最稳妥的Go拓扑排序方案是使用Kahn算法实现的topologicalSort函数，输入numCourses和prerequisites，输出排序切片或空切片；需正确建边（b→a）、初始化inDegree数组、用切片模拟队列，并校验结果长度是否等于节点数。
用 topologicalSort 函数处理课程依赖最稳妥
Go 里做拓扑排序，topologicalSort 是最常用、最贴近工程场景的入口函数名——尤其在 LeetCode 207/210、编译器依赖解析、CI 任务调度这类「带编号节点 + 前置条件」问题中。它不依赖外部库，纯标准库就能跑，输入是 numCourses 和 prerequisites 这种二维切片，输出是排序后整数切片或空切片（表示有环）。
- 别自己造
Graph结构体封装边和点，除非你要反复增删边；对一次性依赖建模，直接用map[int][]int建邻接表更轻量 -
inDegree数组必须初始化为全 0，长度严格等于节点总数（比如 6 门课就得开make([]int, 6)），少一位就 panic - 注意
prerequisites[i]的语义：常见题设是[a, b]表示 “上 a 之前得先上 b”，即b → a，所以建边时要写成adjList[b] = append(adjList[b], a)，反了就逻辑颠倒
用 Kahn 算法比 DFS 更少出错
新手容易被 DFS 版本吸引，觉得“递归很 Go”，但实际写起来要维护 visiting/visited 三色状态，稍不注意就漏判环或重复入栈。Kahn 算法靠入度 + 队列，逻辑平铺直叙，调试时每一步都能 print 出来验证。
- 队列用切片模拟就行：
queue := []int{}，出队用queue[0]，然后queue = queue[1:]，不用引入container/list - 每次从队列取节点后，必须遍历它的所有邻居并减入度；哪怕某个邻居入度减到负数，也说明图本身有误（比如边重复添加），应提前检查
- 最后一定要比对
len(topologicalOrder) == numCourses，不等就是存在环——这时候返回空切片[]int{}是约定俗成做法，不是 bug
map[string][]string 适合非数字 ID 的真实业务场景
课程编号是数字？用上面那种整数版没问题。但真实项目里，任务名可能是 "build-backend"、"deploy-staging"，这时硬转成 int 再映射回 string 很蠢。直接用字符串键值对更自然。
- 闭包 + 匿名函数递归是常见写法，但要注意
seen必须在外层声明，否则每次visitAll调用都重置，导致无限循环 - 如果依赖图里有孤立节点（没出现在任何
prereqs的 key 或 value 中），它们不会被自动加入结果；得先收集全部唯一 key/value，再补进初始遍历列表 - 结果顺序不唯一：同一轮入度为 0 的节点可能有多个，谁先入队谁先出，所以不要假设字典序或插入序；如需稳定输出，得在入队前对候选节点排序
空切片 vs nil 判定是高频坑点
很多人写完发现 “明明没环却返回空结果”，一查发现是把 if len(res) == 0 当成了“无解”，但其实 res 可能是 nil（比如忘了初始化 topologicalOrder := []int{}），而 len(nil) == 0 也为真，误判成有环。
立即学习“go语言免费学习笔记（深入）”；
- 统一用
== nil显式判断是否未初始化，或干脆初始化为空切片，避免歧义 - 测试时务必覆盖“单节点无依赖”“两个节点互指”“三个节点成环”这三类边界，光跑样例不够
- 并发场景下千万别复用同一个
inDegree数组或adjListmap，Go 没有内置线程安全保证
