oj-problem-import 0.1.0__tar.gz

oj_problem_import-0.1.0/PKG-INFO

@@ -0,0 +1,374 @@
+Metadata-Version: 2.4
+Name: oj-problem-import
+Version: 0.1.0
+Summary: AI OJ Content Engine - 智能 OJ 题目生成引擎
+Author-email: str1ct <str1ct@qq.com>
+Maintainer-email: str1ct <str1ct@qq.com>
+License-Expression: MIT
+Project-URL: Homepage, https://github.com/pengGgxp/Oj-problem-import
+Project-URL: Documentation, https://github.com/pengGgxp/Oj-problem-import#readme
+Project-URL: Repository, https://github.com/pengGgxp/Oj-problem-import
+Project-URL: Bug Tracker, https://github.com/pengGgxp/Oj-problem-import/issues
+Keywords: oj,problem,import,ai,langchain
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Topic :: Software Development :: Libraries :: Python Modules
+Requires-Python: >=3.12
+Description-Content-Type: text/markdown
+Requires-Dist: langgraph>=0.2.0
+Requires-Dist: langchain>=0.3.0
+Requires-Dist: langchain-openai>=0.2.0
+Requires-Dist: docker>=7.0.0
+Requires-Dist: fastapi>=0.110.0
+Requires-Dist: pydantic>=2.0.0
+Requires-Dist: pydantic-settings>=2.0.0
+Requires-Dist: python-dotenv>=1.0.0
+Requires-Dist: langchain-community>=0.4.1
+Requires-Dist: langchain-classic>=1.0.7
+Requires-Dist: click>=8.0.0
+Requires-Dist: platformdirs>=4.0.0
+Requires-Dist: questionary>=2.0.0
+
+# OJ Problem Import - AI 智能 OJ 题目生成引擎
+
+[![Python](https://img.shields.io/badge/Python-3.12+-blue.svg)](https://www.python.org/)
+[![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)
+[![PyPI version](https://badge.fury.io/py/oj-problem-import.svg)](https://pypi.org/project/oj-problem-import/)
+
+一个基于 LangGraph ReAct Agent 的智能 OJ（Online Judge）题目内容生成系统，能够自主决策并生成完整的测试数据包。
+
+## ✨ 核心特性
+
+- 🤖 **ReAct Agent**：基于 LangGraph 的推理+行动模式，AI 自主决策执行流程
+- 🐳 **Docker 沙箱**：安全的代码执行环境，支持资源限制和隔离
+- 🔄 **持久化会话**：Agent 生命周期内复用容器和工作目录，性能提升 75%
+- 📊 **智能测试**：自动生成小/中/大规模测试数据，确保数据强度分布合理
+- 🛠️ **分层工具**：提供基础、专用、高级三层工具供 Agent 调用
+- 💾 **产物管理**：自动收集和保存生成的代码、测试数据等产物
+
+## 🚀 快速开始
+
+### 前置要求
+
+- Python 3.12+
+- Docker Desktop（正在运行）
+- OpenAI API Key（或其他 LLM API）
+
+### 安装
+
+#### 方式一：使用 uvx（推荐，无需安装）
+
+```bash
+# 直接运行，uvx 会自动下载并执行
+uvx oj-problem-import configure
+uvx oj-problem-import generate -f problem.txt
+```
+
+#### 方式二：从 PyPI 安装
+
+```bash
+# 使用 uv 安装
+uv pip install oj-problem-import
+
+# 或使用 pip
+pip install oj-problem-import
+```
+
+#### 方式三：从源码安装
+
+```bash
+# 克隆项目
+git clone <repository-url>
+cd Oj-problem-import
+
+# 安装依赖
+pip install -e .
