🧩 NeetCode 練習框架¶

🎯 停止死背。開始工程化。¶

一個可擴展的 Python 框架，將 LeetCode 風格的演算法練習轉化為知識圖譜驅動、資料驅動、可測試且高效能的工作流程 — 搭配 AI 心智圖、工業級測試與模式學習，幫助開發者更快成長、更深入理解演算法。

📚 文件 • 🤖 AI 心智圖 • 🧠 互動式心智圖 • 🚀 快速開始 • 📐 模式

Topics: knowledge-graph ai-powered mind-map pattern-recognition leetcode neetcode-150 blind-75 stress-testing algorithm-engineering performance-benchmarking data-driven-testing random-test-generation judge-function algorithm-debugging competitive-programming python vscode-integration test-automation coding-interview

💎 核心理念¶

「精通演算法不是死背 300 道題 — 而是內化 15 個核心模式，並精準知道何時應用每一個。」

本框架體現三大變革性原則：

🧬 知識圖譜架構¶

傳統 LeetCode 練習將問題視為孤立單元。我們建立了**互聯的本體論系統**：

API 核心 定義可重用的演算法基元（SubstringSlidingWindow、GridBFS、BacktrackExplore）
模式將核心組合成更高層次的策略
問題家族 揭示 300+ 題目之間的結構關聯
AI 合成 發現人類遺漏的非顯性連結

這是專家的思維方式 — 用抽象思考，而非記憶解答。

⚙️ 生產級驗證¶

你的解法通過了 LeetCode 測試。但它*正確*嗎？它*最優*嗎？我們提供 ICPC/Codeforces 等級的測試基礎設施：

能力	驗證什麼
🎲 帶 Seed 隨機生成	你的程式碼能處理你從未想過的測資
⚖️ 自訂 Judge 函式	多個正確答案都能通過
📊 多解法效能比較	哪種方法實際上更快
📈 經驗複雜度估算	驗證你宣稱的 O(n log n)

這是 Google 工程師的驗證方式 — 透過窮盡、可重現的測試。

🤖 AI 增強理解¶

我們不只儲存知識 — 我們**合成洞見**：

AI 分析整個本體論，生成**創意、互聯的心智圖**
多視角合成：架構師 × 教授 × 工程師 × 競賽選手
問題連結到 GitHub 解答（如有）或 LeetCode（後備）

這是下一代的學習方式 — 以 AI 作為思考夥伴。

🌟 我們的獨特之處¶

💡 「優秀程式設計師與頂尖高手的差異，不在於選擇什麼演算法 — 而在於如何證明它是對的。」

📦 其他 LeetCode 專案	🚀 NeetCode
❌ 複製解答，祈禱能過	✅ 證明你的解法是正確的
❌ 只有手動測資	✅ 自動生成 1000+ 筆測資
❌ 無法比較不同方法	✅ 並排比較 N 種解法效能
❌ 盲目背誦模式	✅ 用心智圖視覺化模式
❌ 沒有系統化學習路徑	✅ 結構化路線圖 (NeetCode 150, Blind 75)

🧠 知識圖譜優勢¶

大多數人孤立地練習演算法。我們建立了**互聯的知識系統**：

心智圖	說明	連結
🤖 AI 本體論分析	AI 深度模式合成	🔗 EN · 🔗 中文
📐 模式階層	API 核心 → 模式 → 解法	🔗
👨‍👩‍👧‍👦 家族衍生	基礎模板 → 衍生變體	🔗
⚡ 演算法使用	知道哪個演算法適用於哪裡	🔗
🏢 公司覆蓋	針對特定公司精準準備	🔗
🗺️ 學習路線圖	遵循經過驗證的路徑 (NeetCode 150, Blind 75 等)	🔗

→ 探索 10+ 互動式心智圖

⚙️ 工業級測試能力¶

建立在 **Codeforces、ICPC 和 Google 工程實踐**的基礎上：

功能	作用	重要性
🎲 隨機測資生成	帶 Seed 的生成器確保可重現	找出你從未想過的邊界條件
⚖️ 自訂 Judge 函式	ICPC 風格驗證邏輯	多個正確答案？沒問題
📊 多解法效能比較	自動比較 N 種方法	知道哪個真正更快
📈 複雜度估算	經驗性 Big-O 分析	驗證你的理論宣稱
🔧 VS Code 整合	一鍵除錯、Tasks、快捷鍵	像除錯真正軟體一樣除錯演算法

