oj-problem-import 0.1.0__py3-none-any.whl

oj_engine/__init__.py

@@ -0,0 +1,40 @@
+"""
+OJ Engine - AI OJ Content Engine
+
+采用 ReAct Agent 架构,让 AI 自主决策执行流程。
+"""
+# Agent 模式
+from .agent import ProblemGenerationAgent
+from .tools import (
+    execute_code,
+    write_code_file,
+    read_file_content,
+    edit_file_content,
+    search_in_file,
+    delete_file,
+    save_outputs_to_host,
+)
+
+# 底层支持
+from .sandbox import SandboxExecutor
+from .config import Settings, settings, get_settings
+
+__all__ = [
+    # Agent
+    "ProblemGenerationAgent",
+    
+    # Tools
+    "execute_code",
+    "write_code_file",
+    "read_file_content",
+    "edit_file_content",
+    "search_in_file",
+    "delete_file",
+    "save_outputs_to_host",
+    
+    # Core
+    "SandboxExecutor",
+    "Settings",
+    "settings",
+    "get_settings",
+]

oj_engine/agent/__init__.py

@@ -0,0 +1,4 @@
+"""Agent package for OJ Engine"""
+from .problem_agent import ProblemGenerationAgent
+
+__all__ = ["ProblemGenerationAgent"]

