dsh-xcpc-autocode

v3.1.0

Published

10 days ago

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

0High
0Medium
0Low

mizutsuneorchid

dsh-plugin deepseek-harness autocode competitive-programming mcp plugin

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。

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 (DSH)。

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 (DSH) 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
支持 C++20 的 g++，推荐 GCC 10+
Claude Code、Codex CLI 或 DeepSeek Harness (DSH)（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（dsh）插件，通过 profile 安装：

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

从本地源码安装（开发调试）：

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

这一层做了什么

| 行 | 插件 | 作用 | |---|---|---| | autocode-paths | dsh-xcpc-autocode | 发布 ctx.autocodePaths，用 import.meta.url 自定位包根 | | autocode-mcp | @deepseek-ai/dsh-mcp-client | 以 stdio 启动 uv run --project <包根> autocode-mcp，工具名 mcp__autocode__<tool> | | autocode-hooks | @deepseek-ai/dsh-hooks-claude-code | 复用包内 hooks/hooks.json，在 dsh 里复现 Claude 侧的提前提示与预检 | | autocode-skills | @deepseek-ai/dsh-skill-filesystem | 把包内 skills/ 注册为技能根 |

几点说明：

工作流契约会进入系统提示：dsh 会把 MCP server 的 instructions 并入模型可见的系统提示，AutoCode 的强制顺序与硬性门禁就写在那里。乱序调用仍会被 server 直接拒绝，并返回 gate_blocked / blocking_issues / next_actions。
提前拦截只是「抢跑」：autocode-hooks 让 SessionStart 注入工作流顺序、PreToolUse 在跳步时提前拒绝，比等 server 返回更省 token；但它读的是同一份 src/autocode_mcp/workflow/ 状态，门禁真值始终在 MCP server。不想要它，就在自己的 patch 层里用同一个 id 覆盖该行。
技能优先级：包内技能用 bundledSkillDir 注册（最低优先级），所以项目里的 .dsh/skills、你自己的 $DSH_HOME/skills 或 customSkillDirs 中同名技能会覆盖 AutoCode 的内置技能。
工具超时：出题需要编译、对拍和终测验证，toolCallTimeoutMs 设为 30 分钟。
启动失败策略：failOnStartupError: false，uv 缺失或代码不完整时 dsh 会记录明确错误，而不会让整个 profile 启动失败；想让它直接拒绝激活就改成 true。

版本与自检

适配并验证于 dsh 0.2.0-rc（该版本汇总了 0.1.7-rc 的 MCP SDK v2、多 patch 文件等变更）。所用配置字段自 0.1.x 起未变，因此旧版本同样可用；用 dsh --version 确认实际版本。
校验配置层是否被正确收集：
```
dsh --profile web --dump-config-schema
```
关注输出里的 x-cordis.complete 与每个条目的 status：complete 为 true、AutoCode 四行的 status 均为 schema，说明字段与 !!js 表达式都被接受。想看带 layer 标签的告警，改用 dsh --profile web --dump-config。
装了/卸了插件需要重启 profile：运行中的 profile 保持启动时的 bundle 集合；而 cordis.patch.yml 的普通编辑仍走热重载。
想停用某一行，在自己的 patch 层里用相同 id 加一句 disabled: true 即可，不必复制整段 config。

开始使用

安装完成后，可以直接描述你的出题目标：

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

涉及到的知识点有……
题目测试点的个数是14
设计一道思维题/构造题/交互题
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：

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：

<problem>/
├── 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：

题目
时间/空间限制
题目背景（可选）
题目描述
输入格式（必须包含所有变量范围与总规模约束）
输出格式
样例（多组样例按编号递增）
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 了解贡献指南。

故障排查

查看 TROUBLESHOOTING.md 了解常见问题和解决方案。

许可证

MIT License - 详见 LICENSE。

致谢

基于论文 "AutoCode: LLMs as Problem Setters for Competitive Programming"
使用 testlib.h 竞赛编程工具库