LeetCode面试官泄露：14个模板覆盖95%算法题

北美大厂算法面试有个公开的秘密：有人刷了400题挂掉Google，有人只练80题拿到5个offer。差距不在题量，在是否提前看过"考纲"。

LeetCode现存3000+题目，但面试高频考点高度收敛。前Google工程师、现Meta技术面试官整理了一份内部流传的模式清单——14个代码模板，覆盖95%的面试题型。这不是投机取巧，是把O(n²)的暴力解法压缩成O(n)的系统工程。

双指针：从两头往中间夹

数组或字符串里找配对、比大小、做分割，第一反应应该是双指针。left从0出发，right从末尾往回走，每次循环干掉一半搜索空间。

经典场景：Two Sum（有序数组版）、盛最多水的容器、验证回文串、三数之和。模板核心就五行——初始化、循环、比较、收缩左边界、收缩右边界。

关键认知：双指针的本质是用空间换时间的反向操作。不建哈希表，用两个游标消除内层循环，把平方复杂度压成线性。

一个细节：三数之和的去重逻辑容易写错。排序后，当left右移时如果下一个数和当前相同，要跳过；right同理。这个去重比算法本身更容易挂面试。

滑动窗口：子数组问题的通用框架

求"满足某条件的连续子数组"，比如最大和、最长无重复字符、最小覆盖子串——全是滑动窗口的领地。

模板分两种。固定窗口大小：右边进一个，左边出一个，保持窗口恒定。可变窗口：右边一直扩，直到违反约束，再从左边收缩到合法。

代码骨架是四层嵌套：外层遍历右边界、更新窗口状态、内层while收缩左边界、更新结果。窗口状态通常用哈希表或数组计数，面试时先写伪代码确认面试官要的是固定还是可变。

高频翻车点：Minimum Window Substring要求覆盖所有目标字符，不是任意k个。很多候选人把"至少k个不同字符"和"覆盖目标串"搞混，20分钟直接归零。

快慢指针：链表问题的作弊器

链表没法随机访问，但快慢指针给了你一个"伪二分"的能力。slow走一步，fast走两步，fast到终点时slow正好在中点。

判环、找中点、检测快乐数，同一个模板改两行就能用。判环时相遇即存在环；找中点时返回slow；快乐数把数字替换成各位平方和，重复即环。

Meta去年秋招的follow-up：如果链表有环，找到环的入口点。这需要数学推导——相遇后把slow拉回head，同步走再次相遇即为入口。能现场推出来的，评级直接升一档。

区间合并：日程表冲突的标准解法

会议室预定、日程合并、区间插入，本质都是同一道题：先按起点排序，然后遍历，要么合并（当前起点≤上一个终点），要么新开区间。

Meeting Rooms II的变种问"最多需要几间会议室"——用最小堆存每个会议的结束时间，新会议开始时间≥堆顶则复用房间，否则开新房间。堆的大小就是答案。

这个模式在Google面试出现频率极高，因为和实际系统设计的负载均衡问题同源。能讲出"这相当于找最大并发数"的候选人，会被标记为"有系统思维"。

循环排序：原地排序的野路子

数组数值范围在1到n之间，要求O(n)时间、O(1)空间——循环排序是唯一解。把每个数放到它该去的位置（nums[i]应该放在索引nums[i]-1处），放不下的就是缺失或重复的。

Find the Missing Number、Find the Duplicate Number、Find All Duplicates，全是这个套路。代码模板是while循环：当前数不在正确位置，就和正确位置的数交换。

易错点：交换后不能i++，要继续检查换过来的数。很多人惯性写i++，漏掉连锁反应，调试半小时。

链表反转：递归迭代的两种人格

反转链表是面试的"hello world"，但follow-up能无限深挖。K个一组反转、部分反转、两两交换，全是同一模板的变体。

迭代版：三个指针prev、curr、next，逐节点后移。递归版：递归到末尾，返回时逐个翻转指向。递归版代码更短，但空间O(n)，面试官会问能不能优化。

Amazon的变态考法：用O(1)空间反转m到n之间的部分。需要先用双指针走到m-1位置，再套用标准反转模板，最后拼接三段。能一次写对的，近两年内见过的不超过10个。

