企业官网建设流程全解析

刷题题单目录这事儿，看着简单，做起来翻车的人太多了。我在帮助几个同学梳理刷题进度的时候发现，大家都在纠结“我刷了多少道”，却很少有人关心“我刷过的题，到底有没有沉淀下来”。三个月前刷过的某道中等难度的动态规划题，现在让你重新写一遍，估计很多人只能记个大概思路，边界条件、状态转移方程全是模糊的。这不是记忆力问题，是你的题单目录压根没建对。

今天这篇不是教你怎么做题，而是聊聊怎么把题单目录当成一个正经的知识管理系统来设计。适合正在准备技术面试、转码刷题、或者打算系统提升算法能力的人，不管你是刚刷完五十道的新手，还是已经刷了三百道的老手，这篇都有参考价值。

1. 题单目录的定位：刷题不是做题，是管理知识资产

1.1 一个让我彻底反思的案例

先讲个真实案例。A同学，刷题量确实不小，某在线判题平台上前前后后AC了两百多道。结果模拟面试时连一道经典的“二叉树层序遍历”变体都没写利索。我问他：你之前不是刷过类似的题吗？他翻出收藏夹里的记录，确实有，还标注了“已通过”。问题在哪？他当时是靠看题解、对照着写出来的，提交通过后就再也没管过。收藏夹里攒了十几个专题的题单，都是网上复制的别人的目录，自己根本没有消化。

这件事给我最大的触动是：刷题这件事，做与不做之间，隔着的是“消化”两步。而消化最核心的载体，就是你自己的题单目录。没有目录的刷题，就像往仓库里堆货，东西是放进去了，但你不知道有什么、在哪、适合什么场景用。等到面试时需要调用某个算法模板，你只记得“好像见过类似的题”，然后就没有然后了。

1.2 用「知识管理」的眼光看待刷题

很多人对“题单目录”的理解就是“把题目按主题分类放在Excel里”。这不能算错，但格局小了。真正有效的题单目录，本质上是一套个人算法知识资产的索引系统，它至少需要承担四个职能：

• 检索：想复习“滑动窗口”的经典题，几秒钟能够定位到具体题目和你的解法记录。
• 关联：一道“最大子序和”的变体题，能够关联到“前缀和”“分治”“动态规划”三种解法的路径。
• 沉淀：目录里记录的不仅是一道题，还有你在某道题上犯过的错、总结出的模板、可以复用的代码片段。
• 反馈：通过目录掌握度的分布，反向调整下一步刷题计划，而不是每天随机抽题碰运气。

把这个定位想清楚，你再去看各种五花八门的题单，眼光就不一样了。很多现成的题单问题很大，要么是单纯按难度列了一堆题目，要么是按知识点机械分类但没有任何备注。这类“标题党”题单，收藏之后大概率放到吃灰，因为它不符合“检索—关联—沉淀—反馈”的闭环逻辑。

2. 搭建维度：三级分类的设计逻辑

2.1 主维度：按数据结构与基础专题分区

题单目录的第一个分区维度，要用“数据结构与基础专题”来划分。像数组、链表、哈希表、栈、队列、树、图、堆、字符串、并查集这十类，基本覆盖了刷题90%的主战场。这个分区维度符合算法题本身的出题逻辑，你分析一道题时，第一步就是判断它在操作什么数据结构。

我当时建的目录长这样，你可以参考：

• 01-数组与普通线性结构
• 02-链表专题
• 03-哈希表与集合
• 04-栈与单调栈
• 05-队列与滑动窗口
• 06-二叉树与树形结构
• 07-堆与优先队列
• 08-图论与搜索
• 09-字符串处理
• 10-并查集/线段树进阶

每个专题下再放子目录。比如树这个专题下，我会再拆出“二叉树的遍历”“二叉搜索树”“树的递归与动规”“公共祖先与路径”四个子类。这样做的目的是让每个子类下题目量控制在10~20道左右，既有足够的同类题目让你总结规律，又不会太多导致复习时无从下手。