oj_engine/agent/problem_agent.py

@@ -0,0 +1,364 @@
+"""
+Problem Generation Agent - ReAct Agent for OJ problem content generation
+
+使用 ReAct (Reasoning + Acting) 模式,让 AI 自主决策:
+- 何时生成代码
+- 何时执行测试
+- 何时重试或调整策略
+"""
+from langgraph.prebuilt import create_react_agent
+from langchain_core.prompts import ChatPromptTemplate
+from ..config import settings
+from ..tools import (
+    execute_code,
+    write_code_file,
+    read_file_content,
+    edit_file_content,
+    search_in_file,
+    delete_file,
+    save_outputs_to_host,
+    set_global_sandbox_session,
+)
+from ..sandbox import SandboxSession
+
+
+# ReAct System Prompt
+REACT_SYSTEM_PROMPT = """你是一个专业的 OJ (Online Judge) 题目内容生成专家。
+
+你的任务是根据题目描述,生成完整的测试数据包。
+
+## 最终产物要求
+
+**必须且仅需保留以下文件**:
+1. `solution.py` - 标答代码 (Python)
+2. `generator.py` - 数据生成器 (Python)
+3. `tests/` 目录 - 包含成对的 `.in` 和 `.out` 文件
+   - **第1组必须是题目中的样例输入输出** (如果题目提供了样例)
+   - 其余测试数据由 generator 生成
+   - 例如: `1.in`, `1.out` (样例), `2.in`, `2.out`, ..., `{n}.in`, `{n}.out`
+   - **默认生成10组测试数据**，除非题目明确要求其他数量
+   - **数据分布**: 30%小数据 + 50%中等数据 + 20%大数据/边缘情况
+
+**重要**: 在调用 save_outputs_to_host 之前，必须使用 delete_file 工具删除所有其他临时文件！
+
+## 工作流程
+
+1. **分析阶段**: 仔细阅读题目要求,确定:
+   - 算法类型 (排序、搜索、图论、动态规划等)
+   - 数据范围 (n 的最大值、数值范围等)
+   - 输入输出格式
+   - **提取样例输入输出** (如果题目提供了样例)
+
+2. **生成并保存标答**: 编写正确的 solution 代码 (必须使用 Python)
+   - 确保算法正确性
+   - 考虑边界情况
+   - 优化时间复杂度
+   - **使用 write_code_file 工具保存到 "solution.py"**
+
+3. **生成并保存数据生成器**: 编写 generator 代码 (必须使用 Python)
+   - 能够生成符合题目约束的随机数据
+   - 支持生成不同规模的数据(小/中/大)
+   - 确保生成的数据有效
+   - **使用 write_code_file 工具保存到 "generator.py"**
+
+4. **执行测试验证**: 使用 execute_code 工具验证标答
+   - 构造简单测试用例验证正确性
+   - 运行标答验证输出
+   - 调整代码直到通过所有测试
+
+5. **批量生成测试数据**: 
+   - 创建 `tests/` 目录
+   - **确定测试数据数量**:
+     - 如果题目明确要求数量，使用题目要求的数量
+     - 否则默认生成10组测试数据
+   - **第1组: 使用题目中的样例** (如果有)
+     a. 将样例输入保存为 `tests/1.in`
+     b. 运行 solution 验证输出是否与样例输出一致
+     c. 将样例输出保存为 `tests/1.out`
+   - **第2-N组: 由 generator 生成** (N为总数量)
+     a. 使用 generator 生成输入，保存为 `tests/{i}.in`
+     b. 使用 solution 处理输入，保存输出为 `tests/{i}.out`
+     c. 验证输出正确性
+   - **确保数据分布**: 30%小数据 + 50%中等数据 + 20%大数据/边缘情况
+     - 小数据: 边界值、特殊情况、最小规模
+     - 中等数据: 常规规模、典型场景
+     - 大数据/边缘: 最大规模、极端情况、最坏情况
+
+6. **清理临时文件**: **关键步骤!**
+   - 使用 delete_file 删除所有测试过程中创建的临时文件
+   - 例如: `test_input.txt`, `test_output.txt`, `temp.py` 等
+   - **只保留**: `solution.py`, `generator.py`, `tests/` 目录
+
+7. **保存产物**: 调用 save_outputs_to_host 将最终产物复制到主机
+
+## 可用工具
+
+### 文件写入工具
+- **write_code_file**: 将代码写入沙箱工作目录的文件 (优先使用!)
+  用法: write_code_file(filename="solution.py", code="...")
+  说明: 先调用此工具保存代码,后续只传文件路径
+
+### 文件读取和编辑工具
+- **read_file_content**: 读取沙箱中的文件内容（支持分页）
+  用法: read_file_content(filename="solution.py", start_line=1, max_lines=100)
+  说明: 用于查看已生成的代码或测试结果，大文件可分批读取
+
+- **edit_file_content**: 编辑沙箱中的文件内容
+  用法: edit_file_content(filename="solution.py", old_text="...", new_text="...", replace_all=False)
+  说明: 精确替换文本，支持替换所有匹配项或仅第一个
+
+- **search_in_file**: 在文件中搜索特定字符串
+  用法: search_in_file(filename="solution.py", search_text="def main", case_sensitive=True)
+  说明: 返回匹配位置和上下文，便于定位代码
+
+- **delete_file**: 删除沙箱中的文件
+  用法: delete_file(filename="temp.py")
+  说明: 清理临时文件或不需要的文件
+
+### 基础执行工具
+- **execute_code**: 在沙箱中执行代码文件 (仅支持 Python)
+  用法: execute_code(code_file="main.py", input_file="input.txt")
+  注意: 只传文件路径,不传代码内容
+
+### 产物保存工具
+- **save_outputs_to_host**: 将沙箱中的所有文件复制到主机 outputs 目录
+  用法: save_outputs_to_host(problem_title="A+B Problem")
+  说明: 在工作完成后调用,自动复制所有生成的文件
+
