Skills Plugins MCP Prompt Model 导航 博客 资讯 我的中心

dsh-xcpc-autocode

DeepSeek Harness plugin for verified competitive-programming problem-setting workflows.

violetmizutsuneorchid @violetmizutsuneorchid ⬇ 1 ★ 0 master

安装

dsh plugin --profile web add github:violetmizutsuneorchid/dsh-xcpc-autocode
下载安装清单

需要可复现安装时,可在仓库后追加 #commit 固定提交。

DeepSeek Harness plugin for verified competitive-programming problem-setting workflows.

该插件未提供要点说明,请参考仓库 README。

  1. 安装并启动 DeepSeek Harness:npx @deepseek-ai/dsh web
  2. 在终端执行上面的安装命令(CLI 会解析插件并核验来源)
  3. 用 dsh plugins list 确认已安装,必要时重启 Harness 生效

插件以当前 dsh 进程的权限运行,安装时可能执行代码。请先通读仓库源码与许可证,确认无破坏性命令与越权访问;本站只做索引,不对第三方插件安全性作担保。

代码仓库github.com/violetmizutsuneorchid/dsh-xcpc-autocode
许可证MIT
主要语言master
下载量1
GitHub 星标0
最近推送2026-09-16
收录日期2026-09-19
分类工具与能力

事实信息来自公开插件目录快照(2026-10-01),介绍文案由本站再加工。

以下为插件仓库 README 全文(原始内容,由公开目录抓取整理)。

# AutoCode for deepseek harness

本项目是针对https://github.com/SZTU-ACM/AutoCode的deepseek harness适配仓库,如果您使用codex和claude code请直接使用使用上游仓库的版本,本版本不保证原版的适用性。

---

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![MCP](https://img.shields.io/badge/Protocol-MCP-blue.svg)](https://modelcontextprotocol.io/)

**AutoCode 是面向竞赛编程出题人的 AI 出题工作台,支持 Claude Code、Codex 和 DeepSeek Harness。**

从一个想法开始,AutoCode 会协助你完成题面、解法、测试数据、验证和题包整理,把创作过程变成一条清晰、可靠、可复用的工作流。

## 为什么需要 AutoCode

AI 可以快速给出题目想法和代码,但竞赛题真正难的是让每个细节都经得起验证:

- 题面描述含糊,输入输出协议不完整,样例和题意对不上。
- 样例输出算错,或者题面样例没有经过标准解实际验证。
- 标准解看起来合理,但边界条件有 bug。
- 时间复杂度判断过于乐观,`O(n^2)` 被误当成能过大数据。
- 暴力解需要与标准解形成独立的交叉验证。
- 测试数据需要覆盖边界、构造、极限和性能场景。
- 错解需要在最终数据上得到充分检验。
- 题面、题解、样例和最终数据需要保持一致。

AutoCode 的目标是把这些风险前置暴露,而不是等到出题完成后人工返工。

## AutoCode 如何保障质量

AutoCode 会把出题过程拆成相互衔接的质量环节:

| 环节 | AutoCode 提供的帮助 |
|------|---------------------|
| 题意设计 | 检查题目是否清晰、可判定,约束和样例是否完整。 |
| 解法验证 | 复核正确性、复杂度和边界条件,并安排独立解法交叉验证。 |
| 数据构造 | 生成覆盖随机、边界、极限和性能场景的测试数据。 |
| 自动检验 | 检查输入合法性、答案一致性,并用测试数据检验错解。 |
| 题包整理 | 将题面、代码、数据和说明整理成可继续编辑或提交的结构。 |

核心原则:**AI 负责生成候选内容,AutoCode 负责让每一步必须被验证。**

## 适合谁

AutoCode 适合:

- 想用 AI 加速出题,但担心题面、样例、数据和复杂度不可靠的出题人。
- 需要把题目从 idea 推到可打包 Polygon 结构的竞赛组织者。
- 希望 AI 遵循完整验证流程的团队。
- 想在 Claude Code、Codex 或 DeepSeek Harness 中获得完整、可验证出题工作流的用户。

## 快速开始

### 前置要求

- Python 3.10+
- [`uv`](https://docs.astral.sh/uv/)
- 支持 C++20 的 `g++`,推荐 GCC 10+
- Claude Code、Codex CLI 或 DeepSeek Harness(至少安装一个;DeepSeek Harness 还需要 Node.js 20+)

