LeetCode Solution 简介
Markdown + Python + AI Agent 构建个人算法知识库的
刷了一段时间 LeetCode 之后，我意识到：光刷题没用，能系统地回忆和检索才算真正掌握。于是我搭了这套以 Markdown 为核心、脚本全自动化、AI 辅助归纳的算法知识库，今天把整个思路分享出来。
仓库地址：leetcode-solutions
如果有帮助，欢迎 star ⭐ 或者 fork 一份自己用
为什么不用现成工具？
市面上有很多刷题记录工具，但它们几乎都存在同一个问题：数据不在自己手上，格式也无法自定义。
我想要的是：
- 题解以纯文本存储，可以用任意编辑器打开和搜索
- 有系统化的算法分类，不只是题目列表
- 能自动从力扣拉取题目描述和我的 AC 代码，而不是每次手动复制
- 可以用 AI 帮我归纳解题思路、把题目挂到对应的算法专题下
这套需求加在一起，现成工具满足不了，于是就有了这个仓库。
仓库整体结构
.
├── solutions/ # 题解，按题号每 100 题一个子目录
│ ├── 0001-0100/
│ │ └── 0001-two-sum.md
│ └── ...
├── topics/ # 算法专题笔记
│ ├── dynamic-programming.md
│ ├── graph-algorithms.md
│ └── ...
├── scripts/ # Python 自动化脚本
│ ├── fetch_problem.py
│ ├── fetch_ac_submissions.py
│ ├── import_ac_to_solutions.py
│ └── ci/
│ └── ci.py
└── .github/workflows/
└── solutions-check.yml整个仓库由三个层次组成：题解库（solutions）、专题笔记（topics） 和 自动化工具链（scripts），三者相互配合。
核心设计：双向绑定的知识体系
这是整个方案里我最满意的设计：题解（solution）和算法专题（topic）之间是双向链接的。
每道题的 Markdown 文件末尾有一个 ## 相关专题 区块：
## 相关专题
- [动态规划](../../topics/dynamic-programming.md)而在 topics/dynamic-programming.md 里，对应的子方法下会有一条题目条目：
### 线性序列 DP
...
#### 模板题目
- 0053 - 最大子数组和 ｜ [LeetCode 链接](...) ｜ [题解笔记](../solutions/0001-0100/0053-maximum-subarray.md)这样，从任意一道题可以跳到算法专题，从专题也可以跳回所有相关题目。刷到类似题型时，不用再搜"这题用什么方法"，直接看专题目录就能找到所有练过的变体。
自动化工具链
脚本 1：批量拉取 AC 提交
python scripts/fetch_ac_submissions.py这个脚本通过力扣的接口，把我所有 AC 提交的代码批量拉下来，存成 JSONL 文件。支持断点续传、限流退避，一次可以拉几百道题。
拿到数据之后，再跑导入脚本：
python scripts/import_ac_to_solutions.py脚本会自动：
- 调用 GraphQL 获取题目中文标题、难度、标签、描述
- 生成带标准格式 front matter 的 Markdown 文件
- 把 AC 代码填进
## 代码区块 - 按题号放到对应目录下（比如 0001-0100/）
省去了所有手动复制粘贴的工作。
脚本 2：按单题生成模板
# 按题号
python scripts/fetch_problem.py 1584
# 竞赛题直接指定 slug
python scripts/fetch_problem.py --slug count-sequences-with-given-sum如果是当天参加比赛或者想手写某道题的思路，用这个脚本生成空白模板，然后自己填 ## 解题思路 就行。
CI 自动校验
每次 push 或提交 PR，GitHub Actions 会自动跑：
python scripts/ci/ci.py它会检查所有 solutions/*.md 和 topics/*.md 的格式规范，比如复杂度是否用了 $O(x)$ 格式、专题中的题目链接是否指向真实存在的文件等。不合规的提交直接 CI 红灯，强制保证知识库质量。
AI Agent Skills：真正的效率飞跃
光靠脚本还不够。写完题目代码之后，"这题用了什么思路"、"应该挂到哪个算法专题下"这两件事过去要手动做，现在交给 AI Agent。
仓库内置了两个 Agent Skill：
daily-ac-summary：全流程自动化
一条命令完成：
拉取 AC 记录 → 导入题解 → 补写解题思路 + 复杂度分析 → 挂到对应专题每天刷完题，运行一次，AI 会：
- 自动填写
## 解题思路（说明用了什么算法、为什么这样设计） - 标注时间复杂度和空间复杂度
- 判断该题属于哪个算法专题，并在专题文件里插入条目
- 在题解文件里写好
## 相关专题回链
solution-topic-auto-link：单题补链
对某道以前没挂专题的旧题，单独跑一次 link 工作：
输入：solutions/0001-0100/0042-trapping-rain-water.md
输出：topics 中插入条目 + solution 中写入回链专题覆盖范围
目前 topics/ 下有 12 个算法专题，分类方案主要参考灵神的《如何科学刷题？》：
| 专题 | 覆盖方法 |
|---|---|
| 滑动窗口与双指针 | 定长/不定长/单序列/双序列/三指针/分组循环 |
| 二分算法 | 二分答案/最小化最大值/最大化最小值/第K小 |
| 单调栈 | 基础/矩形面积/贡献法/最小字典序 |
| 动态规划 | 入门/背包/划分/状态机/区间/状压/数位/树形/博弈 |
| 图论算法 | DFS/BFS/拓扑排序/基环树/最短路/最小生成树/网络流 |
| 常用数据结构 | 前缀和/差分/堆/字典树/并查集/树状数组/线段树 |
| ... | ... |
每个专题文件的结构是统一的：概览 → 核心思想 → 解题流程 → 模板与子方法（含代码模板）→ 易错点 → 总结。不是题目列表，而是可以直接用来复习的知识笔记。
目前规模
截至写这篇文章，solutions/ 已收录 236 道题，分布在 0001 到 3900+ 的题号范围内，覆盖了从 Easy 到 Hard 的各种类型。
如果你想自己搭一套
仓库是可以 fork 的。步骤很简单：
- Fork 仓库，删除
solutions/下所有内容 - 配置鉴权：从浏览器拿
LEETCODE_SESSION和csrftoken，写入.env - 安装依赖：
pip install requests - 开始拉取：
python scripts/fetch_ac_submissions.py把历史 AC 记录拉下来 - 批量导入：
python scripts/import_ac_to_solutions.py - 用 AI 补充思路，双向挂链到 topics