+## 思考原则
+
+每次行动前,按照 ReAct 模式思考:
+
+**Thought**: 分析当前状态,我需要做什么?
+**Action**: 选择合适的工具
+**Observation**: 查看工具返回的结果
+**Next**: 根据结果决定下一步
+
+## 重要提示
+
+1. **语言限制**: 所有代码必须使用 Python,不允许使用 C++ 或其他语言
+2. **文件优先**: 先生成代码并用 write_code_file 保存,后续只传文件路径
+3. **避免重复传输代码**: 不要在参数中传递完整代码,这会浪费 token
+4. **检查结果**: 每次执行后验证结果是否合理
+5. **错误处理**: 如果失败,分析原因并调整策略
+6. **样例优先**: **如果题目提供了样例输入输出，第1组测试数据必须是样例**
+7. **数据数量**: **默认生成10组测试数据**，除非题目明确要求其他数量
+8. **数据分布**: 确保测试数据符合 **30%小 + 50%中 + 20%大/边缘** 的分布
+9. **代码质量**: 标答必须正确,generator 必须能生成有效数据
+10. **产物清理**: **最关键!** 在保存前必须删除所有临时文件,只保留 solution.py, generator.py 和 tests/ 目录
+
+## 示例流程
+
+```
+Thought: 我需要先理解题目要求,提取样例输入输出
+Action: 分析题目描述
+Observation: 题目提供了样例: 输入 "3 5", 输出 "8"。题目未明确要求测试数据数量，使用默认10组。
+
+Thought: 生成标答代码并保存
+Action: write_code_file(filename="solution.py", code="...")
+Observation: {'success': True, 'filepath': 'solution.py', 'size': 150}
+
+Thought: 现在需要生成数据生成器并保存
+Action: write_code_file(filename="generator.py", code="...")
+Observation: {'success': True, 'filepath': 'generator.py', 'size': 200}
+
+Thought: 创建 tests 目录并将样例作为第1组测试数据
+Action: write_code_file(filename="tests/1.in", code="3 5")
+Observation: {'success': True, 'filepath': 'tests/1.in', 'size': 4}
+
+Thought: 运行标答验证样例输出
+Action: execute_code(code_file="solution.py", input_file="tests/1.in")
+Observation: {'stdout': '8\n', 'exit_code': 0, 'status': 'success'}
+
+Thought: 标答输出与样例一致,保存样例输出
+Action: write_code_file(filename="tests/1.out", code="8")
+Observation: {'success': True, 'filepath': 'tests/1.out', 'size': 1}
+
+Thought: 现在生成其余9组测试数据 (2-10)，确保分布为 3小+5中+2大
+Action: 循环执行 generator 和 solution,将结果保存到 tests/{i}.in 和 tests/{i}.out (i=2..10)
+Observation: 生成了9组测试数据 (tests/2.in, tests/2.out, ..., tests/10.in, tests/10.out)
+
+Thought: 检查后9组数据强度分布是否符合 30%小+50%中+20%大 的要求
+Action: 分析输入数据的规模和特征
+Observation: 分布为 small=30%, medium=50%, large=20%, 符合要求!
+
+Thought: 清理临时文件,只保留必要文件
+Action: delete_file(filename="test_input.txt")
+Observation: {'success': True, 'message': 'File deleted: test_input.txt'}
+
+Thought: 确认沙箱中只有 solution.py, generator.py 和 tests/ 目录
+Action: 检查文件列表
+Observation: 当前文件: solution.py, generator.py, tests/
+
+Thought: 所有任务完成,保存产物到主机
+Action: save_outputs_to_host(problem_title="A+B Problem")
+Observation: {'success': True, 'output_path': 'outputs/20260510_123456_A_B_Problem', ...}
+
+Thought: 所有任务完成
+```
+
+记住:你是专家,要确保生成的内容高质量且可用!
+"""
+
+
+class ProblemGenerationAgent:
+    """
+    OJ 题目生成 Agent
+    
+    使用 ReAct 模式自主决策和执行任务
+    """
+    
+    def __init__(self, max_iterations: int = 20):
+        """
+        初始化 Agent
+        
+        Args:
+            max_iterations: 最大迭代次数,防止无限循环
+        """
+        # 获取 LLM 客户端
+        self.llm = settings.get_llm_client(model_type="generator")
+        
+        # 创建持久化沙箱会话
+        self.sandbox_session = SandboxSession()
+        print("[Agent] Sandbox session created")
+        
+        # 设置全局沙箱会话(供工具使用)
+        set_global_sandbox_session(self.sandbox_session)
+        
+        # 定义工具列表
+        self.tools = [
+            write_code_file,      # 写入代码文件
+            read_file_content,    # 读取文件内容
+            edit_file_content,    # 编辑文件内容
+            search_in_file,       # 搜索文件内容
+            delete_file,          # 删除文件
+            execute_code,         # 执行代码
+            save_outputs_to_host, # 保存产物到主机
+        ]
+        
+        # 使用 LangGraph 创建 ReAct Agent (最简单的方式)
+        self.agent_executor = create_react_agent(
+            self.llm,
+            self.tools,
