MENTAL MODEL · M0556
大O表示法
Big O Notation
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
用于描述算法性能随输入数据量增长而变化的趋势（如O(1)是常数级，O(n)是线性级，O(n²)是平方级）。它关注的是“规模极限”下的表现。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
评估系统的扩展性。在设计商业模式或工作流时，要问自己：当用户/任务增加10倍、100倍时，我的成本是线性增长（忙死）还是指数增长（崩盘），还是对数/常数增长（轻松）？
anchor
锚定快速决策
大 O 表示法描述算法随输入规模增长的时间/空间渐近上界，忽略常数只看阶。机制是用增长阶比较算法可扩展性。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Big_O_notationverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型