邻接矩阵适合顶点数少（<1000）且边数接近v2的稠密图，查边O(1)但空间固定O(v2)；邻接表适合稀疏图，增删边快、遍历高效，但查边最坏O(degree)。用邻接矩阵还是邻接表？取决于图的稀疏程度Go里实现图结构，第一道坎不是写DFS或BFS，而是选对底层表示------邻接矩阵和邻接表性能差异极大，选错直接拖垮后续所有算法。邻接矩阵适合 vertices < 1000 且边数接近 v2 的稠密图（比如全连接社交关系模拟），查边是 O(1)，但加点/删点要整体复制数组，内存固定占 O(v2)邻接表（用 mapint\[\]int 或自定义 \[\]\[\]Edge）更适合真实场景：网页链接、交通网络、依赖图------边数远小于顶点平方。增删边快，遍历邻居天然高效，但查边要遍历链表，最坏 O(degree)别硬套教科书示例：网上很多用 2020float64 写死大小的邻接矩阵代码，在处理动态节点时会 panic 或静默越界DFS递归写法容易栈溢出，改用显式栈更稳Go默认 goroutine 栈只有 2KB，深度优先搜索遇到长链（比如 5000 层树）直接 runtime: goroutine stack exceeds 1000000000-byte limit 崩溃，不是逻辑错，是机制限制。递归DFS在Go中仅适用于已知深度可控的小图（depth < 200）生产环境一律用显式栈：stack := \[\]int{start} + 循环 pop/push，配合 visited mapintbool 防重入注意：用 slice 模拟栈时，stack = stack:len(stack)-1 是安全的，但别用 stack = append(stack:len(stack)-1, ...) ------ 容易因底层数组复用导致脏数据残留BFS必须用 queue 而非 stack，且初始化要防空图panic广度优先搜索靠队列保序，若误用切片尾部追加+头部切片（q = q1:）看似能跑，但大量小切片会触发频繁内存分配；更糟的是，空图输入时忘记检查 len(vertices) == 0，queue0 直接 panic index out of range。 稿定AI 拥有线稿上色优化、图片重绘、人物姿势检测、涂鸦完善等功能