+            
+        )
+        
+        print("[Agent] ProblemGenerationAgent initialized")
+        print(f"  - Tools: {len(self.tools)}")
+        print(f"  - Max iterations: {max_iterations}")
+    
+    def __enter__(self):
+        """上下文管理器入口:初始化沙箱会话"""
+        self.sandbox_session.initialize()
+        return self
+    
+    def __exit__(self, exc_type, exc_val, exc_tb):
+        """上下文管理器出口:清理沙箱会话"""
+        self.sandbox_session.cleanup()
+        print("[Agent] Sandbox session cleaned up")
+        return False
+    
+    def close(self):
+        """
+        手动关闭 Agent,清理资源
+        
+        如果不使用上下文管理器,需要手动调用此方法
+        """
+        self.sandbox_session.cleanup()
+        print("[Agent] Agent closed and resources cleaned up")
+    
+    def generate_problem(self, problem_description: str) -> dict:
+        """
+        主入口:根据题目描述生成完整产物
+        
+        Args:
+            problem_description: 题目描述文本
+            
+        Returns:
+            dict 包含 Agent 执行的完整结果
+        """
+        print("\n[Agent] Starting problem generation...")
+        print(f"  Problem: {problem_description[:100]}...")
+        
+        # 构建完整的消息 (系统提示 + 任务指令)
+        full_prompt = f"""{REACT_SYSTEM_PROMPT}
+
+---
+
+任务:为以下 OJ 题目生成完整的测试数据包
+
+题目描述:
+{problem_description}
+
+要求:
+1. 生成正确的标答代码 (solution) - **必须使用 Python**
+2. 生成数据生成器 (generator) - **必须使用 Python**
+3. 生成测试数据:
+   - **第1组必须是题目中的样例输入输出** (如果题目提供了样例)
+   - **测试数据数量**: 如果题目明确要求数量，使用题目要求的数量；否则默认生成10组
+   - 其余测试数据由 generator 生成,保存为 tests/{{i}}.in 和 tests/{{i}}.out
+4. 确保所有测试数据都能被标答正确处理
+5. 确保测试数据强度分布符合要求: **30%小 + 50%中 + 20%大/边缘**
+
+**重要约束**:
+- 所有代码必须使用 Python 语言
+- 不要生成 C++、Java 或其他语言的代码
+- solution 和 generator 都必须是有效的 Python 代码
+- **最终沙箱中只能有**: solution.py, generator.py, tests/ 目录
+- **必须删除所有临时文件**后再调用 save_outputs_to_host
+
+请逐步思考并执行,确保最终产物完整可用。
+
+最后,请以 JSON 格式总结你的工作成果:
+{{{{
+  "solution_code": "...",
+  "generator_code": "...",
+  "test_cases_count": 10,
+  "data_distribution": {{"small": 3, "medium": 5, "large": 2}},
+  "message": "任务完成说明"
+}}}}
+"""
+        
+        # 执行 Agent
+        try:
+            result = self.agent_executor.invoke({
+                "messages": [{"role": "user", "content": full_prompt}]
+            })
+            
+            print("\n[Agent] Task completed!")
+            return result
+            
+        except Exception as e:
+            print(f"\n[Agent] Error: {str(e)}")
+            raise
+    
+    def generate_problem_with_retry(self, problem_description: str, 
+                                     max_retries: int = 2) -> dict:
+        """
+        带重试机制的问题生成
+        
+        Args:
+            problem_description: 题目描述
+            max_retries: 最大重试次数
+            
+        Returns:
+            Agent 执行结果
+        """
+        last_error = None
+        
+        for attempt in range(1, max_retries + 1):
+            try:
+                print(f"\n[Agent] Attempt {attempt}/{max_retries}")
+                result = self.generate_problem(problem_description)
+                
+                # 检查结果是否包含必要信息
+                if "output" in result:
+                    return result
+                
+            except Exception as e:
+                last_error = e
+                print(f"[Agent] Attempt {attempt} failed: {str(e)}")
+                if attempt < max_retries:
+                    print("[Agent] Retrying...")
+        
+        raise Exception(f"All {max_retries} attempts failed. Last error: {last_error}")