⭐ 為什麼選擇這個框架？¶

傳統練習的問題¶

你在 LeetCode 上解了一道題。通過了。但你*真的*知道你的解法是正確的嗎？那麼：

你沒測試的空輸入邊界條件呢？
只有在大 N 時才出現的微妙 off-by-one 錯誤呢？
你宣稱的 O(n log n) 是真的嗎？

傳統練習無法回答這些問題。 這個框架給你明確的答案。

我們的獨特之處¶

功能	本框架	一般專案
可重現隨機測資	✅ 帶 Seed 生成器	❌ 僅手動
自訂 Judge 函式	✅ ICPC/Codeforces 風格	❌ 字串比對
多解法效能比較	✅ 比較 N 種方法	❌ 單一解法
VS Code 整合	✅ Tasks、Debug、快捷鍵	❌ 僅 CLI
壓力測試	✅ 生成 1000+ 測資	❌ 有限
複雜度估算	✅ 自動 Big-O 分析	❌ 無

為卓越而生¶

對象	我們如何幫助
🏆 競程選手	像 Codeforces 大師一樣訓練 — 壓力測試直到程式崩潰，然後修復它
💼 FAANG 工程師	透過證明你的解法有效來建立面試信心，而非只是祈禱它能過
🎓 資工學生	用正確的方式學習演算法 — 透過實驗，而非死記
👨‍🏫 教育者	給學生工業級工具來驗證他們的理解
🔬 研究人員	用可重現的方法大規模評測演算法變體

🚀 快速開始¶

1. 環境設定¶

Windows (PowerShell)

# 進入專案目錄
cd C:\path\to\neetcode

# 安裝 Python 3.11（如果需要）
py install 3.11

# 建立並啟動虛擬環境
py -3.11 -m venv leetcode
leetcode\Scripts\activate

# 安裝相依套件
pip install -r requirements.txt

Linux / macOS

# 使用 pyenv（推薦）
pyenv install 3.11
pyenv local 3.11

# 建立並啟動虛擬環境
python -m venv leetcode
source leetcode/bin/activate

# 安裝相依套件
pip install -r requirements.txt

# 設定腳本執行權限
chmod +x run_tests.sh run_case.sh new_problem.sh

2. 建立第一個題目¶

# Windows
new_problem.bat 0001_two_sum

# Linux/macOS
./new_problem.sh 0001_two_sum

這會自動建立： - solutions/0001_two_sum.py — 你的解答檔案 - tests/0001_two_sum_1.in — 測試輸入 - tests/0001_two_sum_1.out — 預期輸出

3. 執行測試¶

# Windows
run_tests.bat 0001_two_sum

# Linux/macOS
./run_tests.sh 0001_two_sum

4. 在 VS Code 中除錯¶

開啟 solutions/ 中的任一解答檔案
按 F5 以 test case #1 進行除錯
或按 Ctrl+Shift+B 執行所有測試

完成！ 你已經準備好開始解題了。🎉

✨ 核心功能¶

功能	說明
🧪 自動化測試	自動執行多筆測資，清晰的通過/失敗報告與計時
🎲 隨機測資生成	帶 Seed 確保可重現，支援 1000+ 筆壓力測試，自動儲存失敗測資
⚖️ 自訂 Judge 函式	驗證多個正確答案，ICPC 風格驗證，可不需要預期輸出
📊 效能分析	多解法效能比較，自動時間複雜度估算，並排比較表格
🔧 VS Code 整合	一鍵執行測試，整合除錯功能，自訂 Tasks 與快捷鍵
🧠 互動式心智圖	視覺化演算法模式，追蹤學習進度 — 探索 →

🧠 互動式心智圖¶

視覺化演算法模式、問題關聯和學習路徑：

🤖 AI 驅動的本體論分析（NEW！）¶

「讓 AI 合成人類需要數年才能內化的知識。」

我們的 AI 本體論分析器 處理整個知識圖譜 — API 核心、模式、演算法、資料結構、問題家族 — 生成**創意、互聯的心智圖**，揭示人工策劃清單遺漏的洞見。