2.2 交叉维度：按算法范式打标签

光按数据结构分区还不够。刷题到了一定阶段你就会发现，同一道题可以用多种方法解，“暴力解法vs最优解”之间的思维路径完全不同。而且很多按数据结构分类的题，底层全是同一套算法范式。比如“求子数组和等于k的最短长度”，表面是“数组与滑动窗口”，深层考的是“前缀和+哈希表优化”。

所以有必要在题目本身或目录备注上加上算法范式的交叉标签。常见的标签体系包括：二分搜索、双指针、滑动窗口、递归回溯、动态规划、贪心、图搜索（BFS/DFS）、分治、数学推导。这些标签会从另一个维度帮你串联题目，跳脱出“数组题只会用数组思维”的路径依赖。

实际管理中，我建议主目录还是“数据结构分区”，标签用来做交叉关联。为什么？因为数据结构是题目的骨架，更好识别，不容易分错；算法范式是精髓，必须通过比较同类题目才能领悟，标签更适合“按图索骥”而不是作为主目录骨架。

2.3 难度维度：用标签替代分层目录

新手很喜欢把目录按“简单/中等/困难”分文件夹。这种方法前期还能用，后期必乱。原因很简单：难度是个动态概念。你刚开始觉得“绿色难度”的题很难，三个月后可能觉得它只值一星；你原先标注为“困难”的某题，在掌握某种套路后可能“秒杀”。难度层次的划分一旦写进了目录结构里，后期调整需要移动文件、更新索引，成本极高。

更合理的做法是：目录结构完全按知识体系来定，难度只作为每道题目录下的元数据属性（比如星级或者“简单/中等/困难”标签）。这样做有两个直接的好处：一来复习时可以按“难度”快速筛选，二来不会因为难度标记的变化而打乱已有结构。

3. 从收藏夹到目录：落地一套可复用的结构

3.1 用什么工具承载目录

工具选择上，我试过各种各样的方案：纯Excel表格、在线文档、本地笔记软件、Git仓库。各有利弊，我用一个表格帮你对比：

我自己最终采用的是本地笔记软件为主、在线表格为辅的组合。所有题目的详细解法、思考过程、易错点放在笔记里，表格里只保留一个目录索引，用于快速统计各专题的完成进度和掌握度。这个组合兼顾了“深度沉淀”和“快速管理”两个需求。

3.2 一套可以照抄的目录骨架

下面给出我当时实际用过的骨架，你完全可以直接照搬过去改造：

算法刷题库单/ ├── 00-计划与看板 │ ├── 本周刷题计划.md │ ├── 月度复盘模板.md │ └── 高频错题榜单.md ├── 01-数组与线性结构 │ ├── 双指针专题.md │ ├── 前缀和与差分数组.md │ └── 模拟与区间合并.md ├── 02-链表专题 │ ├── 链表反转与删除.md │ └── 快慢指针与环检测.md ├── 03-哈希表与集合 │ ├── 哈希表的高频应用.md │ └── 集合互斥与去重.md ├── 04-栈与单调栈 │ ├── 单调栈模板与变体.md │ └── 括号问题与表达式求值.md ├── 05-队列与滑动窗口 │ ├── 滑动窗口框架题.md │ └── 双端队列细节.md ├── 06-二叉树与递归 │ ├── 二叉树遍历四件套.md │ ├── 递归转递推.md │ └── 公共祖先问题.md ├── 07-堆与优先队列 │ ├── TopK解法整理.md │ └── 堆排序与懒删除.md ├── 08-图论与搜索 │ ├── BFS与拓扑排序.md │ ├── DFS与回溯.md │ └── 最短路径与最小生成树.md ├── 09-字符串处理 │ ├── 子串问题集.md │ └── 正则与表达式匹配.md ├── 10-动态规划 │ ├── 背包问题的自我总结.md │ ├── 区间DP模板.md │ ├── 状态机与状态压缩.md │ └── 最长上升子序列变体.md └── README.md

每个.md文件内部，我按照一套固定格式写题：

• 题号与链接（标注来源平台）
• 难度星级（1~5星，动态可调）
• 一句话题型描述（如“双指针+有序数组降维”）
• 核心解法与复杂度分析
• 易错点记录
• 关联题目与上下位链接

