年AI写代码时代：深度解析重新理解刷算法的三个核心要点

先说背景：后端开发，6年经验，Ja va技术栈。最近半年高强度使用Cursor与Claude Code，对“还要不要刷算法”这个问题有了全新认知。

直接给结论：刷算法这件事，2026年得换个刷法。

一、为什么现在不反对刷算法了

两年前写过一篇回答，大意是“工作后用不到算法，刷题纯属浪费时间”。当时点赞量很高，现在回头看，话说得太绝对。

打脸源于上个月的真实case：

有个定时任务要处理千万级数据，原始实现用List嵌套遍历做关联，跑一次需要2小时。第一反应是加索引、调线程池，效果微乎其微。

后来让Cursor扫了一眼，它建议用HashMap做预分组，复杂度从O(n*m)降到O(n+m)。照着改完，20分钟跑完。

这件事给我的启示是：不是算法没用，是以前根本不知道“哪里该用算法”。

AI能给你答案，但前提是你得识别出这是个算法问题。如果一直抱着“加机器、加线程”的惯性思维，AI再强大也帮不到你。

二、AI时代，刷算法的核心价值变了

以前刷算法是为了“会写”——面试手写快排、现场推导DP状态转移。

现在刷算法是为了“会认”——看到性能瓶颈时，能立刻反应过来“这里可以用空间换时间”、“这是典型区间覆盖问题”。

具体来说，现在刷题只聚焦三个层面：

复杂度直觉
不再背具体代码，而是训练一眼看出“这段逻辑是O(n²)还是O(n log n)”的能力。这个AI替代不了，是你的内功。

数据结构选择
数组 vs 链表、HashMap vs TreeMap、堆 vs 排序——这些选择的trade-off，刷题时反复纠结过，真正遇到业务问题才能快速决策。

问题模式识别
看到“最短路径”知道想BFS/Dijkstra，看到“重叠区间”知道想排序+贪心。这种模式匹配能力，刷题是最快的训练方式。

三、现在怎么刷题（实操分享）

不刷LeetCode了，改刷“业务代码优化题”。

具体做法：

从自己项目里找一段性能差的代码

让AI分析瓶颈，给出3种优化方案

自己理解每种方案的适用场景，然后手写一种

对比AI的实现和自己的实现，找差距

上周刚练了一题：批量插入数据库时，怎么减少网络往返。

AI给了预编译+批量提交、异步批量、连接池优化三个方向。手写了个批量提交的版本，和AI的对比后，发现漏了异常回滚的处理。

这种“实战刷题”，比刷100道LeetCode Medium有用得多。

四、不同阶段的建议

五、最后说两句

AI不会取代程序员，但会取代“只会写代码”的程序员。

刷算法这件事，从“应试技能”变成了“基础素养”。你可以不手写红黑树，但你得知道什么时候该用树、什么时候该用哈希。

2026年还在纠结要不要刷算法的，大概率不是算法问题，是学习方式该升级了。

以上。欢迎交流，尤其欢迎有实际优化case的老哥来分享，比空谈有意义。