語言	說明	連結
English	AI 合成的模式關聯	靜態 · 互動式 ✨
繁體中文	AI 智能分析模式關聯	靜態 · 互動式 ✨

特色： - 🧬 深度模式合成 — AI 識別模式之間的非顯性連結 - 🎯 智能連結 — 問題連結到 GitHub 解答（如有）或 LeetCode - 🌐 多語言 — 支援英文和繁體中文 - ♻️ 可重新生成 — 執行 python tools/generate_mindmaps_ai.py 產生新洞見

📚 精選心智圖¶

心智圖	說明	連結
📐 模式階層	API 核心 → 模式 → 問題	靜態 · 互動式 ✨
👨‍👩‍👧‍👦 家族衍生	基礎模板 → 衍生變體	靜態 · 互動式 ✨
⚡ 演算法使用	依演算法分類問題	靜態 · 互動式 ✨
🏗️ 資料結構使用	依資料結構分類問題	靜態 · 互動式 ✨
🏢 公司覆蓋	各公司常見問題	靜態 · 互動式 ✨
🗺️ 學習路線圖	NeetCode 150、Blind 75 等	靜態 · 互動式 ✨
🔗 問題關聯	相關問題網絡	靜態 · 互動式 ✨
🔀 解法變體	多種解法方式	靜態 · 互動式 ✨
📊 難度 × 主題	依難度分類主題	靜態 · 互動式 ✨

👉 查看所有互動式心智圖

📐 模式文件¶

「不要死背 200 道題。掌握 10 個模式。」

每個 API 核心都有專屬的模式指南，包含**基礎模板**、變體**和**可直接複製的程式碼。

API 核心	指南	題目
`SubstringSlidingWindow`	📖	LeetCode 3, 76, 159, 209, 340, 438, 567
`TwoPointersTraversal`	📖	LeetCode 1, 11, 15, 16, 21, 26, 27, 75, 88, 125, 141, 142, 167, 202, 283, 680, 876
`GridBFSMultiSource`	即將推出	LeetCode 994, 286, 542
`BacktrackingExploration`	即將推出	LeetCode 51, 52, 46, 78
`KWayMerge`	即將推出	LeetCode 23, 21, 88
`BinarySearchBoundary`	即將推出	LeetCode 4, 33, 34, 35

👉 查看所有模式指南 →

📖 使用指南¶

⌨️ VS Code 整合¶

鍵盤快捷鍵：

快捷鍵	動作
`Ctrl+Shift+B`	執行當前檔案的所有測試
`F5`	以 test case #1 進行除錯

注意： 使用快捷鍵前，請先開啟 solutions/ 中的解答檔案。

可用 Tasks（Ctrl+Shift+P → "Tasks: Run Task"）：

Task	說明
Run all tests	執行所有測資
Run case #1 / #2 / #3	執行特定測資
Benchmark	顯示執行時間
Run all solutions	比較所有實作
Run with generated (10)	靜態 + 10 筆生成測資
Run generated only	跳過靜態測資
Save failed cases	自動儲存失敗輸入

💻 命令列介面¶

# 執行所有測資
python runner/test_runner.py <problem_name>

# 執行特定測資
python runner/case_runner.py <problem_name> <case_number>

# 執行並計時
python runner/test_runner.py <problem_name> --benchmark

# 執行所有解法
python runner/test_runner.py <problem_name> --all

# 生成隨機測資
python runner/test_runner.py <problem_name> --generate 10

# 估算時間複雜度
python runner/test_runner.py <problem_name> --estimate

📝 解答檔案格式¶

# solutions/0001_two_sum.py
from typing import List

class Solution:
    def twoSum(self, nums: List[int], target: int) -> List[int]:
        seen = {}
        for i, num in enumerate(nums):
            complement = target - num
            if complement in seen:
                return [seen[complement], i]
            seen[num] = i
        return []

def solve():
    import sys
    lines = sys.stdin.read().strip().split('\n')

    # 解析輸入
    nums = list(map(int, lines[0].split(',')))
    target = int(lines[1])

    # 執行解答
    result = Solution().twoSum(nums, target)
    print(result)

if __name__ == "__main__":
    solve()