+
+# 配置环境变量
+cp .env.example .env
+# 编辑 .env 文件，填入你的 API Key
+```
+
+### 基本使用
+
+#### 配置
+
+首次使用时，需要配置 AI 模型提供商和 API Key。
+
+**方式一：交互式配置向导（推荐）**
+
+```bash
+# 启动配置向导
+oj-engine configure
+```
+
+向导将引导你完成：
+1. 选择 AI 模型提供商（OpenAI/Claude/自定义）
+2. 输入 API Key
+3. 选择模型
+4. 确认配置
+
+配置文件将保存在你的用户目录下，无需手动编辑。
+
+**方式二：查看当前配置**
+
+```bash
+oj-engine show-config
+```
+
+#### 生成题目
+
+#### 方式一：命令行工具（推荐）
+
+安装依赖后，可以直接使用 `oj-engine` 命令：
+
+```bash
+# 查看帮助
+oj-engine --help
+oj-engine generate --help
+
+# 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
+```
+
+#### 方式二：Python API
+
+```python
+from oj_engine.agent import ProblemGenerationAgent
+
+problem_description = """
+A + B Problem
+
+计算两个整数的和。
+
+输入格式:
+一行,包含两个整数 a 和 b,用空格分隔。
+
+输出格式:
+一行,包含 a + b 的结果。
+
+数据范围:
+-10^9 <= a, b <= 10^9
+"""
+
+# 使用上下文管理器（推荐）
+with ProblemGenerationAgent(max_iterations=20) as agent:
+    result = agent.generate_problem(problem_description)
+    # 处理结果...
+```
+
+### 运行示例
+
+```bash
+# 方式一：使用 CLI 命令（推荐）
+oj-engine generate -f problem.txt
+
+# 方式二：运行 Python 示例脚本
+python examples/agent_usage.py
+
+# 查看生成的产物
+python view_outputs.py
+```
+
+## 📖 文档
+
+- [快速开始指南](QUICKSTART.md)
+- [持久化沙箱机制](docs/PERSISTENT_SANDBOX.md)
+- [实现总结](docs/PERSISTENT_SANDBOX_IMPLEMENTATION.md)
+- [配置管理指南](docs/配置管理指南.md)
+- [架构方案](docs/架构方案.md)
+
+## 🏗️ 架构设计
+
+### 核心组件
+
+```
+┌─────────────────────────────────────────────┐
+│  ProblemGenerationAgent (ReAct Agent)       │
+│  ├─ LLM Client (OpenAI/Claude/etc.)        │
+│  ├─ Tools Layer                             │
+│  │   ├─ write_code_file                     │
+│  │   ├─ read_file_content                   │
+│  │   ├─ edit_file_content                   │
+│  │   ├─ search_in_file                      │
+│  │   ├─ delete_file                         │
+│  │   ├─ execute_code                        │
+│  │   └─ save_outputs_to_host                │
+│  └─ SandboxSession (Persistent)             │
+│      ├─ Docker Container                    │
+│      └─ Workspace Directory                 │
+└─────────────────────────────────────────────┘
+```
+
+### 工作流程
+
+```
+1. Agent 接收题目描述
+   ↓
+2. 分析阶段：理解算法类型、数据范围、输入输出格式
+   ↓
+3. 生成标答：编写正确的 solution 代码
+   ↓
+4. 生成数据生成器：编写 generator 代码
+   ↓
+5. 批量生成测试：生成10组测试数据（3小/5中/2大）
+   ↓
+6. 验证测试：确保标答正确处理每组数据
+   ↓
+7. 分析强度：检查数据分布是否符合要求
+   ↓
+8. 保存产物：整理并保存所有生成的内容
+```
+
+## 🔧 技术栈
+
+- **LangGraph**: ReAct Agent 框架
+- **LangChain**: LLM 集成和工具定义
+- **Docker**: 沙箱执行环境
+- **Pydantic**: 数据验证和状态管理
+- **FastAPI**: （可选）Web API 接口
+
+## 📁 项目结构
+
+```
+Oj-problem-import/
+├── oj_engine/
+│   ├── agent/              # ReAct Agent 实现
+│   │   └── problem_agent.py
+│   ├── sandbox.py          # Docker 沙箱执行器
+│   ├── tools/              # 工具层
+│   │   └── sandbox_tools.py
+│   ├── services/           # 服务层
+│   │   └── output_manager.py
+│   ├── config/             # 配置管理
+│   │   └── settings.py
+│   └── state.py            # 状态定义
+├── examples/               # 示例代码
+│   └── agent_usage.py
+├── docs/                   # 文档
+├── outputs/                # 生成的产物
+├── main.py                 # 主入口
+└── README.md
+```
+
+## 🎯 使用场景
+
+### 1. 自动生成 OJ 题目
+
+```python
+problem = "最长上升子序列（LIS）问题..."
