编程基础篇
AI 背后的数据结构
用你已经熟悉的 AI 系统建立编程直觉：消息列表、缓存、索引、队列和图。重点不是背定义，而是能在 AI 生成的代码和产品里认出它们。
编程基础篇13篇札记
本页解决的问题
先给结论「AI 背后的数据结构」AI 学习路径适合解决什么问题？
用你已经熟悉的 AI 系统建立编程直觉：消息列表、缓存、索引、队列和图。重点不是背定义，而是能在 AI 生成的代码和产品里认出它们。 路线包含 13 篇免费札记，每篇聚焦一个可以独立搜索、理解和验证的问题。
判断标准
核心主题包括：为什么 AI 时代还要懂、线性结构：你天天在用、哈希与缓存：空间换时间、树与图：AI 的主场。
下一步
从「都 2026 年了，为什么还要懂数据结构？」开始，再按当前任务选择下一篇。
常见误区
不要为了完成目录而跳过实践；能用自己的例子解释一个取舍，比读完更多标题更重要。
这条路径会练什么
从第一篇打开
每个章节都围绕一类真实决策展开。可以顺着走，也可以从正在处理的工作切入。
01都 2026 年了，为什么还要懂数据结构？一个贯穿全章的隐喻：数据结构 = 收纳方式。亲手玩一局「找钥匙」，体会选错收纳有多慢；再看不懂结构的人怎么把 AI 写的慢代码直接上线↗02数组：你聊的每句话都躺在里面message list 就是一个数组：对话历史怎么排队、上下文截断为什么掐头不掐尾；顺便看数组中间插一条数据有多贵↗03栈：Cmd+Z 和「爆栈」的秘密后进先出：撤销键、函数调用、Agent 的子任务都靠它。亲手压栈弹栈，再看一次没写终止条件的递归是怎么把栈压爆的↗04队列：Agent 的活是排着队干的先进先出：任务队列、消息队列、生产者消费者。拖动生产和消费的速度，看队列什么时候积压、什么时候空转↗05哈希表：为什么它找东西快到不讲理把 key 亲手塞进桶里，看哈希函数怎么把「翻一遍」变成「直达」；再看两个 key 撞进同一个桶时怎么收场↗06缓存：AI 账单的隐形折扣KV Cache 和语义缓存都是同一招：算过的别再算。拖动命中率滑块实时看账单变化——Harness 核心篇成本优化的底层原理↗07树：Coding Agent 眼里全是它文件目录、JSON、网页 DOM、代码语法树——AI 读你的项目时看到的是一棵棵树。点开一段代码，亲眼看它变成 AST↗08图：从知识图谱到多 Agent 协作节点加关系就是图：社交网络、知识图谱、Agent 工作流 DAG。点一个节点，看关系怎么一层层扩散出去↗09词表与 Trie：Tokenizer 的切词秘密大模型原理篇见过分词，这次看底层：一棵前缀树怎么把「五花肉」整块认出来。亲手沿着 Trie 走一次分词↗10向量：RAG 检索是在「找最近的邻居」Embedding 把语义变成坐标，相似度就是距离。在平面上拖动查询点看最近邻怎么变，再看 HNSW 为什么能在亿级向量里瞬间找到↗11汇总 · 八种结构一张决策表数组/栈/队列/哈希表/缓存/树/图/向量各自的强项弱项与 AI 里的真身；点选场景，看该用哪种收纳方式↗12把 AI 写的代码「验收」一遍三档任务：让 AI 解释它选的数据结构、要求换一种实现对比利弊、给你自己的项目挑一次收纳方式↗13数据结构 · 30 道灵魂拷问每题附考察意图、答题框架与加分点：数组 vs 链表 / 哈希碰撞 / 树的遍历 / 缓存设计 / 向量检索 / 场景选型↗