📋 測資檔案格式¶

規格	要求
換行符號	LF（Unix 格式，`\n`）
編碼	UTF-8
檔案結尾	以單一換行結尾
命名規則	`{題號}_{題名}_{編號}.in/.out`

輸入檔（tests/0001_two_sum_1.in）：

2,7,11,15
9

輸出檔（tests/0001_two_sum_1.out）：

[0, 1]

🔧 進階功能¶

🚀 多解法效能比較¶

比較同一題目的多種解法：

# solutions/0023_merge_k_sorted_lists.py

SOLUTIONS = {
    "default": {
        "method": "mergeKLists_heap",
        "complexity": "O(N log k)",
        "description": "最小堆方法"
    },
    "divide": {
        "method": "mergeKLists_divide",
        "complexity": "O(N log k)",
        "description": "分治法"
    },
    "greedy": {
        "method": "mergeKLists_greedy",
        "complexity": "O(kN)",
        "description": "貪婪比較"
    },
}

class Solution:
    def mergeKLists_heap(self, lists):
        # 堆實作
        pass

    def mergeKLists_divide(self, lists):
        # 分治實作
        pass

    def mergeKLists_greedy(self, lists):
        # 貪婪實作
        pass

執行指令：

# 執行特定解法
python runner/test_runner.py 0023_merge_k_sorted_lists --method heap

# 比較所有解法
python runner/test_runner.py 0023_merge_k_sorted_lists --all --benchmark

輸出：

============================================================
📊 效能比較
============================================================
Method               Avg Time     Complexity      Pass Rate
------------------------------------------------------------
heap                    44.36ms   O(N log k)      3/3
divide                  44.48ms   O(N log k)      3/3
greedy                  44.82ms   O(kN)           3/3
============================================================

進階：Wrapper 模式（多個類別使用相同方法名）

當需要多個類別使用相同方法名稱時：

class SolutionRecursive:
    def reverseKGroup(self, head, k):
        pass  # 遞迴實作

class SolutionIterative:
    def reverseKGroup(self, head, k):
        pass  # 迭代實作

# Wrapper 函式
def solve_recursive(head, k):
    return SolutionRecursive().reverseKGroup(head, k)

def solve_iterative(head, k):
    return SolutionIterative().reverseKGroup(head, k)

SOLUTIONS = {
    "default": {"method": "solve_iterative", ...},
    "recursive": {"method": "solve_recursive", ...},
}

使用模板建立：`new_problem.bat 0025_reverse_nodes --wrapper`

🔀 彈性輸出驗證¶

適用於有多個正確答案的題目（「可以任意順序回傳」）：

驗證模式：

模式	說明	需要 `.out`
`[judge]`	自訂驗證搭配參考答案	✅
`[judge-only]`	純自訂驗證	❌
`[exact]`	精確字串比對	✅
`[sorted]`	排序後比對	✅
`[set]`	集合比對	✅

JUDGE_FUNC（推薦）：

def judge(actual: list, expected, input_data: str) -> bool:
    """驗證 N-Queens 解答。"""
    n = int(input_data.strip())

    # 驗證每個棋盤
    for board in actual:
        if not is_valid_n_queens(board, n):
            return False

    # 如果有預期答案，檢查數量
    if expected is not None:
        return len(actual) == len(expected)

    return True

JUDGE_FUNC = judge

COMPARE_MODE（簡單情況）：

COMPARE_MODE = "sorted"  # 選項："exact" | "sorted" | "set"

🎲 隨機測資生成¶

建立與解答同名的生成器檔案：

# generators/0004_median_of_two_sorted_arrays.py
import random
from typing import Iterator, Optional

def generate(count: int = 10, seed: Optional[int] = None) -> Iterator[str]:
    """生成隨機測資。"""
    if seed is not None:
        random.seed(seed)

    # 邊界測資優先
    yield "[]\n[1]"
    yield "[1]\n[]"

    # 隨機測資
    for _ in range(count - 2):
        m = random.randint(0, 1000)
        n = random.randint(0, 1000)
        nums1 = sorted(random.randint(-10**6, 10**6) for _ in range(m))
        nums2 = sorted(random.randint(-10**6, 10**6) for _ in range(n))
        yield f"{list(nums1)}\n{list(nums2)}".replace(' ', '')