这套结构看上去很简单，但细节上的关键点是：每个文件不是一个知识点的堆砌，而是一道题一个条目且按日期倒序排列。这样方便你进行定期的“回溯扫描”，看看自己最近的刷题走向是不是过于偏科了。

3.3 迁移排期：不要试图一天搬家

从现有收藏夹迁移到新目录，最容易犯的错就是“周末一天搬完”。200道题要逐条搬，搬的过程中还忍不住翻题解，结果搬完就再也不想打开这个目录了。

我的经验是分阶段处理。第一周先搬你最近30天刷过的题，这类题记忆新鲜，搬的过程中顺带把思路写进笔记，等于免费做了一次复习。第二周搬“高频经典题”，这些题价值大、值得反复研究。剩下那些你连题号都想不起来的，直接放弃，不用心疼。刷题目录记录的是你的知识沉淀，不是你的全量历史记录，把最有价值的二三十道题真正消化，远胜过把两百道题堆成一座没有出口的迷宫。

4. 让题单目录活起来：回写与复习机制

4.1 一道题完成后的三个回写动作

很多人的刷题流程是：复制题目→写代码→提交通过→下一题。然后目录里多了一条“已AC”的记录。这实际上是最大的浪费。提交通过，只是这道题价值的20%，剩下80%在回写这个动作里。

我给自己定了个规矩：一道题AC之后，必须执行三个回写动作，缺一不可。第一，15分钟内给这道题做标签归档：它属于哪个主目录、哪个子专题、核心算法标签是什么，放进对应的.md文件。第二，用两三句话记录自己的卡点所在：是没看懂题意、没设计出状态转移、还是边界条件处理错了？这些卡点就是你知识体系的破洞，不补的话下次换个马甲照样能漏。第三，在目录的“易错点记录”里更新或追加一条信息，如果这个易错点已经出现第三次了，那我会额外把它抄到“高频错题榜单.md”里，作为阶段重点。

这套动作用不了半小时，但效果极其显著。原因在于，回写的过程强迫你把“隐性经验”转化为“显性记录”。很多解题时的灵光一现、理清思路的瞬间，不写下来，过两天就忘记细节。写下来，你就真的拥有了这道题。

4.2 定期的回顾与目录状态重建

目录建好之后不是一次性工作，它需要定期“状态重建”。我自己的节奏是每两周一次，做三件事。第一，重新评估每道题的难度星级与掌握度，已经熟练的降星，仍然生疏的升星并标记“待二刷”。第二，查看各专题的统计看板，如果某个专题连续很久没有新增题，要么主动安排这个专题，要么考虑是不是最近刷题方向太偏了。第三，把“本周刷题计划”里完成的内容移动到对应的存档目录，清空过期任务。

状态重建之所以重要，因为刷题过程往往是偏科的。你最近在看某类热门面试题，就会不自觉地刷一堆相关题，目录上显示你累计完成了很多题，实际上其他专题的题你可能已经三个月没碰了。定期Review等于把偏掉的方向拉回来。

4.3 目录状态如何反向驱动日常计划

目录不只是用来记录的，它应该是每周期计划的输入。我每周日晚上做下周计划时，会先看一眼目录状态，按照三个原则来定下周刷题内容：

• 短板优先：掌握度最低、星级最高的两个专题，下周必须保证有至少3道题的训练量。
• 温故出题：从“高频错题榜单”里选3道旧题做一次复写，不看笔记，纯默写代码。
• 新题开路：在掌握较好的专题里挑1~2道新题，用来维持手感、拓展思路。

这样做的好处是计划永远有依据，不用拍脑袋决定今天刷什么。你刷的每一道新题，都会在目录里有对应的沉淀与反馈，形成一个可持续的闭环。

5. 真实踩坑记录：维护三个月的经验与教训

5.1 过度拆分子目录带来的维护成本

最初建目录时，我追求“精细化管理”，数据类型下又拆了七八层子目录，比如“数组->滑动窗口->固定窗口大小”和“滑动窗口->可变窗口大小”分开。结果搬完两周后维护成本暴涨。一道题问自己到底属于“固定窗口”还是“可变窗口”就纠结半天，有时候一道题可以归两个类，你在分类上花的精力比做题还多。

