在過去幾天中，我們分別學習了「約束與邊界分析」、「Big-O 複雜度評估」、「雙指針思維」以及「數學與邊界防禦」。今天作為演算法模組的收官篇，我們要將這些方法論融會貫通。

今天我們挑選 LeetCode 上極為經典的高頻 Medium 題目——No. 3: Longest Substring Without Repeating Characters（無重複字元的最長子串）。我們將完整記錄從「卡關、提出需求、AI 給出解法、挖掘潛在 Bug、最終極限優化」的人機協作實錄！

一、題目與初始思維碰撞

題目描述：給定一個字串 s，請找出其中不含有重複字元的最長子串的長度。
範例：s = "pwwkew"，最長無重複子串是 "wke"，長度為 3。

步驟 1：向 AI 諮詢核心解題模型

初學者最容易想到的方式是「以每一個字元為起點，往後擴展檢查重複」，時間複雜度為 O(n²)。我們向 AI 提問：

【提問 Prompt】
「我正在解 LeetCode 3，暴力列舉子串的時間複雜度是 O(n²)。請問這題在資料結構上有哪種標準模型可以在 O(n) 時間內完成？」

【AI 的回答要點】
AI 指出：本題的最佳模型是**「滑動窗口（Sliding Window）」**。

• 窗口本質：維護一個區間 [left, right]，表示目前「沒有重複字元」的子字串。
• 右指針（right）：不斷向右擴展，嘗試將新字元納入窗口。
• 左指針（left）：一旦發現新字元在當前窗口內已經出現過，左指針必須「向右收縮」，直到窗口內排除重複字元為止。

二、第一版實作與除錯過程

我們請 AI 產出第一版基於 HashSet 的滑動窗口代碼：

[第一版：基於 Set 的滑動窗口]
import java.util.HashSet;
import java.util.Set;

public class SolutionV1 {
public int lengthOfLongestSubstring(String s) {
if (s == null || s.length() == 0) return 0;

    Set<Character> window = new HashSet<>();
    int left = 0, maxLength = 0;

    for (int right = 0; right < s.length(); right++) {
        char c = s.charAt(right);
        // 遇到重複字元，左指針一步一步往右移，直到刪除重複者
        while (window.contains(c)) {
            window.remove(s.charAt(left));
            left++;
        }
        window.add(c);
        maxLength = Math.max(maxLength, right - left + 1);
    }
    return maxLength;
}

}

協同檢討：這段代碼有優化空間嗎？

雖然這版已經可以在 O(2n) = O(n) 時間內通過，但我們讓 AI 進行 Code Review：
「如果字串很長，左指針用 while 一步步移動效率稍慢。例如遇到 abba 這種情況，能不能讓左指針直接『瞬移』到重複字元的下一位？」

三、第二版極限優化：HashMap 索引跳躍與陣列查表

經過討論，AI 提供了更進階的優化方案：

1. 直接跳躍：改用 Map<Character, Integer> 記錄「字元最後出現的索引位置」。當發現重複時，左指針直接 left = Math.max(left, map.get(c) + 1) 跳躍過去！
2. 陣列取代 Hash：由於題目字元均為標準 ASCII（共 128 種可能），用長度 128 的 int[] 取代 HashMap，免除 Java 物件裝箱（Autoboxing）與 Hash 碰撞開銷。

[最終最優 Java 實作]
public class Solution {
public int lengthOfLongestSubstring(String s) {
if (s == null || s.length() == 0) {
return 0;
}

    // 用 ASCII 陣列記錄每個字元上一次出現的索引 + 1（預設為 0 代表尚未出現）
    int[] lastIndex = new int[128];
    int maxLength = 0;
    int left = 0;

    for (int right = 0; right < s.length(); right++) {
        char currentChar = s.charAt(right);

        // 若該字元先前出現過，且位置在當前窗口左側邊界之後，直接跳躍左邊界
        left = Math.max(left, lastIndex[currentChar]);

        // 計算當前無重複窗口長度並更新最大值
        maxLength = Math.max(maxLength, right - left + 1);

        // 記錄該字元下次出現時，left 應該跳到的位置（即 right + 1）
        lastIndex[currentChar] = right + 1;
    }

    return maxLength;
}

}

四、人機協同刷題的心得複盤

回顧這一題的攻克過程，人機協作帶來了三項實質優勢：

1. 避免卡在思維盲區：在我們只想得到 O(n²) 時，AI 迅速點出「滑動窗口」的核心模式，省去盲目摸索的時間。
2. 指出關鍵邊界陷阱：在實作指針跳躍時，很多人會漏掉 Math.max(left, ...)，導致左指針不小心往左倒退走。AI 在解釋時特別指出了「避免左指針走回頭路」的邊界陷阱。
3. 極限工程優化：從 HashSet 一步步收斂到 int[128] 陣列查表，記憶體消耗維持常數 O(1)，執行時間達到 LeetCode 擊敗 99% 的水準。

今日小結與預告

今天我們透過完整的對話實錄，示範了如何與 AI 深度協作，將一道 Medium 演算法題從粗胚原型一步步推進至最優解法。到今天為止，第二模組（演算法與資料結構）正式圓滿落幕！