2026年的 LeetCode：没人尊重的技能（但仍然是每个人都需要的）

Source: Dev.to

Introduction

让我说一句可能会惹恼双方的话。

是的，AI 可以瞬间解出大多数 LeetCode 题目。
而且是的，我仍在练习它们。

并不是因为我喜欢痛苦。
也不是因为我喜欢红绿提交界面。
而是因为我开始意识到一件令人不安的事：

我们正在慢慢失去在没有帮助的情况下思考的能力。
这比 AI 本身更让我感到恐惧。

“Why Are You Still Grinding LeetCode? Just Ask GPT.”

我经常听到这种声音。

• “兄弟，面试已经过时了。”
• “兄弟，真实工作里没有二叉树。”
• “兄弟，直接用 AI 吧。”

当然，AI 可以在几秒钟内给你一个完美的深度优先搜索。它可以生成比你更简洁的动态规划解法。它还能比你的大学教授更好地解释时间复杂度。

但真正的问题是：如果 AI 明天消失……你还能知道发生了什么吗？ 还是说你只能盯着自己的代码，看得像是象形文字？

裁员改变了一切

别装作过去两年没有让我们的脚下的地面动摇。

• 团队被裁减。
• “高绩效者”被解雇。
• 高级工程师突然要与中级开发者竞争。
• 入门级岗位开始要求 3–5 年的工作经验。

在那场混乱中，一个模式变得显而易见：幸存下来的人并不是打字最快的。他们是能够理清复杂性的人——能够：

• 在不慌张的情况下调试生产问题
• 在混乱的系统中进行推理
• 将模糊的问题拆解为结构化的步骤
• 在压力下保持清晰思考

这就是算法思维。这正是 LeetCode 所培养的。不是记忆。不是琐事。结构化思考。

AI 让你更快。它不会让你更深。

我每天都在使用 AI——用于重构、搭建框架、调试小问题、节省时间。如果你在 2026 年还不使用 AI，那就是固执。

令人不安的部分：

• AI 让你更快。
• LeetCode 让你更深入。

没有深度的速度是脆弱的。借助 AI，你可以快速交付功能，但当：

• 出现竞争条件
• 在负载下内存激增
• 奇怪的边缘情况导致生产环境出错
• 模型生成的解决方案“几乎”正确

仍然需要有人思考。如果你把思考外包得太久，那一刻会变得令人恐惧。

“但我在工作中不使用图。”

正确。我们大多数人并不会在随意的星期三实现 Dijkstra 算法。但解决图论问题会迫使你：

• 建模关系
• 跟踪状态转移
• 思考复杂度
• 可视化流程

那么，大型分布式系统是什么？图。状态机。转移。约束。LeetCode 题目是人为设定的，但它们锻炼的思维能力却不是。

The Real Problem: Comfort Addiction

AI 消除了摩擦。你不再会卡住 45 分钟，不再绘制图表，也不再与递归搏斗到恍然大悟。你粘贴、重新生成，然后继续。

高效吗？当然。但成长很少发生在舒适区。LeetCode 强制出现摩擦。它迫使你坐在“不知道”的状态中。在自动完成可以替你完成思考的时代，能够进行有意义的挣扎正变得稀少。

没人谈论的危险未来

想象一代开发者可以通过提示发布完整的应用……但在以下情况下会卡住：

• AI 给出错误答案
• bug 在本地无法复现
• 系统表现不可预测
• 解决方案需要原创推理

这并非假设。我已经见过：开发者们飞快前进，直到遇到需要原始思考的 10% 时。然后一切都变慢，因为他们从未训练过这块肌肉。

那么你仍然应该做 LeetCode 吗？

• 如果你的唯一目标是借助 AI 通过面试？也许不需要。
• 如果你的目标是在动荡的市场中变得反脆弱？需要。

不是因为公司崇拜它，也不是因为面试文化完美，而是因为思考正在变得可选。可选的技能会消失。

这不是关于怀旧

我并没有把“过去的日子”浪漫化。我也不是反AI的。我也不是反生产力的。我并不是说要像2018年那样刷500道题。

我想说的是：

• 使用AI。
• 但不要让它让你的大脑萎缩。
• 有时要在没有帮助的情况下解决问题。
• 有意识地进行挣扎。
• 培养直觉。
• 在粘贴答案之前，先理解为什么该解法有效。

因为有一天这个工具会失效。那一刻，唯一剩下的就是你自己。

最终问题

• 你的编码信心会下降吗？
• 还是会保持不变？

诚实点。你是在磨练自己的思考，还是把它外包了？

让我们在评论区来一场辩论吧。