go中无现成贪心算法函数，需手动实现；核心是明确定义“当前最优”，注意排序、边界判断、类型选择及空输入处理。
贪心算法在 Go 里没有现成函数，得自己写逻辑
Go 标准库不提供 greedySchedule、maxNonOverlapping 这类封装好的贪心函数。它只提供排序（sort.Slice）、比较（cmp）、容器（heap）等基础能力。贪心本质是「每步选当前最优，不回退」，必须由你根据问题定义「当前最优」是什么，并手动控制选择顺序和判断条件。
常见错误是直接套用其他语言的伪代码，忽略 Go 的零值语义和切片边界——比如用 int 类型存时间戳却未处理负数区间，或用 for i := 0; i 后又在循环内修改 <code>intervals 导致越界。
- 区间调度类问题，关键不是“怎么排”，而是“按什么字段排”：结束时间（
end）升序才是正确贪心依据，不是开始时间 - Go 中结构体切片排序需显式传入比较函数，不能依赖默认
sort.Sort - 避免在循环中反复调用
append扩容切片来存结果，可预分配容量提升性能
区间调度问题：按结束时间排序 + 线性扫描
典型场景是会议室安排、任务调度——求最多能安排多少个互不重叠的区间。核心动作只有两步：排序、单次遍历。别想 DP 或回溯，贪心解法必须严格线性。
错误现象：panic: runtime error: index out of range 常因排序后没检查切片是否为空就取 intervals[0]；或把 start >= prevEnd 写成 start > prevEnd，漏掉端点相接的合法情况。
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器，提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象，支持命名依赖等
- 排序用
sort.Slice(intervals, func(i, j int) bool { return intervals[i].End - 初始化
count = 1，lastEnd = intervals[0].End，然后从i = 1开始扫 - 判断条件必须是
intervals[i].Start >= lastEnd（允许紧邻），更新时才改lastEnd = intervals[i].End - 如果需求是返回选中的区间而非数量，用
result = append(result, intervals[i])即可，无需额外数据结构
LeetCode 435 类问题：Go 实现要注意浮点与整数混用
题目给的是 [][2]int 或 []Interval，但实际输入可能含大数值（如 Unix 时间戳），若用 float64 存 Start/End 会丢失精度，导致排序错乱或比较失效。
另一个坑是误用 math.MaxInt64 作初始值：当所有区间都为负时，lastEnd = math.MaxInt64 会导致第一个区间永远被跳过。应设为 intervals[0].End 或 math.MinInt64 并配合首次标记。
- 结构体定义推荐用
type Interval struct{ Start, End int }，避免类型模糊 - 不要用
float64处理时间/索引类字段，Go 的int足够覆盖 99% 场景 - 若输入可能为空，先做
if len(intervals) == 0 { return 0 }防崩 - 测试用例要覆盖：空输入、单区间、全重叠、全不重叠、端点相接（
[1,2],[2,3]）
性能敏感场景下，避免重复切片拷贝
当区间数量达 10⁵ 级别，用 sort.Slice 对原切片排序是原地操作，没问题；但若你先 copy 一份再排，或每次循环都 append 新结构体，GC 压力会明显上升。
更隐蔽的问题是：用 for _, v := range intervals 遍历时，v 是副本，修改 v.End 不影响原数据——这本身没错，但若你以为在改原值，后续排序就失效了。
- 排序前用
sort.SliceStable仅在需要稳定排序时（极少），否则用sort.Slice - 结果收集用预分配切片：
result := make([]Interval, 0, len(intervals)/2) - 不要在循环里构造新结构体再赋值字段，直接用索引访问原切片元素
- 真要极致优化，可考虑用
[2]int替代结构体，减少内存对齐开销
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
