编程基础篇
AI 背后的算法
把复杂度、搜索、排序、递归、图和采样，连接到现代 AI 系统的真实机制。即使第一版代码由 AI 写出，也能用这些连接判断取舍。
编程基础篇15篇札记
本页解决的问题
先给结论「AI 背后的算法」AI 学习路径适合解决什么问题？
把复杂度、搜索、排序、递归、图和采样，连接到现代 AI 系统的真实机制。即使第一版代码由 AI 写出，也能用这些连接判断取舍。 路线包含 15 篇免费札记，每篇聚焦一个可以独立搜索、理解和验证的问题。
判断标准
核心主题包括：复杂度：一眼看穿代码值不值、查找与排序、递归与分治、搜索与决策。
下一步
从「Big-O：一眼看穿代码要跑多久」开始，再按当前任务选择下一篇。
常见误区
不要为了完成目录而跳过实践；能用自己的例子解释一个取舍，比读完更多标题更重要。
这条路径会练什么
从第一篇打开
每个章节都围绕一类真实决策展开。可以顺着走，也可以从正在处理的工作切入。
01Big-O：一眼看穿代码要跑多久拖动数据量滑块，看 O(1)、O(log n)、O(n)、O(n²) 四条曲线怎么分道扬镳；数据翻十倍，谁不动声色、谁当场爆炸↗02为什么上下文越长越贵？O(n²) 的账单注意力机制要让每个 Token 看所有 Token：拖动上下文长度，看计算量和账单按平方往上蹿——长对话变卡变贵的根源↗03二分查找：猜数字游戏的最优解玩一局 1 到 100 猜数字，体会每猜一次范围砍一半；十亿条数据 30 次就能找到——log n 快到什么程度↗04排序：冒泡和快排的赛跑两种排序同场竞技的可视化动画：看冒泡怎么一步步挪、快排怎么分区跳跃；数据量一大差距有多悬殊↗05排序在 AI 里的真身：RerankRAG 检索回来的段落不能直接用：先粗排再精排。亲手调整权重，看候选段落怎么重新洗牌——推荐流和搜索结果同理↗06递归：把大事拆成同一件小事遍历目录、拆解任务、画分形树，套路都一样：自己调用自己。看 Agent 怎么把「做个官网」递归拆成能动手的小任务↗07分治：上下文压缩的算法原理动手实战篇的 Compaction 其实是分治：把长对话切段、各自摘要、再合并。亲手跑一次递归摘要，看信息怎么被层层压缩↗08BFS 与 DFS：Agent 在代码库里找文件走迷宫动画看两种搜索的性格：一层层扫 vs 一条道走到黑；Coding Agent 的 grep 检索、网络爬虫都是它们的变体↗09贪心与采样：AI 选词时的两种性格每步都挑最大的就是贪心解码，按概率掷骰子就是采样——Temperature 背后的算法学。亲手对比两种策略生成的句子↗10Beam Search：往前多看几步再选贪心一步错步步错，Beam Search 同时留几条候选路往前探。交互对比两种策略走出的句子，理解「先想再答」的直觉来源↗11AI 都会做题了，还要刷 LeetCode 吗？面试现状实话实说：什么岗位还在考、考到什么档位、什么岗位早就不看了。点选你的目标岗位，对号入座↗12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」↗13汇总 · 五类算法思想对照表复杂度/查找排序/递归分治/图搜索/贪心采样，每类对应 AI 里的一个真实机制；一张表带走全章↗14给 AI 写的代码做一次复杂度体检三档任务：让 AI 自报复杂度、要求优化一档并说清代价、用大数据量实测验证它没吹牛↗15算法 · 30 道灵魂拷问每题附考察意图、答题框架与加分点：Big-O 直觉 / 二分的前提 / 递归的风险 / BFS vs DFS / 采样策略 / AI 时代还考算法吗↗