翻字典时，你不会从第一页逐字找，而是打开中间页，对比词条决定往前还是往后翻——这种「每次砍掉一半」的思路，正是BST在做的事。

从任意一个节点出发，看它的左右子树必须满足什么关系。

前几页我们看了 BST 的结构定义和数学性质,但为什么要把数据塞进这种树里?先回到一个朴素的问题:一堆杂乱的数据,如何在毫秒级内找到某个值?

前面我们说 BST 高效查找靠的是'左小右大'。这条规则还藏着一个意外奖励：按'左→根→右'遍历一次，输出的序列天然升序——仿佛内置了排序。

用具体例子图解中序遍历如何揭示BST的有序结构

前面用中序遍历检查整棵树，得到从左到右的关键码序列。现在把视角缩到一条根到节点的路径：每向下一层，关键码都必须更大，这就是路径单调性。

沿任意路径追踪：每步比较相邻 key 的大小，看单调是否被守住。

BST 的查找就是从根出发、一路向下比对，每步至少砍掉一半候选。

从根8出发，每访问一个节点就与目标13比较，根据大小关系决定向左还是向右走，直到命中。

查找是「问路」，插入是「盖房」——沿问路找到的空地，把新节点作为叶子挂上去，不打乱左右邻居关系。

BST 查找与插入的 C++ 实现：查找用 while 迭代下沉，插入递归到空位再挂新节点。

高亮行把「有序性」直接翻译成控制流：一次比较决定下沉方向，递归走到 nullptr 才 new，保证新节点一定挂在能维持左小右大不变的位置。

上一页我们刚把查找和插入的代码写完。但 BST 对外接口不止这两个——它要回答四类问题。这一页先把它们的语义边界划清楚。

BST 接口按依赖关系分两层：底层是关键码比较与有序性，上层是查询、更新与有序操作。

都是高效查找结构，但改造成本与适用场景截然不同。

二叉搜索树的核心性质中，对任意节点 u，下面哪条最准确地刻画了它与左子树的关系？

• ✓BST本质是「左小右大」的递归结构，关键码决定分支走向
• ✓有序性（中序）与单调性（查找路径）是BST的两条命脉
• ✓复杂度都挂在树高h上：理想O(log n)，退化O(n)
• ✓BST是接口而非实现——语义已定，平衡策略另议
• ✓BST以对数级动态操作换取随机访问能力

先自己认真想一会儿，再翻参考答案。三题对应回顾、应用、迁移——把最纠结的那个留在脑子里继续转。