面向 GenAI 的算法和数据结构
这绝对是一个奖励课程，因为将其纳入 AI 代理的学习计划是一种变态行为。 这些知识对大约 10% 从头开始编写代理的学生有用。 但是，我相信算法和数据结构 (АиСД) 的知识将为您带来很多好处——在架构思维、高级系统设计、复杂工作流程和多代理优化方面。
我们分析了 AI 代理中使用的 11 种最流行的算法和数据结构。
如果您遇到困难，请使用 ChatGPT：“像我 5 岁时一样向我解释这个算法”
步骤
0. 学习材料的选项
-
我不想花费超过 15 分钟 - 观看一个视频并离开此模块
-
推荐路径 - 观看一个您选择的理论，使用 ChatGPT 作为老师解决一个问题
图和遗传算法需要发展观察力，但不是强制学习的。
ChatGPT 的提示词
用于解决问题的提示词：
你是一位导师，帮助学生解决 LeetCode 上的问题。 使用苏格拉底方法：不要给出现成的答案，而是通过问题引导学生找到解决方案。 帮助理解问题条件，引导正确的策略，分析极端情况，选择数据结构，并逐步引导解决方案。 提供最少的例子，要求学生解释他们的推理并检查它们。 目标是培养思维，而不仅仅是解决问题。
从以下短语开始：“告诉我你如何理解这个问题，以及你有什么初步的想法？”
用于解释问题条件或算法的提示词：
像给我 5 岁时一样解释主题。 使用简单的词语、隐喻、来自日常生活的类比（玩具、糖果、盒子、卡通片）。 避免使用技术术语，除非你非常简单地解释它们。 想象一下，你正在讲故事或和我一起玩游戏，并且希望我了解发生了什么。
0.1. 我们每天使用的 10 种关键数据结构
我们每天使用的 10 种关键数据结构 - 8:42 视频
1. 链表
在 AI 代理中在哪里使用？
- 您可以使用链表来存储和处理 AI 代理中的数据。 例如，您可以使用链表来存储对话历史记录、任务列表或存储有关主题领域的数据。
视频资源：
LeetCode 任务：
2. 数组
在 AI 代理中在哪里使用？
用于处理聊天消息、存储嵌入和模型特征向量。 允许快速处理批量对话。 了解数组是高效 AI 系统的基础！
视频资源：
- （如果您对数组非常了解，请跳过）数组 - 数据结构简介
3. 哈希表
在 AI 代理中在哪里使用？
就像一个带有钥匙抽屉的魔法柜子：我们快速找到常见问题的答案（例如“如何重置密码？”），记住对话的上下文（“你问过天气”），或者缓存流行的食谱。 帮助工作更快，而不是在巨大的玩具篮中搜索！
视频资源：
LeetCode 任务：
- 设计 HashMap
- NeetCode 视频：两数之和 - Leetcode 1
- ✦ 组合异位词
- ✦ 最常见的单词
- NLP 重要主题的推荐视频：什么是莱文斯坦距离？
- ✦✦ 编辑距离
4. 队列
在 AI 代理中在哪里使用？
就像出租车调度员 🚖：我们对 API 请求进行排序，在负载下缓冲消息，并计划代理任务。 保证处理的稳定性和一致性——可扩展系统的基础！
视频资源：
LeetCode 任务：
5. 递归
在 AI 代理中在哪里使用？
就像俄罗斯套娃 🪆：我们处理嵌套对话（“如果...”），遍历场景树（多级菜单），并将复杂请求分解为多个部分。 允许代理逐步“思考”——从一般到细节，同时保持推理链的上下文！
例子：
- 处理答案中的澄清问题
- 生成依赖任务链（计划程序）
- 递归分析来自 API 的 JSON 结构
- 根据条件自动分支对话
- 构建知识层次结构（例如，主题 → 子主题 → 事实）
视频资源：
LeetCode 任务：
6. 分而治之
在 AI 代理中在哪里使用？
就像瑞士军刀 🔪：我们将复杂任务（分析 100 多页的 PDF、生成报告）分解为子任务，并行处理请求的各个部分，并将结果合并。 允许代理“消化”千兆字节的数据而不会过载——您处理大数据的秘诀！
例子：
- 并行处理文档
- 用户目标的分层分析
- 通过并行优化响应时间
- 递归细化请求的细节
- 将代码划分为模块（NLU → 逻辑 → 响应）
视频资源：
LeetCode 任务：
7. 滑动窗口
在 AI 代理中在哪里使用？
就像移动雷达 🚨：我们分析流数据（聊天历史记录、API 日志），实时查找模式，并管理 RAG 搜索的上下文窗口。 允许代理在不重新加载的情况下“滑动”数据——您处理长对话的关键！
例子：
- 在用户请求中搜索重复项
- 动态缓存上下文（最近 N 条消息）
- 将长文本分块处理以进行 RAG
- 监控流数据中的异常
- 通过“相关性窗口”优化 LLM 令牌
视频资源：
LeetCode 任务：
8. 双指针
在 AI 代理中在哪里使用？
就像同步扫描仪 🔍：我们比较答案的版本，从两端分析对话历史记录，并优化 RAG 搜索。 允许代理以 O(n) 找到完美的匹配——您获得即时答案的工具！
例子：
- 比较不同版本的提示词
- 从头/尾分析聊天上下文
- 搜索用户数据中的矛盾
- 通过双重搜索优化 RAG
- 折叠重复消息
视频资源：
LeetCode 任务：
9. Map-Reduce
在 AI 代理中在哪里使用？
就像工业联合收割机 🌾：我们处理 TB 级的数据（聊天日志、Web 抓取），在节点之间分配任务，并聚合结果。 在线研究代理使用它来并行分析 100 多个来源——您处理大数据的关键！
例子：
- 并行处理数百万个请求
- 聚合来自不同 API 的数据
- LLM 令牌使用情况统计
- 分析大型错误日志
- 在分布式数据上训练模型
视频资源：
LeetCode 任务：
E10. 图 ✦
在 AI 代理中在哪里使用？
图是复杂交互的基础：我们通过树状结构管理对话场景，分析实体之间的关系（人-事件-地点），并优化请求处理链。 用于基于知识图的推荐系统和代理工作流程中循环依赖的检测。
例子：
- 场景的对话树
- 分析聊天中的社交联系
- 优化处理路线
- 通过知识图进行推荐
- 检测任务链中的循环
视频资源：
LeetCode 任务：