oj_engine/cli.py

@@ -0,0 +1,170 @@
+"""
+OJ Engine CLI - 命令行工具
+
+提供便捷的命令行接口来生成 OJ 题目测试数据包。
+"""
+import sys
+import click
+from pathlib import Path
+from oj_engine.agent import ProblemGenerationAgent
+from oj_engine.config_manager import is_configured, load_config, mask_api_key, get_config_path
+from oj_engine.config_wizard import run_config_wizard
+
+
+@click.group()
+def main():
+    """OJ Engine - AI OJ 题目生成工具
+    
+    使用 AI 自动生成 OJ 题目的完整测试数据包，包括标答代码、
+    数据生成器和多组测试数据。
+    """
+    pass
+
+
+@main.command()
+@click.option('--file', '-f', 'file_path', type=click.Path(exists=True), 
+              help='题目描述文件路径（UTF-8 编码）')
+@click.option('--description', '-d', type=str, 
+              help='题目描述文本（直接传入）')
+@click.option('--max-iterations', '-m', default=20, type=int,
+              help='Agent 最大迭代次数（默认: 20）')
+@click.option('--output-dir', '-o', default='outputs', type=str,
+              help='输出目录（默认: outputs）')
+def generate(file_path, description, max_iterations, output_dir):
+    """生成 OJ 题目测试数据包
+    
+    根据题目描述自动生成：
+    - 标答代码 (solution.py)
+    - 数据生成器 (generator.py)
+    - 10组测试数据 (tests/ 目录)
+    
+    示例:
+        # 从文件读取题目描述
+        oj-engine generate -f problem.txt
+        
+        # 直接传入题目描述
+        oj-engine generate -d "A+B Problem..."
+        
+        # 自定义参数
+        oj-engine generate -f problem.txt -m 30 -o ./results
+    """
+    # 检查配置
+    if not is_configured():
+        click.echo("\n⚠ 检测到未配置，启动配置向导...\n")
+        success = run_config_wizard()
+        if not success:
+            click.echo("\n✗ 配置失败，无法继续执行", err=True)
+            sys.exit(1)
+        click.echo("\n配置完成！继续执行任务...\n")
+    
+    # 验证参数
+    if not file_path and not description:
+        click.echo("错误: 必须提供 --file 或 --description 参数", err=True)
+        click.echo("使用 'oj-engine generate --help' 查看帮助", err=True)
+        sys.exit(1)
+    
+    # 读取题目描述
+    if file_path:
+        try:
+            with open(file_path, 'r', encoding='utf-8') as f:
+                problem_description = f.read()
+            click.echo(f"✓ 已从文件读取题目描述: {file_path}")
+        except Exception as e:
+            click.echo(f"错误: 无法读取文件 {file_path}: {e}", err=True)
+            sys.exit(1)
+    else:
+        problem_description = description
+    
+    # 验证题目描述不为空
+    if not problem_description or not problem_description.strip():
+        click.echo("错误: 题目描述不能为空", err=True)
+        sys.exit(1)
+    
+    # 显示配置信息
+    click.echo("\n" + "=" * 80)
+    click.echo("OJ Engine - 题目生成")
+    click.echo("=" * 80)
+    click.echo(f"\n配置:")
+    click.echo(f"  - 最大迭代次数: {max_iterations}")
+    click.echo(f"  - 输出目录: {output_dir}")
+    click.echo(f"\n题目预览:")
+    preview = problem_description[:200].strip()
+    click.echo(f"  {preview}...")
+    click.echo("-" * 80)
+    
+    # 执行 Agent
+    try:
+        click.echo("\n开始生成题目...\n")
+        
+        with ProblemGenerationAgent(max_iterations=max_iterations) as agent:
+            result = agent.generate_problem(problem_description)
+        
+        # 显示结果
+        click.echo("\n" + "=" * 80)
+        click.echo("生成完成！")
+        click.echo("=" * 80)
+        
+        # 检查是否有输出
+        if "output" in result:
+            output_preview = result["output"][:500]
+            click.echo(f"\n输出预览（前500字符）:")
+            click.echo(output_preview)
+            click.echo("...")
+        
+        # 显示产物保存路径
+        outputs_dir = Path(output_dir)
+        if outputs_dir.exists():
+            click.echo(f"\n✓ 产物已保存到: {outputs_dir.absolute()}")
+            
+            # 列出最新的输出
+            output_dirs = sorted(outputs_dir.iterdir(), 
+                               key=lambda x: x.stat().st_mtime, 
+                               reverse=True)
+            if output_dirs:
+                latest = output_dirs[0]
+                click.echo(f"\n最新输出:")
+                click.echo(f"  {latest.name}")
+                click.echo(f"\n文件列表:")
+                for item in sorted(latest.rglob("*")):
+                    if item.is_file():
+                        rel_path = item.relative_to(latest)
+                        click.echo(f"    {rel_path}")
+        else:
+            click.echo(f"\n⚠ 未找到输出目录: {outputs_dir}")
+        
+        click.echo("\n" + "=" * 80)
+        
+    except Exception as e:
+        click.echo(f"\n✗ 错误: {str(e)}", err=True)
+        import traceback
+        traceback.print_exc()
+        sys.exit(1)
+
+
+@main.command()
+def configure():
+    """重新配置 OJ Engine"""
+    click.echo("启动配置向导...")
+    success = run_config_wizard()
+    if not success:
+        sys.exit(1)
+
+
+@main.command()
+def show_config():
+    """显示当前配置（隐藏敏感信息）"""
+    config = load_config()
+    if config:
+        click.echo("当前配置:")
+        click.echo(f"  LLM 提供商: {config['llm']['provider']}")
+        click.echo(f"  模型: {config['llm']['model']}")
+        click.echo(f"  API Key: {mask_api_key(config['llm']['api_key'])}")
+        if config['llm'].get('base_url'):
+            click.echo(f"  Base URL: {config['llm']['base_url']}")
+        click.echo(f"  配置文件: {get_config_path()}")
+    else:
+        click.echo("未配置，请运行 'oj-engine configure'")
+
+
+if __name__ == "__main__":
+    main()

oj_engine/config/__init__.py

@@ -0,0 +1,4 @@
+"""Configuration package for OJ Engine"""
+from .settings import Settings, settings, get_settings
+
+__all__ = ["Settings", "settings", "get_settings"]