+
+with ProblemGenerationAgent() as agent:
+    result = agent.generate_problem(problem)
+```
+
+### 2. 批量生成题目
+
+```python
+problems = [...]
+
+for desc in problems:
+    with ProblemGenerationAgent() as agent:
+        result = agent.generate_problem(desc)
+        save_result(result)
+```
+
+### 3. 带重试机制
+
+```python
+with ProblemGenerationAgent() as agent:
+    result = agent.generate_problem_with_retry(
+        problem_description,
+        max_retries=3
+    )
+```
+
+## ⚡ 性能优化
+
+### 持久化沙箱会话
+
+传统方式每次执行都创建新容器：
+```
+execute() → 创建容器 → 执行 → 销毁  (重复 N 次)
+```
+
+新方式使用持久化会话：
+```
+初始化 → 创建容器
+execute() → 复用容器  (重复 N 次)
+清理 → 销毁容器
+```
+
+**性能提升**：
+- 容器创建次数减少 95%
+- 平均执行时间减少 75%
+- 总体耗时减少 75%
+
+详见：[持久化沙箱文档](docs/PERSISTENT_SANDBOX.md)
+
+## 🧪 测试
+
+```bash
+# 运行沙箱会话测试
+python test_simple_sandbox.py
+
+# 运行完整示例
+python examples/agent_usage.py
+```
+
+## 📝 配置说明
+
+### 环境变量 (.env)
+
+```bash
+# OpenAI API 配置
+OPENAI_API_KEY=sk-your-api-key
+OPENAI_MODEL=gpt-4
+
+# 或使用其他 LLM
+ANTHROPIC_API_KEY=sk-ant-...
+ANTHROPIC_MODEL=claude-3-opus
+
+# 沙箱配置
+SANDBOX_IMAGE=python:3.10-slim
+SANDBOX_MEM_LIMIT=512m
+SANDBOX_CPU_QUOTA=50000
+```
+
+详见：[配置管理指南](docs/配置管理指南.md)
+
+## 🤝 贡献
+
+欢迎提交 Issue 和 Pull Request！
+
+1. Fork 本项目
+2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
+3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
+4. 推送到分支 (`git push origin feature/AmazingFeature`)
+5. 开启 Pull Request
+
+## 📄 许可证
+
+本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件
+
+## 🙏 致谢
+
+- [LangGraph](https://github.com/langchain-ai/langgraph) - ReAct Agent 框架
+- [LangChain](https://github.com/langchain-ai/langchain) - LLM 集成
+- [Docker](https://www.docker.com/) - 容器化技术
+
+## 📧 联系方式
+
+如有问题或建议，请提交 Issue 或联系维护者。
+
+---
+
+**注意**：本项目仍处于早期开发阶段，API 可能会有变化。

oj_problem_import-0.1.0/README.md

@@ -0,0 +1,341 @@
+# OJ Problem Import - AI 智能 OJ 题目生成引擎
+
+[![Python](https://img.shields.io/badge/Python-3.12+-blue.svg)](https://www.python.org/)
+[![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)
+[![PyPI version](https://badge.fury.io/py/oj-problem-import.svg)](https://pypi.org/project/oj-problem-import/)
+
+一个基于 LangGraph ReAct Agent 的智能 OJ（Online Judge）题目内容生成系统，能够自主决策并生成完整的测试数据包。
+
+## ✨ 核心特性
+
+- 🤖 **ReAct Agent**：基于 LangGraph 的推理+行动模式，AI 自主决策执行流程
+- 🐳 **Docker 沙箱**：安全的代码执行环境，支持资源限制和隔离
+- 🔄 **持久化会话**：Agent 生命周期内复用容器和工作目录，性能提升 75%
+- 📊 **智能测试**：自动生成小/中/大规模测试数据，确保数据强度分布合理
+- 🛠️ **分层工具**：提供基础、专用、高级三层工具供 Agent 调用
+- 💾 **产物管理**：自动收集和保存生成的代码、测试数据等产物
+
+## 🚀 快速开始
+
+### 前置要求
+
+- Python 3.12+
+- Docker Desktop（正在运行）
+- OpenAI API Key（或其他 LLM API）
+
+### 安装
+
+#### 方式一：使用 uvx（推荐，无需安装）
+
+```bash
+# 直接运行，uvx 会自动下载并执行
+uvx oj-problem-import configure
+uvx oj-problem-import generate -f problem.txt
+```
+
+#### 方式二：从 PyPI 安装
+
+```bash
+# 使用 uv 安装
+uv pip install oj-problem-import
+
+# 或使用 pip
+pip install oj-problem-import
+```
+
+#### 方式三：从源码安装
+
+```bash
+# 克隆项目
+git clone <repository-url>
+cd Oj-problem-import
+
+# 安装依赖
+pip install -e .
