2026AI写代码时代，我重新理解了"刷算法"这件事

先说背景：我是后端开发，6年经验，Java技术栈。最近半年高强度用Cursor和Claude Code，对"还要不要刷算法"这件事有了新看法。

直接给结论：刷算法这件事，2026年要换个刷法。

一、为什么我现在不反对刷算法了

两年前我写过一篇回答，大意是"工作后用不到算法，刷题是浪费时间"。当时点赞挺多，现在回头看，话说太满了。

打脸来自上个月的真实case：

我们有个定时任务，处理千万级数据，原始实现用List嵌套遍历做关联，跑一趟要2小时。我第一反应是加索引、调线程池，效果不明显。

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

这件事让我意识到：不是算法没用，是我以前"不知道哪里该用算法"。

AI能给你答案，但前提是你能识别出这是个算法问题。如果我一直用"加机器、加线程"的惯性思维，AI再好也帮不到我。

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DP状态转移。

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

具体来说，我现在刷题只关注三个层面：

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(nlogn)"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、我现在怎么刷题（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。我手写了个批量提交的版本，和AI的对比后，发现我漏了异常回滚的处理。

这种"实战刷题"，比刷100道LeetCode Medium有用。

四、不同阶段的建议

Table

阶段 建议

在校生 经典算法过一遍，重点理解复杂度分析和数据结构选择。不要背代码，要能手推过程。

1-3年 结合工作场景刷，遇到性能问题主动想"能不能用算法优化"。

3-5年 刷系统设计里的算法部分，比如一致性哈希、分布式ID生成、缓存淘汰策略。

5年以上 别刷题了，去刷论文和源码。

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。欢迎拍砖，尤其欢迎有实际优化case的老哥来分享，比空谈有意义。