树的双遍历：前序+中序/后序重建

给两种遍历序列重建二叉树，是考察递归思维的试金石。前序+中序、后序+中序可以唯一确定树，前序+后序不行（除非满二叉树）。

模板核心：前序/后序的第一个/最后一个元素是根，在中序里找到根的位置，左边是左子树，右边是右子树。递归构建，用哈希表存中序索引避免重复扫描。

时间复杂度O(n)，空间O(n)存哈希表。面试官常问的优化：如果数组很大，能不能流式处理？答案是只能预处理，因为必须知道左右子树的边界才能递归。

层级遍历：BFS的队列美学

树的按层打印、找最浅叶子、连接同层节点，全是BFS的领地。用队列，每层记录size，内层循环处理完当前层再进下一层。

Binary Tree Level Order Traversal的变形：之字形打印、找每行最大值、判断完全二叉树。模板不变，变的是内层循环里对节点的操作。

Google的陷阱题：用DFS实现层级遍历。需要记录深度，按深度把节点塞进结果数组的对应位置。能切换两种思路的，说明理解了遍历的本质区别。

子集模式：回溯的暴力美学

求所有子集、排列、组合，回溯是通用解。模板是递归函数里：做选择、递归、撤销选择。子集问题选或不选当前元素，排列问题选哪个位置放当前元素。

去重是难点。有重复元素时，先排序，然后跳过同一层已经用过的相同元素。这个"同一层"和"同一支"的区别，90%的候选人讲不清楚。

Subset Sum问是否存在和为target的子集，可以用回溯剪枝，也可以用动态规划。面试时先问数据范围，n≤20用回溯，n≥100必须用DP，选错直接超时。

二分变种：找边界、找旋转、找答案

二分查找不只是找目标值。找第一个≥target的位置、找最后一个≤target的位置、找旋转数组的最小值、找峰值元素——全是二分模板的变形。

核心不变：确定搜索区间[left, right]还是[left, right)，确定中间点比较后收缩哪边，确定终止条件和返回值。旋转数组的关键是判断哪半边有序，然后在有序半边判断target是否在范围内。

Search in Rotated Sorted Array的follow-up：有重复元素怎么办？最坏情况退化成O(n)，但平均还是O(log n)。能分析出这个的，算法基础分拿满。

拓扑排序：有向图的依赖解析

课程表、编译顺序、任务调度，全是拓扑排序。Kahn算法（BFS）或DFS记录后序遍历，两种实现都要会。

Kahn算法：计算入度，入度为0的入队，逐个弹出并减少邻居入度。DFS版：递归访问所有邻居，访问完把当前节点压栈，最后逆序就是拓扑序。

检测环是隐藏考点。Kahn算法最后如果还有节点没访问，说明有环；DFS版用三色标记（未访问/访问中/已访问），遇到访问中节点即环。

并查集：连通性的O(α(n))解法

朋友圈、省份数量、冗余连接、岛屿数量II——动态连通性问题，并查集是标准答案。路径压缩+按秩合并，时间复杂度接近常数。

模板四件套：find（带路径压缩）、union（按秩合并）、初始化、计数。面试时先写朴素版，面试官要求优化再补上压缩和合并。

LeetCode 305岛屿数量II的trick：从全是水的网格逐步添加陆地，每添加一个检查四邻居，用并查集维护连通分量数。能想到并查集的，已经跑赢80%的候选人。

前缀和：子数组求和的降维打击

求和为k的子数组个数、和为k的最大长度、二维区域和检索——前缀和把区间查询变成O(1)。

一维：presum[i] = sum(nums[0..i-1])，区间和= presum[j+1] - presum[i]。二维：presum[i][j]存左上角(0,0)到(i-1,j-1)的和，容斥原理算任意矩形。

和为k的子数组个数，用哈希表存前缀和出现次数，当前前缀和-k的次数就是以当前结尾的合法子数组数。这个"当前-目标=历史"的思路，和两数之和的哈希表解法同源。

动态规划：最后一块拼图

DP是独立大类，但面试高频的其实就几种：线性DP（爬楼梯、打家劫舍）、区间DP（石子合并、最长回文子序列）、背包DP（01背包、完全背包）、树形DP（打家劫舍III）、状态压缩DP（旅行商问题，极少考）。

线性DP的模板：dp[i]表示以i结尾的最优解，状态转移看i-1、i-2或某个前缀。背包问题的模板：二维dp[i][j]表示前i个物品容量j的最大价值，优化成一维要倒序遍历容量。

面试技巧：先写暴力递归，加记忆化，再改迭代。这个过程展示思维路径，比直接写DP得分更高。

这14个模式不是终点。真正的高手会在模板基础上变形——双指针扩展到多指针，滑动窗口加上单调队列，BFS换成双向BFS。但变形的前提是模板已经刻进肌肉记忆。

一个数据点：2024年北美大厂算法面试中，这14个模式的原题或变体出现频率超过90%。剩下的10%是设计题或罕见题型，不影响hire/no hire的决定。