一个好的信息学竞赛刷题训练记录，应该记录哪些内容

一个好的信息学竞赛（OI/ICPC）刷题记录，核心目的不是“备份代码”，而是“复盘思维”。如果你只是粘贴AC代码，这份记录毫无价值。

一个顶尖选手的训练记录，应当包含以下 5个维度 的内容，我将其分为“硬记录”和“软思考”两部分：

第一维度：元数据（硬记录，便于检索）
这是基础，用于后期统计和快速定位。

基本信息：题目来源（Codeforces/Luogu/AtCoder/LOJ等）、题号、题名、时间、耗时。

标签（Tag）：不要只写“DP”，要细化到“区间DP + 四边形不等式优化”或“树上背包 + 依赖型”。

难度自评：官方评分（如CF的*2300）和你自己的主观感受（1-5星）。如果主观感受远高于官方分，说明这块是你的短板。

第二维度：思维链（软思考，最核心）
这是记录的灵魂所在。不要只记录“正解”，要记录“你是怎么想到正解的”以及“你走进了哪些死胡同”。

审题与抽象：题目中的关键条件是什么？是如何转化为数学模型（图、树、序列、集合）的？

突破口（Key Point）：那道题的“题眼”在哪里？是注意到数据范围的特殊性（如
∑
n
≤
2
e
5
∑n≤2e5），还是发现某个性质（如单调性、二分性）？

思维岔路（错误尝试）：这是最有价值的部分！ 比如：“一开始想用贪心，但发现局部最优不满足全局，卡了30分钟；后来发现满足最优子结构，转而考虑DP。” 记录下这种挣扎的过程，能有效避免下次犯同类错误。

官方/题解思路对比：你的解法和题解有什么不同？题解的巧妙之处在哪里？（例如：题解用了反证法，而你是强行分类讨论）。

第三维度：代码实现与调试（工程细节）
信息学竞赛不仅考思维，更考码力。

复杂度分析：严格记录时间
O
(
n
log
⁡
n
)
O(nlogn) 和空间复杂度，并注明是否卡常（如：开了O2优化，或用快读）。

Debug 记录（踩坑点）：

边界条件：比如数组开小了（RE）、int爆精度（需要开long long）、循环变量写错。

特殊情况：
n

1
n=1 的情况、全零的情况、图不连通的情况。

实现技巧：比如“这里用 std::set 维护比用 priority_queue 更好写，因为需要删除任意元素”。

第四维度：收获与总结（内化过程）
做完一道题，要强迫自己用一句话提炼出“套路”。

一句话精华：用自己最通俗的语言总结。例如：“遇到网格图最值，考虑建图跑最短路”或“绝对值去掉，要么排序前缀和，要么数据结构维护”。

模型迁移：这道题是经典模型（如最长上升子序列）的变种吗？变在哪里？

可复用板子：这道题有没有衍生出一个通用的函数/代码片段，可以加入你的代码仓库？

第五维度：错题本属性（战略层面）
当前状态：独立做出 / 思路对但代码有bug / 看题解提示后做出 / 完全看题解。

重做日期：标记一个日期（如 1周后、1个月后）。真正的好题，值得反复刷，等重做时再来对比这次记录，看是否还有阻塞点。

一个可直接套用的【Markdown 模板】
markdown

[来源-题号] 题目名称

• 时间：2026-08-04 | 耗时：45min | 状态：独立做出 / 看题解
• 难度：官方 2100 | 自评 ⭐⭐⭐⭐
• 标签：#并查集 #离线逆序 #贪心

1. 题目抽象

给定 ...，求 ...。关键限制条件：( n \le 2e5 )，边权递增。

2. 破题思路

• 错误尝试：一开始想正着模拟删边，发现删边不好维护连通性，卡了10min。
• 正确突破口：发现删边难，正难则反，改为逆序加边。加边后用并查集维护集合大小即可。
• 核心性质：因为边权是唯一的，所以加边顺序决定了最大边权。

3. 关键代码/避坑

// 注意：合并时先判断根，否则 size 会加错！
if (fx != fy) {
    ans -= 1LL * sz[fx] * sz[fy]; // 这里要开 long long！
    fa[fx] = fy; sz[fy] += sz[fx];
}
Bug记录：int 溢出，WA了2发，以后看到组合数计算直接 long long。

4. 总结（一句话）
遇到动态破坏连通性，优先想“时间倒流 + 并查集”。

5. 同类题推荐
□ P1197 [JSOI2008] 星球大战（类似逆序）
□ 重做日期：2026-08-11
text

---

### 最后给你两个管理建议：
1. **拒绝题海战术**：如果一道题你完全没思路，看完题解后，**不要急着记录**，关上题解自己用口述把逻辑讲一遍，讲得通再记录。讲不通，说明没消化，记了也没用。
2. **统计错因**：每月底扫一眼记录的“Debug记录”和“错误尝试”，统计自己最常见的错误类型（是边界没处理好？还是算法选错？还是读题漏条件？）。**针对高频错误刻意训练，提分效率最高。**

如果你愿意，我可以帮你把这份模板做成 **Notion/飞书多维表格** 的字段结构，方便后期数据透视分析，需要吗？😊