① 照節次讀：每一節都短，不要跳著看。 ② 動手驗證：有互動元件的地方先自己預測答案，再按按鈕對照。 ③ 做完自我檢核再往下：答錯就回頭重讀該節。 ④ 最後翻 關鍵詞彙卡，能不看答案講出定義才算過關。
這個問題值得認真回答，而不是用「基本功很重要」六個字打發掉。
先承認事實：把「幫我用 C++ 實作一棵二元搜尋樹，含插入、搜尋、刪除」貼給任何一個主流模型，你會在幾秒內拿到一份看起來很專業、而且大部分情況真的會編譯過的程式碼。這門課教的每一個資料結構，AI 都寫得出來。
所以真正的問題只有一個：換你來當那個要為結果負責的人時，你憑什麼判斷它寫得對不對。
AI 讓「產出程式碼」變得幾乎免費，價值就整個移到另一端：選擇、驗證與取捨。這三件事剛好就是資料結構與演算法在教的東西。而 C++ 還多一層 —— 記憶體要你自己管，AI 幫你漏掉的 delete 不會有人提醒你。
你要 AI 排序，它給你一段程式。編譯過了，用 20 筆資料測試，0.001 秒，完美。三個月後資料變成一百萬筆，同一段程式跑了四十分鐘還沒結束。
AI 沒有寫錯。你沒說要多快，它也不知道你的 n 會長多大。而「n 長大時會怎樣」正是這門課第 02 章要教的東西：漸近複雜度。
| 成長級數 | 典型代表 | 操作次數 | 估計時間 （每秒 10⁸ 次操作） |
|---|
n 小的時候，所有演算法看起來都一樣快。這正是「用小資料測試」會騙人的原因。
這個差距要用數量級來算：n = 100 萬時，$O(n^2)$ 要花的時間是 $O(n \log n)$ 的五萬倍。到這個地步就不是效能調校的問題了，是能不能做的問題。
第 02 章〈演算法分析〉會帶你用 <chrono> 實際量出這張表，而不是只看理論曲線。
AI 不會主動告訴你「你選的這個做法在 n 很大時會爆炸」，除非你問。而你要先知道有這回事，才問得出來。
下面兩個都是真實常見的狀況：程式完全正確、測試全過、AI 也覺得沒問題，但效能是災難。而且這兩個坑，課程自己都準備好了教材。
課程的 pythonds3/cppds/stack.hpp 裡放了兩個堆疊：Stack 把頂端放在 vector 的尾端，Stack2 放在前端。兩者都提供後進先出的堆疊操作。
Stack (top 在尾端): 1.13921 ms Stack2 (top 在前端): 122.423 ms
在 vector 的前端插入或刪除，都需要搬移後續元素，單次操作是 $O(n)$。尾端插入是攤還 $O(1)$，尾端刪除是 $O(1)$。執行 Stack 與 Stack2，比較相同堆疊操作在兩種實作中的耗時。
vector 逐一比對: 102.673 ms unordered_set 雜湊查表: 0.006698 ms
vector 的搜尋逐一比對元素；unordered_set 利用雜湊值定位，在雜湊分布良好、負載因子受控時，平均查詢成本為 O(1)，最差為 O(n)。第 07 章會說明雜湊表如何完成查詢。
編譯不過你至少知道要修。但「跑得出正確答案、資料增加後越跑越慢」不會噴任何訊息，它只會在你上線之後、資料長大之後才開始傷人。要抓到這種問題，你必須看得懂那段程式在做什麼。
第 02 章教你怎麼估這些成本；第 05 章的 Stack、Queue、Deque 全部在做「選哪一端」的決定；第 07 章則是把 unordered_set 背後的雜湊表拆開來自己刻一遍。
這一節是 C++ 學生獨有的。用 Python 的人不會遇到，因為那邊有垃圾回收；在 C++，new 出來的東西你不還就永遠不會回來。
從鏈結串列到樹，新增節點時都要安排它的生命週期：誰建立、誰持有，以及何時釋放。
| 資料結構 | 建立什麼 | 何時釋放 |
|---|---|---|
| 鏈結串列 | 儲存資料與連結的節點 | 刪除節點，或銷毀整條串列時 |
| 鏈結實作的堆疊與佇列 | 存放元素的節點 | 移除元素，或銷毀容器時 |
| 圖 | 頂點與邊的資料 | 由擁有這些資料的物件管理 |
| 樹 | 儲存鍵與子節點連結的節點 | 刪除節點，或銷毀整棵樹時 |
一開始還活著的節點: 0 buildAndFree 之後: 0 <- 借兩個、還兩個，歸零 buildAndForget 之後: 2 <- 借兩個、沒還，永遠回不來了 再呼叫三次之後 : 8 <- 每呼叫一次就漏兩個
Node::alive 記錄目前還活著的節點數。buildAndForget 每呼叫一次就漏兩個，而且漏掉的那塊記憶體在程式結束前拿不回來。這種錯誤不會噴訊息，只會讓長時間執行的程式越吃越多記憶體。
建立動態物件時，先決定誰負責管理它的生命週期。由容器擁有的節點，可在容器的解構子中釋放；使用智慧指標則可讓物件隨擁有者的生命週期自動釋放。先備頁 P4 會把這件事講完整。
還不熟悉 C++ 的基本語法，可以先從P1 的最小程式開始。
回到 AI：你請它「幫我實作一個鏈結串列」，它八成給你一份能跑的程式碼。但有沒有解構式？remove() 之後那個節點 delete 了嗎？它不會主動講，而編譯器也不會抱怨。這是你要看得出來的。