使用方式：

# 執行靜態 + 生成測資
python runner/test_runner.py 0004_median --generate 10

# 只執行生成測資
python runner/test_runner.py 0004_median --generate-only 100

# 可重現的 seed
python runner/test_runner.py 0004_median --generate 10 --seed 42

# 儲存失敗測資
python runner/test_runner.py 0004_median --generate 10 --save-failed

📈 時間複雜度估算¶

新增複雜度生成器函式：

# generators/0004_median_of_two_sorted_arrays.py

def generate_for_complexity(n: int) -> str:
    """生成特定大小 n 的測資。"""
    m = random.randint(0, n)
    return _generate_case(m, n - m)

執行估算：

python runner/test_runner.py 0004_median --estimate

輸出：

📈 執行複雜度估算...
   Sizes: [10, 20, 50, 100, 200, 500, 1000, 2000]
   n=   10: 0.0040ms
   n=  100: 0.0082ms
   n= 1000: 0.0685ms
   n= 2000: 0.1796ms

✅ 估算結果：O(n log n)
   信心度：1.00

📁 專案架構¶

neetcode/
│
├── solutions/                 # 📝 你的解答檔案
│   └── 0001_two_sum.py
│
├── tests/                     # 📋 測試案例
│   ├── 0001_two_sum_1.in      # 輸入檔
│   ├── 0001_two_sum_1.out     # 預期輸出
│   └── *_failed_*.in          # 自動儲存的失敗測資 (--save-failed)
│
├── generators/                # 🎲 隨機測資生成器（可選）
│   └── 0001_two_sum.py        # generate(count, seed) 函式
│
├── runner/                    # ⚙️ 測試執行引擎
│   ├── test_runner.py         # CLI 入口點 & 主要流程
│   ├── case_runner.py         # 單一測資執行器（除錯用）
│   ├── executor.py            # 測試案例執行（subprocess）
│   ├── compare.py             # 輸出比較（exact/sorted/set/judge）
│   ├── reporter.py            # 結果格式化 & 效能報告
│   ├── module_loader.py       # 動態模組載入
│   ├── complexity_estimator.py # 時間複雜度估算（big_O）
│   ├── paths.py               # 路徑工具
│   ├── io_utils.py            # 檔案 I/O 操作
│   └── util.py                # Re-exports（向後兼容）
│
├── templates/                 # 📄 題目模板
│   ├── template_solution.py          # 單一解法
│   ├── template_solution_multi.py    # 多解法（單一類別）
│   └── template_solution_wrapper.py  # 多解法（Wrapper 模式）
│
├── .vscode/                   # 🔧 VS Code 整合
│   ├── settings.json          # Python 環境設定
│   ├── tasks.json             # Ctrl+Shift+B 快捷任務
│   └── launch.json            # F5 除錯配置
│
├── docs/                      # 📚 文件（MkDocs）
│   ├── index.md               # 首頁（English）
│   ├── index_zh-TW.md         # 首頁（繁體中文）
│   ├── mindmaps/              # 生成的心智圖 Markdown
│   ├── patterns/              # 生成的模式文件
│   ├── pages/                 # 生成的 HTML（gitignored）
│   └── stylesheets/           # 自訂 CSS
│
├── tools/                     # 🛠️ 工具腳本
│   ├── generate_mindmaps.py   # 生成心智圖
│   ├── generate_mindmaps.toml # 心智圖配置
│   ├── generate_pattern_docs.py # 生成模式文件
│   └── text_to_mindmap.py     # LLM 文字轉心智圖
│
├── ontology/                  # 🧬 演算法本體論（TOML）
│   ├── api_kernels.toml       # API 核心定義
│   ├── patterns.toml          # 模式定義
│   ├── algorithms.toml        # 演算法定義
│   ├── data_structures.toml   # 資料結構定義
│   ├── companies.toml         # 公司定義
│   ├── topics.toml            # 主題定義
│   ├── difficulties.toml      # 難度級別
│   ├── families.toml          # 問題家族定義
│   └── roadmaps.toml          # 路線圖定義
│
├── meta/                      # 📊 問題 & 模式元資料
│   ├── problems/              # 問題元資料（每題一個 TOML）
│   │   └── *.toml
│   └── patterns/              # 模式文件來源
│       └── <pattern_name>/    # 模式專屬 Markdown
│
├── roadmaps/                  # 🗺️ 學習路徑定義
│   ├── neetcode_150.toml
│   ├── blind_75.toml
│   └── sliding_window_path.toml
│
├── .dev/                      # 🧪 維護者專區（單元測試）
│   ├── tests/                 # 單元測試套件（150+ 案例）
│   ├── run_tests.bat/.sh      # 執行單元測試
│   ├── TESTING.md             # 測試文件
│   └── README.md              # 維護者指南
│
├── .github/                   # 🚀 GitHub 配置
│   └── workflows/
│       └── deploy-pages.yml   # GitHub Pages 部署
│
├── leetcode/                  # 🐍 Python 虛擬環境（3.11）
│
├── run_tests.bat / .sh        # 執行某題目的所有測試
├── run_case.bat / .sh         # 執行單一測資
├── new_problem.bat / .sh      # 從模板建立新題目
│
├── requirements.txt           # Python 相依套件
├── mkdocs.yml                 # MkDocs 配置
├── pytest.ini                 # pytest 配置
├── README.md                  # English 版
└── README_zh-TW.md            # 本檔案（繁體中文）

