build

docs/chapter_backtracking/backtracking_algorithm.md

@@ -629,7 +629,7 @@ comments: true
         *path = append(*path, root)
         if root.Val.(int) == 7 {
             // 记录解
-            *res = append(*res, *path)
+            *res = append(*res, append([]*TreeNode{}, *path...))
         }
         preOrderIII(root.Left, res, path)
         preOrderIII(root.Right, res, path)
@@ -1300,7 +1300,7 @@ comments: true
 
     /* 记录解 */
     func recordSolution(state *[]*TreeNode, res *[][]*TreeNode) {
-        *res = append(*res, *state)
+        *res = append(*res, append([]*TreeNode{}, *state...))
     }
 
     /* 判断在当前状态下，该选择是否合法 */

docs/chapter_preface/suggestions.md

@@ -236,7 +236,7 @@ git clone https://github.com/krahets/hello-algo.git
 从总体上看，我们可以将学习数据结构与算法的过程划分为三个阶段。
 
 1. **阶段一：算法入门**。我们需要熟悉各种数据结构的特点和用法，学习不同算法的原理、流程、用途和效率等方面的内容。
-2. **阶段二：刷算法题**。建议从热门题目开刷，如“[剑指 Offer](https://leetcode.cn/studyplan/coding-interviews/)”和“[LeetCode Hot 100](https://leetcode.cn/studyplan/top-100-liked/)”，先积累至少 100 道题目，熟悉主流的算法问题。初次刷题时，“知识遗忘”可能是一个挑战，但请放心，这是很正常的。我们可以按照“艾宾浩斯遗忘曲线”来复习题目，通常在进行 3～5 轮的重复后，就能将其牢记在心。
+2. **阶段二：刷算法题**。建议从热门题目开刷，先积累至少 100 道题目，熟悉主流的算法问题。初次刷题时，“知识遗忘”可能是一个挑战，但请放心，这是很正常的。我们可以按照“艾宾浩斯遗忘曲线”来复习题目，通常在进行 3～5 轮的重复后，就能将其牢记在心。推荐的题单和刷题计划请见此 [GitHub 仓库](https://github.com/krahets/LeetCode-Book)。
 3. **阶段三：搭建知识体系**。在学习方面，我们可以阅读算法专栏文章、解题框架和算法教材，以不断丰富知识体系。在刷题方面，可以尝试采用进阶刷题策略，如按专题分类、一题多解、一解多题等，相关的刷题心得可以在各个社区找到。
 
 如图 0-8 所示，本书内容主要涵盖“阶段一”，旨在帮助你更高效地展开阶段二和阶段三的学习。