autocode

AutoCode

AutoCode 是面向竞赛编程出题人的 Claude Code plugin。

它不是单纯让 AI “写一道题”，而是把 AI 生成的题面、解法、校验器、生成器、对拍、测试数据和打包流程放进一条可验证、可审计、会阻止跳步的出题流水线。

仓库内部包含 autocode-mcp 这个 MCP server 实现，但默认分发和使用形态是 Claude Code plugin：安装后会同时获得工作流 Agent、Skills、Hooks 和 21 个 MCP 原子工具。

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“可信”。常见翻车点通常不在第一眼能看出来的地方：

• 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。
• 暴力解和标准解同类实现，不能作为可靠 oracle 对拍。
• Generator 只有随机数据，覆盖不到边界、构造、极限和 TLE 场景。
• extreme 和 tle 样例只是“把参数放大”，没有语义差异。
• 错解没有被最终测试杀掉，数据强度不够。
• 打包前才发现题面、题解、manifest、样例和最终数据不一致。

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 如何兜底

AutoCode 把“AI 出题”拆成一组必须通过的质量门禁：

风险	AutoCode 的处理方式
题意不可判定、约束缺失	autocode-idea-auditor 和 idea-feasibility 在实现前做只读审计
题面样例错误	problem_validate 用解法验证题面样例与样例文件
标准解复杂度误判	solution_analyze 输出复杂度、内存估计、风险提示和对拍建议
标准解或暴力解不可信	solution_audit_std / solution_audit_brute 审计解法假设与 brute 能力
std 有隐藏 bug	stress_test_run 用 sol/brute 多 profile 对拍
测试数据覆盖弱	problem_generate_tests 生成 tiny/random/extreme/tle 多策略测试，并优先保证极限类比例
type=3/type=4 语义重复	problem_verify_tests 的 limit_semantics 检查极限/TLE 数据差异
错解与 manifest 预期不符	wrong_solution_kill：expected=fail（默认）须至少一测非 AC 或与标答不一致；expected=pass 须全部测例通过（checker 或 exact）
工作流跳步	Claude hooks 调用 scripts/workflow_guard.py，缺少前置步骤会直接拒绝工具调用
打包前状态不清	autocode.json 记录题目契约，autocode-verify 可快速检查基础完整性

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 严格遵守 Validator-Generator-Checker 流程的团队。
• 想在 Claude Code 中获得“完整出题工作流 Agent + 工具”的用户。

快速开始

前置要求

• Python 3.10+
• 支持 C++20 的 g++，推荐 GCC 10+
• Claude Code

testlib.h 已内置在 src/autocode_mcp/templates/，无需额外下载。

安装 Claude Code plugin

推荐通过 Claude Code marketplace 安装：

claude plugin marketplace add https://github.com/SummerOneTwo/autocode-marketplace.git
claude plugin install autocode@autocode-marketplace

安装后插件会启用：

• 默认 Agent：autocode-workflow
• 审计 Agent：autocode-idea-auditor、autocode-solution-auditor、autocode-package-auditor
• 工作流 Skills：autocode-workflow、idea-feasibility、solution-complexity-audit、stress-strategy、statement-audit、testdata-quality
• Hooks：SessionStart、PreToolUse、PostToolUse
• MCP server：autocode-mcp

在 Claude Code 中使用

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。

工作流 Agent 会按门禁推进。如果你直接要求后置步骤，例如“现在打包”，但前置测试还没验证通过，hook 会拒绝并提示缺少哪一步。

工作流总览

非交互题主路径：

problem_create
  -> solution_build(sol)
  -> solution_build(brute)
  -> solution_analyze / solution_audit_std / solution_audit_brute
  -> validator_build(accuracy >= 0.9)
  -> generator_build
  -> stress_test_run(completed_rounds == total_rounds)
  -> checker_build(需要特殊判题时)
  -> problem_validate
  -> problem_generate_tests
  -> problem_verify_tests(passed)
  -> problem_pack_polygon

交互题差异：

validator_build / checker_build
  替换为 interactor_build

交互题不是简单地“没有输入输出”。statements/README.md 必须把协议写成可执行契约：谁先输出、隐藏参数范围、每种查询和最终答案的格式、judge 响应含义、查询次数上限、每次输出后的 flush、最终答案后的退出规则，以及非法格式、越界参数、查询超限、提前 EOF、未 flush/阻塞和继续输出时的判定。样例应写成交互 transcript，明确哪些行来自 judge、哪些行来自选手。

files/interactor.cpp 必须使用 testlib 的 registerInteraction(argc, argv)：用 inf 读测试输入，用可选 ans 读参考数据，用 tout 向选手输出并在每次响应后 tout.flush()，用 ouf 读取选手输出，所有分支用 quitf(_ok/_wa/_pe/_fail, ...) 结束。不要用 std::cout 向选手发送交互数据。interactor_build 支持 interaction_scenarios，可用脚本化 contestant_output 验证 interactor 对 AC、错误答案、非法命令、越界查询、查询超限和提前 EOF 的 verdict。

交互题的 problem_validate 会检查题面协议要素与 transcript，不会把 transcript 当作普通 stdin/stdout 样例执行。problem_pack_polygon 会在 autocode.json 标记 interactive: true 时声明 files/interactor.cpp，并避免无条件引用不存在的 val.cpp。

关键门禁：

• brute 必须在 sol 之后构建。
• 非交互题必须通过 validator_build，且 accuracy >= 0.9。
• 交互题必须先完成可用的 interactor_build，并提供协议覆盖完整的 interaction_scenarios。
• stress_test_run 必须完整跑完所有轮次。
• problem_generate_tests 前必须通过 problem_validate。
• problem_pack_polygon 前必须通过 problem_verify_tests，并满足门禁要求的结构化质量信号（如 limit_semantics、wrong_solution_kill、validator_check）。
• 生成最终测试后会自动清除旧的 tests_verified 状态，必须重新验证。

题目目录和 manifest

problem_create 会初始化标准题目目录：