+
+# 配置环境变量
+cp .env.example .env
+# 编辑 .env 文件，填入你的 API Key
+```
+
+### 基本使用
+
+#### 配置
+
+首次使用时，需要配置 AI 模型提供商和 API Key。
+
+**方式一：交互式配置向导（推荐）**
+
+```bash
+# 启动配置向导
+oj-engine configure
+```
+
+向导将引导你完成：
+1. 选择 AI 模型提供商（OpenAI/Claude/自定义）
+2. 输入 API Key
+3. 选择模型
+4. 确认配置
+
+配置文件将保存在你的用户目录下，无需手动编辑。
+
+**方式二：查看当前配置**
+
+```bash
+oj-engine show-config
+```
+
+#### 生成题目
+
+#### 方式一：命令行工具（推荐）
+
+安装依赖后，可以直接使用 `oj-engine` 命令：
+
+```bash
+# 查看帮助
+oj-engine --help
+oj-engine generate --help
+
+# 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
+```
+
+#### 方式二：Python API
+
+```python
+from oj_engine.agent import ProblemGenerationAgent
+
+problem_description = """
+A + B Problem
+
+计算两个整数的和。
+
+输入格式:
+一行,包含两个整数 a 和 b,用空格分隔。
+
+输出格式:
+一行,包含 a + b 的结果。
+
+数据范围:
+-10^9 <= a, b <= 10^9
+"""
+
+# 使用上下文管理器（推荐）
+with ProblemGenerationAgent(max_iterations=20) as agent:
+    result = agent.generate_problem(problem_description)
+    # 处理结果...
+```
+
+### 运行示例
+
+```bash
+# 方式一：使用 CLI 命令（推荐）
+oj-engine generate -f problem.txt
+
+# 方式二：运行 Python 示例脚本
+python examples/agent_usage.py
+
+# 查看生成的产物
+python view_outputs.py
+```
+
+## 📖 文档
+
+- [快速开始指南](QUICKSTART.md)
+- [持久化沙箱机制](docs/PERSISTENT_SANDBOX.md)
+- [实现总结](docs/PERSISTENT_SANDBOX_IMPLEMENTATION.md)
+- [配置管理指南](docs/配置管理指南.md)
+- [架构方案](docs/架构方案.md)
+
+## 🏗️ 架构设计
+
+### 核心组件
+
+```
+┌─────────────────────────────────────────────┐
+│  ProblemGenerationAgent (ReAct Agent)       │
+│  ├─ LLM Client (OpenAI/Claude/etc.)        │
+│  ├─ Tools Layer                             │
+│  │   ├─ write_code_file                     │
+│  │   ├─ read_file_content                   │
+│  │   ├─ edit_file_content                   │
+│  │   ├─ search_in_file                      │
+│  │   ├─ delete_file                         │
+│  │   ├─ execute_code                        │
+│  │   └─ save_outputs_to_host                │
+│  └─ SandboxSession (Persistent)             │
+│      ├─ Docker Container                    │
+│      └─ Workspace Directory                 │
+└─────────────────────────────────────────────┘
+```
+
+### 工作流程
+
+```
+1. Agent 接收题目描述
+   ↓
+2. 分析阶段：理解算法类型、数据范围、输入输出格式
+   ↓
+3. 生成标答：编写正确的 solution 代码
+   ↓
+4. 生成数据生成器：编写 generator 代码
+   ↓
+5. 批量生成测试：生成10组测试数据（3小/5中/2大）
+   ↓
+6. 验证测试：确保标答正确处理每组数据
+   ↓
+7. 分析强度：检查数据分布是否符合要求
+   ↓
+8. 保存产物：整理并保存所有生成的内容
+```
+
+## 🔧 技术栈
+
+- **LangGraph**: ReAct Agent 框架
+- **LangChain**: LLM 集成和工具定义
+- **Docker**: 沙箱执行环境
+- **Pydantic**: 数据验证和状态管理