目錄指南¶

目錄	用途	對象
`solutions/`	在這裡撰寫解答	✅ 所有使用者
`tests/`	新增測資（.in/.out）	✅ 所有使用者
`generators/`	隨機測資生成器	✅ 所有使用者
`runner/`	測試執行引擎	🔧 貢獻者
`templates/`	題目模板	✅ 所有使用者
`.vscode/`	VS Code 配置	✅ 所有使用者
`docs/`	MkDocs 文件	🔧 貢獻者
`tools/`	文件生成工具	🔧 貢獻者
`ontology/`	演算法本體論資料	🔧 貢獻者
`meta/`	問題/模式元資料	🔧 貢獻者
`.dev/`	單元測試（150+ 案例）	🔧 維護者

📝 注意： docs/mindmaps/、docs/patterns/、docs/pages/ 中的檔案都是自動生成的。請編輯 ontology/、meta/、tools/ 中的來源檔案。

❓ 常見問題¶

這個框架解決什麼問題？

- 自動執行多種演算法實作 - 生成可重現的隨機測資進行壓力測試 - 比較解法效能找出差異 - 使用 VS Code 整合除錯 LeetCode 風格題目 - 使用自訂邏輯驗證輸出，超越簡單檔案比對

這和複製 LeetCode 解答有什麼不同？

這不是解答集 — 而是**測試基礎設施**。你撰寫解答，框架會： 1. 用靜態測資執行測試 2. 自動生成隨機測資 3. 用自訂 Judge 函式驗證正確性 4. 比較多種解法效能 5. 經驗性估算時間複雜度

可以用來準備面試嗎？

當然可以！這個框架非常適合面試準備： - 用**真正的 LeetCode 格式**練習撰寫解答 - 用隨機測資生成找出**你可能遺漏的邊界條件** - 用效能比較看哪種方法**實際上更快** - 用 VS Code 整合**輕鬆除錯**

需要什麼 Python 版本？

Python 3.11 — 與 [LeetCode 官方環境](https://support.leetcode.com/hc/en-us/articles/360011833974-What-are-the-environments-for-the-programming-languages) 一致。

🛠️ 貢獻者專區¶

執行單元測試¶

# 啟動虛擬環境
leetcode\Scripts\activate  # Windows
source leetcode/bin/activate  # Linux/macOS

# 執行所有測試
python -m pytest .dev/tests -v

# 含覆蓋率
python -m pytest .dev/tests --cov=runner --cov-report=html

本地生成心智圖¶

# 生成 Markdown 心智圖
python tools/generate_mindmaps.py

# 生成 HTML（互動式）心智圖
python tools/generate_mindmaps.py --html

配置檔：tools/generate_mindmaps.toml

文件¶

.dev/README.md — 維護者指南
.dev/TESTING.md — 測試文件
docs/GITHUB_PAGES_SETUP.md — 部署指南

📜 授權條款¶

MIT License — 可自由用於個人學習與教育用途。

為競程社群用 ❤️ 打造