写它们，私教要越调越贴身」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
✅ 这一课想和你分享的
- 角色要换过来：你出题它把关、你动手它讲解——AI 是教练，不是代练
- 先自己试 10 分钟：卡住的地方才是学习发生的地方，直接看答案等于没练
- 要引导不要答案：苏格拉底式提问让 AI 逼你自己想通，记得最牢
- 逐行讲复杂度：让 AI 指出瓶颈行，练的正是「验收代码」的眼力
- 模板只是起点：用两周后按你的水平改写它们，私教要越调越贴身
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。