常用的竞赛编程工具库已经随 AutoCode 一起提供。

### 安装 DeepSeek Harness 插件

AutoCode 同时以 npm 包(`dsh-xcpc-autocode`)形式发布为 [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness)(dsh)插件,通过 profile 安装:

```bash
dsh plugin --profile web add dsh-xcpc-autocode
dsh --profile web --dump-config   # 确认 AutoCode 的配置层已生效
dsh --profile web
```

安装后,AutoCode MCP server 会以 `mcp__autocode__*` 暴露全部工具,包内的 `skills/` 会被注册为 dsh 技能。工作流门禁仍由 MCP server 自身执行,dsh 侧不依赖宿主 hooks。

从本地源码安装(开发调试):

```bash
dsh plugin --profile web add /path/to/AutoCode
```

### 开始使用

安装完成后,可以直接描述你的出题目标:

```text
用 AutoCode 创建一道竞赛编程题:给定数组,要求支持若干次区间查询。请先审计题意可行性,再按完整工作流生成题包。
```

AutoCode 会根据你的目标推进完整工作流,并在每个关键阶段进行质量检查。

#### 提示词附加示例

1. 涉及到的知识点有……
2. 题目测试点的个数是14
3. 设计一道思维题/构造题/交互题
4. 利用某个概念的可以……性质,设计一道编程竞赛题

> 出题人有猜想的话请先做好必要的证明,可以使用ai来辅助证明。

## 工作流总览

AutoCode 会按以下顺序协助完成一题:

```text
题意与约束审查
  -> 标准解与独立验证解
  -> 校验器、数据生成器和判题组件
  -> 随机对拍与边界测试
  -> 最终数据质量检查
  -> 题面、代码、数据整理成题包
```

普通题、特殊判题题和交互题都可以沿用这套流程。对于交互题,AutoCode 会额外关注交互协议、查询限制、错误行为和程序结束条件,帮助你把协议写得清楚、测得充分。

## 题目结构

每道题都会整理成清晰的目录,方便继续编辑、复核和提交:

```text
/
├── solutions/
│   ├── sol.cpp
│   └── brute.cpp
├── files/
│   ├── gen.cpp
│   ├── val.cpp
│   └── checker.cpp
├── statements/
│   ├── README.md
│   └── tutorial.md
└── tests/
    ├── 01.in
    └── 01.ans / 01.out
```

特殊判题题会加入判题程序,交互题会加入交互程序,其余结构保持一致。

## 题面建议

一份完整的题面通常包含:

1. 题目
2. 时间/空间限制
3. 题目背景(可选)
4. 题目描述
5. 输入格式(必须包含所有变量范围与总规模约束)
6. 输出格式
7. 样例(多组样例按编号递增)
8. 说明(样例解释统一放在此处;只解释有代表性的样例即可)

## 质量保障

AutoCode 会在关键阶段自动复核:

- 题面、输入输出格式和样例是否互相一致。
- 标准解的正确性、复杂度和边界条件。
- 校验器是否覆盖题目约束,生成的数据是否有效。
- 标准解与独立验证解在多种场景下的结果是否一致。
- 随机、构造、边界、极限和性能数据是否形成有效覆盖。
- 代表性错解是否被最终测试识别。
- 题面、代码、答案和目录结构是否可以直接整理成题包。

## 示例目录

仓库包含三个不同题型的样例:

- `examples/exact-sample`:标准精确输出题。
- `examples/checker-sample`:特殊判题题。
- `examples/interactive-sample`:交互题。

这些样例可以作为不同题型的目录和文件组织参考。

## 贡献

查看 [CONTRIBUTING.md](CONTRIBUTING.md) 了解贡献指南。

## 故障排查

查看 [TROUBLESHOOTING.md](TROUBLESHOOTING.md) 了解常见问题和解决方案。

## 许可证

MIT License - 详见 [LICENSE](LICENSE)。

## 致谢

- 基于论文 ["AutoCode: LLMs as Problem Setters for Competitive Programming"](https://arxiv.org/abs/2510.12803)
- 使用 [testlib.h](https://github.com/MikeMirzayanov/testlib) 竞赛编程工具库

## 链接

- [文档](https://github.com/VioletMizutsuneOrchid/dsh-xcpc-autocode#readme)
- [GitHub](https://github.com/VioletMizutsuneOrchid/dsh-xcpc-autocode)
- [Issue Tracker](https://github.com/VioletMizutsuneOrchid/dsh-xcpc-autocode/issues)

数据来源:公开的 DeepSeek Harness 插件目录与各插件 GitHub 仓库。本站为独立第三方目录,与 DeepSeek、幻方(High-Flyer)及插件作者均无隶属或背书关系。

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。