本周一份 LeetCode 第 73 题「矩阵置零」的手写解题笔记用时约 20 分钟 — 在 AI 编程工具普及的 2026 年，这个耗时本身说明问题：经典算法题的肌肉记忆仍未被取代。

这是什么

「矩阵置零」是 LeetCode 第 73 题：给定一个 m×n 矩阵，若某个元素为 0，则其所在行和列全部设为 0，要求原地修改（即不另开新数组，直接在原矩阵上改）。难点在于直接在第一次遍历中清零会引入新的 0，导致清零范围不断扩大。

常见解法是「先标记，后修改」：用两个数组，或复用的第一行第一列，记录哪些行、哪些列原本含 0，再统一清零。这份笔记展示的是空间复杂度 O(1) 的优化版本 — 用第一行第一列做标记，最后单独处理这两行两列。代码 20 行内可解，关键卡点是区分「原始的 0」与「作为标记的 0」，顺序不能错。

行业怎么看

「经典算法题手写训练」在 AI 编程助手普及的背景下，正在被重新评估。

支持继续练习的一方认为：AI 写代码擅长套模板，但面对需要精准状态管理的原地修改问题，例如本题用第一行第一列做标记这类思路，仍容易出错。理解「边界与内部区域区分处理」的逻辑，是判断 AI 输出对错的前提。

反对的声音同样明确：一种主流观点认为，2026 年的工程实践中，这类问题几乎不出现在生产代码里。强制要求工程师 20 分钟手写经典题，本质上是用 2018 年的筛选标准招聘 2026 年的工程师。如果 AI 几秒内能给出更可靠的解法，「手写能力」的边际收益正在递减。

值得关心的是：算法面试与工程能力脱节不是新话题，但 AI 工具让这个矛盾更尖锐 — 企业更需要「能识别 AI 答案对错」的人，还是「能直接产出 AI 答案」的人？

对普通人的影响

对企业 IT：代码审查越来越像「在 AI 输出里找 bug」，数据结构与边界处理的扎实功底反而比写代码本身更重要。这道题的思路（先标记、再清零、最后处理边界）正是这类审查能力的缩影。

对个人职场：对正在求职或转岗的工程师，算法题训练价值正从「能不能写出来」转向「能不能在 AI 给出答案后 30 秒内判断它对不对」。训练重点在迁移。

对消费市场：对非技术背景的管理者和企业主，这道题本身不重要，但它揭示的趋势值得留意：越来越多原本由人完成的技术决策，正在变成「人审核 AI 输出」。相关岗位的要求，会从「会写」变成「会审」。