第 04 章的 UnorderedList::remove() 與第 09 章的 BST 刪除，都是「把節點從結構裡摘掉」的操作 —— 摘掉之後那塊記憶體歸誰管，就是這一節在問的問題。
學會一件事的迴圈長這樣：想法 → 動手試 → 觀察結果 → 修正理解。四步缺一不可，而且卡住、debug、恍然大悟的那個瞬間，正是理解真正發生的地方。
直接把題目丟給 AI、拿回答案貼上去編譯，等於把整個迴圈砍掉只剩「觀察結果」。程式會動，作業會過，但你腦袋裡什麼都沒長出來。
照著食譜做菜，你會做出那道菜；但你不會變成廚師。廚師的能力在於：食材換了、火力不同、客人臨時說不吃辣，他還能重新設計一道菜。你想成為哪一種？
這門課裡真正難的從來不是「寫出 quicksort」。難的是「為什麼 quicksort 平均是 $O(n \log n)$、最壞卻是 $O(n^2)$」、「為什麼要選這個 pivot」、「這個指標在遞迴回來之後還指著同一個地方嗎」。這些都是推理，抄一百遍程式碼也長不出來。
能，而且應該用，但用法要對。把 AI 當助教用，不要當代工：先自己寫、卡住了問「我這個 segfault 是怎麼來的」、拿到解釋之後自己改。C++ 的編譯錯誤訊息又長又難讀，請 AI 幫你翻譯錯誤訊息是很好的用法 —— 那是在幫你完成迴圈，不是繞過它。
不管你之後做的是遊戲引擎、嵌入式、高頻交易、影像處理還是科學計算，你都會遇到「資料太多、跑太慢」的那一天。到那天，你會需要雜湊表、堆積、圖的最短路徑這些詞。「再租一台更大的機器」買不了多少時間。
這門課用的 pythonds3/cppds/、你未來會用的 STL、Boost、Eigen，全部是別人寫的資料結構。C++ 的文件出了名地難讀，而 template 的錯誤訊息更是一長串。當文件講不清楚，唯一的辦法就是打開標頭檔看。而標頭檔裡面就是 class、就是指標、就是樹和圖。
當產出程式碼變得免費，會產出的人就不值錢了。真正變貴的是能審查的人：能看一眼就說「這裡會 $O(n^2)$」「這個 new 沒有配對的 delete」「這個迴圈裡 push_back 之後 iterator 就失效了」。技術面試考白板題、團隊要人 code review，考的都是這一層。
AI 會放大你的能力，也會放大你的無知。懂的人用它跑得更快；不懂的人用它把錯誤生產得更快。
① 先估 Big-O，再動手寫。拿到題目先問自己：n 會多大？我這個做法是幾次方？光是養成這個反射，你就贏過一半的人。
② 先預測輸出，再按執行。本站每一個互動元件都是為了這件事設計的：先在心裡（或紙上）寫下你認為的答案，再按按鈕。猜錯的那一刻，才是你真正學到東西的一刻。
③ 問「為什麼」而不是「幫我寫」。把「幫我實作 AVL 樹」換成「我的旋轉寫在這裡，為什麼平衡因子沒有更新？」—— 前者你拿到程式碼，後者你拿到理解。
④ 每寫一個 new，當場找到它的 delete。不是寫完再回頭補，是當下就想清楚「這塊記憶體誰負責還、什麼時候還」。想不清楚，就是你的設計還沒想好。
⑤ 交出去之前逐行讀自己的程式。如果有任何一行你說不出「這行在幹嘛、拿掉會怎樣」，那行就不算你的。
讀完這頁，先去 00B · 課前準備與環境安裝 把 compiler 與 notebook 環境弄好；Windows 作業再完成 00C · VS Code 作業實戰，然後從 第 01 章 開始。如果你對 C++ 本身還不太有把握，先掃一遍 先備頁 P1–P9（選讀，不評分）—— 尤其是 P4 的指標與動態記憶體，第 04 章以後幾乎每一頁都要用到。
一段程式在 1,000 筆資料上跑 0.01 秒。如果它是 $O(n^2)$，資料變成 100,000 筆時大約要多久？
AI 幫你寫了一個鏈結串列，remove() 的實作是把前一個節點的 next 接到後一個節點，然後 return。編譯過了，測試也過了。有問題嗎？
下面哪一種用 AI 的方式，最能幫助你真的學會這門課？
| 資源 | 為什麼值得看 |
|---|---|
| Martin Fowler — Exploring Generative AI | 軟體工程視角看生成式 AI：什麼場合適合、什麼場合會付出長期維護代價。 |
| cppds（本課教科書） | Problem Solving with Algorithms and Data Structures using C++，本站每章 §徽章都對應此書節號。 |
| cppreference · Containers | STL 各容器操作的複雜度保證，官方權威。想知道 vector::insert 為什麼慢，這裡有答案。 |
| C++ Tutor | 逐行視覺化記憶體與指標變化。看不懂指標或遞迴時，貼進去按下一步。 |
| nsysu-math208 | 課程講義與投影片 repo，本站是它的互動版配套。 |
先看正面術語，心中默想定義再翻面對答案；洗牌後再過一輪，直到每張都能不假思索說出來。