+- **FastAPI**: （可选）Web API 接口
+
+## 📁 项目结构
+
+```
+Oj-problem-import/
+├── oj_engine/
+│   ├── agent/              # ReAct Agent 实现
+│   │   └── problem_agent.py
+│   ├── sandbox.py          # Docker 沙箱执行器
+│   ├── tools/              # 工具层
+│   │   └── sandbox_tools.py
+│   ├── services/           # 服务层
+│   │   └── output_manager.py
+│   ├── config/             # 配置管理
+│   │   └── settings.py
+│   └── state.py            # 状态定义
+├── examples/               # 示例代码
+│   └── agent_usage.py
+├── docs/                   # 文档
+├── outputs/                # 生成的产物
+├── main.py                 # 主入口
+└── README.md
+```
+
+## 🎯 使用场景
+
+### 1. 自动生成 OJ 题目
+
+```python
+problem = "最长上升子序列（LIS）问题..."
+
+with ProblemGenerationAgent() as agent:
+    result = agent.generate_problem(problem)
+```
+
+### 2. 批量生成题目
+
+```python
+problems = [...]
+
+for desc in problems:
+    with ProblemGenerationAgent() as agent:
+        result = agent.generate_problem(desc)
+        save_result(result)
+```
+
+### 3. 带重试机制
+
+```python
+with ProblemGenerationAgent() as agent:
+    result = agent.generate_problem_with_retry(
+        problem_description,
+        max_retries=3
+    )
+```
+
+## ⚡ 性能优化
+
+### 持久化沙箱会话
+
+传统方式每次执行都创建新容器：
+```
+execute() → 创建容器 → 执行 → 销毁  (重复 N 次)
+```
+
+新方式使用持久化会话：
+```
+初始化 → 创建容器
+execute() → 复用容器  (重复 N 次)
+清理 → 销毁容器
+```
+
+**性能提升**：
+- 容器创建次数减少 95%
+- 平均执行时间减少 75%
+- 总体耗时减少 75%
+
+详见：[持久化沙箱文档](docs/PERSISTENT_SANDBOX.md)
+
+## 🧪 测试
+
+```bash
+# 运行沙箱会话测试
+python test_simple_sandbox.py
+
+# 运行完整示例
+python examples/agent_usage.py
+```
+
+## 📝 配置说明
+
+### 环境变量 (.env)
+
+```bash
+# OpenAI API 配置
+OPENAI_API_KEY=sk-your-api-key
+OPENAI_MODEL=gpt-4
+
+# 或使用其他 LLM
+ANTHROPIC_API_KEY=sk-ant-...
+ANTHROPIC_MODEL=claude-3-opus
+
+# 沙箱配置
+SANDBOX_IMAGE=python:3.10-slim
+SANDBOX_MEM_LIMIT=512m
+SANDBOX_CPU_QUOTA=50000
+```
+
+详见：[配置管理指南](docs/配置管理指南.md)
+
+## 🤝 贡献
+
+欢迎提交 Issue 和 Pull Request！
+
+1. Fork 本项目
+2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
+3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
+4. 推送到分支 (`git push origin feature/AmazingFeature`)
+5. 开启 Pull Request
+
+## 📄 许可证
+
+本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件
+
+## 🙏 致谢
+
+- [LangGraph](https://github.com/langchain-ai/langgraph) - ReAct Agent 框架
+- [LangChain](https://github.com/langchain-ai/langchain) - LLM 集成
+- [Docker](https://www.docker.com/) - 容器化技术
+
+## 📧 联系方式
+
+如有问题或建议，请提交 Issue 或联系维护者。
+
+---
+
+**注意**：本项目仍处于早期开发阶段，API 可能会有变化。