后来我做了减法：每个主目录下只保留3~5个子专题，子专题再不满就直接并到主目录里。分类不是越细越好，而是“能够在两分钟内定位目标”最好。分得太细，你会陷入分类焦虑；分得太粗，复习时又找不到题。这个平衡点因人而异，但总的设计原则是：分类粒度以“方便自己检索”为准，而不是以“理论体系完整”为准。

5.2 难度与掌握度混为一谈的教训

另一个我曾犯的错误是，给目录里的题标难度只标了题目本身的难度，没有标“我对这道题的熟练度”。这两个是完全独立的维度。一道“简单”题，我要是从没接触过这类套路，实际做起来可能比“中等”题还费劲；一道“困难”题，如果我刷过十遍解法已经刻进DNA了，那么它对我的复习价值反而是零。

正确的标记方式应该是同时记录两个维度：

• 难度星：客观的题目难度（用于反映这类题的思维含金量）
• 掌握度星：主观的熟练程度（用于决定我是否需要复习）

比如一道题可以标注“难度★★★ 掌握☆☆”，意思是题目难度中等，但我当前掌握很差，需要重点复习。掌握度的星级建议每个月重新评估一次，因为人的记忆曲线决定了熟练度是变化的。

5.3 记录不等于复习：如何避免「目录自嗨」

还有一个心态层面的坑，比前面两个都隐蔽。就是花了很多精力把目录整理得漂漂亮亮，标记、标签、链接做了一大堆，自我感觉很充实，但实际刷题水平并没有明显提升。我把这种状态称为“目录自嗨”——整理目录本身变成了一种逃避真正困难任务（也就是反复动脑做题）的舒适区。

避免的方法很简单也很残酷：检查自己最近10道题的提交记录，如果AC之后没有回写、没有二刷、没有重新思考，那你的目录再精致也是空中楼阁。人脑不是数据库，只在目录里记录“我做过了”毫无意义。每隔一段时间就关门写一遍那些标着“掌握☆☆”的题，写完对照笔记看有没有沉淀到位，这才是让题单目录发挥价值的真正动作。

6. 进阶玩法：从个人题单到小组共享

6.1 把目录当作面试素材库

如果你是为技术面试准备，那么题单目录到后期还有一个进阶用途：当成面试素材库。面试前一周，我会把“高频错题榜单”和“掌握☆☆”的题目全部过一遍，每道题不仅复习解法，还要在脑子里过一遍“如果面试官让我讲这道题，我该怎么讲出核心思路和复杂度推导”。

实际面试场景中，你会发现“能写出代码”和“能讲清楚思路”之间的差距非常大。目录里沉淀的“易错点记录”和“核心解法”条目，恰恰是讲清楚思路的最好素材。我面试时讲到某道真题，直接搬运自己目录里写的那句话总结：“这题核心是看破单调栈的入栈出栈条件，复杂度用均摊分析可以做到线性。”考官听到这种清晰而不拖泥带水的表述，好感度会明显不一样。

6.2 与研友共建共享的协作模式

最后分享一个提升目录价值的方法：拉上两三个水平相近的研友共享一份题单目录。我可以把我支好的模板和记录共享给你，你可以在自己的平台副本里做各自的沉淀。每周小组里可以选一道经典题，每人写完自己的解法后，把代码和思路合并到同一页面，通过对比解法差异，能发现自己思考路径中的盲点。

我记得有一次，当时选了一道经典的“数组第K大元素”，我只会快排partition的写法，另一位朋友用堆排序写出了简洁版本，还有一位直接用内建函数交作业。通过对比讨论，我们对“排序类算法在不同数据规模下的取舍”有了非常直观的理解。这种收获单靠一个人闷头刷题很难获得。

共享目录操作上的小建议是：每周固定一个时间点，每个人先更新自己的目录，再集中过一遍差异。共享不是为了比谁刷得多，而是为了打破个人思维定式，让题单目录里的每道题都有多个解法种子的沉淀。

如果你还没开始建立自己的题单目录，我强烈建议今天就从“本周要刷的三道题入口开始。对，先做“一词一句写得详细一点也没关系”，边写边调整结构，让它逐渐长成适合你的形态。目录要有生命，才能陪你走完整个刷题季。