Pular para o conteúdo
Felipe Sousa

Beecrowd Problem Solving

Base de conhecimento de resolução de problemas algorítmicos: cada problema documentado com raciocínio, complexidade e erros cometidos, em vez de um arquivo morto de submissões aceitas. Em consolidação: as soluções antigas estão sendo incorporadas.

Backend

Problema

Repositório de exercícios costuma ser um cemitério de submissões: centenas de arquivos aceitos, nenhum registro de por que aquela abordagem foi escolhida, o que falhou antes, ou o que foi aprendido. Serve para contar quantidade e não serve para aprender nem para revisar.

Solução

Um repositório estruturado como base de conhecimento, não como arquivo. Cada problema tem pasta própria com enunciado resumido, raciocínio, análise de complexidade, registro de erros e solução em mais de uma linguagem. Trilha de estudo em espiral por categoria e nível de dificuldade, em vez de moer uma categoria só.

Destaques de arquitetura

  • Três níveis de documentação por problema, para o esforço de escrita acompanhar a dificuldade real em vez de ser uniforme
  • Trilha espiral: uma passada por todas as categorias num mesmo patamar antes de subir de patamar, porque a dificuldade do juiz é dinâmica e não fica presa a uma categoria
  • Registro de erros como artefato de primeira classe: o que falhou antes de passar é o que vale reler meses depois
  • Automação planejada para que os índices sejam gerados a partir dos metadados de cada problema, e nunca possam divergir da realidade
  • CI planejada para compilar e executar cada solução, com entrada e saída de exemplo versionadas, para o repositório afirmar correção em vez de afirmar que compila

Desafios

  • Manter índice e status sempre fiéis ao que existe de verdade: um problema marcado como resolvido com arquivo vazio corrói a credibilidade do repositório inteiro, e é exatamente o que a automação de validação existe pra impedir
  • Documentar sem tornar o custo por problema alto demais pra sustentar volume

Responsabilidades

  • Definir o modelo de documentação e os templates por nível
  • Desenhar a trilha de estudo por categoria e dificuldade
  • Especificar os scripts de validação e geração de índice
  • Resolver e documentar os problemas

Resultados

  • Transforma prática algorítmica em conhecimento revisável, em vez de submissões acumuladas
  • Serve de base de revisão para entrevista técnica, com o raciocínio preservado e não só o resultado

Aprendizados

  • Um índice escrito à mão sempre diverge do repositório; gerar o índice a partir dos metadados de cada problema é a única forma de ele continuar verdadeiro conforme o volume cresce
  • A regra que vale pra todo o portfólio vale aqui em escala pequena: status falso num único problema custa mais credibilidade do que um repositório pequeno e honesto

Stack

C++PythonMarkdownGitHub Actions