AI 刷题脚手架设计：一键初始化题解项目与测试环境-平芜编程栈

AI 刷题脚手架设计：一键初始化题解项目与测试环境

一、从"每次新建项目都手动搭环境"说起

刷算法题的时候，有一个细节很容易被忽略：项目初始化。

每次要写一道新题，你都得新建文件夹、创建代码模板、配置测试用例、设置断点调试环境。这些操作单次不超过三分钟，但累积起来，对效率的损耗不可忽视。更麻烦的是，当你希望在写完题解后自动跑测试、生成复杂度分析、输出题解文档时，没有一套统一的脚手架支撑，上述流程就只能靠手动拼凑。

我在实习期间，每天能用来刷题的时间通常只有早晚各一小时。如果把时间浪费在环境搭建上，实际用于算法思考的时间就被严重压缩了。于是我开始思考：能否设计一套 CLI 工具，一条命令就把项目脚手架搭好，并自动对接测试框架？

这篇文章讨论的就是这样一套 AI 刷题脚手架的设计思路与实现方法。

二、脚手架的核心职责与执行流程

脚手架的本质，是把重复性、模板化的操作自动化。在刷题场景下，它需要完成以下工作：

项目结构生成：根据题号、题名、难度，生成标准化的目录结构。
代码模板注入：根据语言（Python/Java/C++）选择对应的模板文件。
测试用例预填充：从题目页面或本地题库中拉取样例。
评测流水线对接：挂载本地沙箱评测或 OJ 判题接口。

下图展示了脚手架的一次典型执行流程：

flowchart TD A[用户输入: create 题号 题名] --> B{本地题库存在?} B -->|是| C[拉取题目描述与样例] B -->|否| D[调用爬虫获取题目信息] C --> E[生成项目目录结构] D --> E E --> F[根据语言选择代码模板] F --> G[注入题解框架代码] G --> H[生成测试用例文件] H --> I[配置评测脚本] I --> J[输出: 项目初始化完成]

整个流程的关键设计点在于：模板与数据的分离。模板是静态的、复用的；题目数据是动态的、每次不同的。脚手架通过模板引擎将两者结合起来，确保每次生成的项目结构一致，但内容针对题目定制。

三、核心实现：模板引擎与项目生成器

下面给出脚手架核心模块的实现代码。代码使用 Python 编写，通过 Jinja2 模板引擎实现模板与数据的分离。

import os import json from pathlib import Path from jinja2 import Environment, FileSystemLoader class ProblemScaffold: """刷题项目脚手架生成器 职责：根据题目元信息，从模板目录中加载对应模板， 渲染后写入目标目录，生成标准化项目结构。 """ def __init__(self, template_dir: str): # 模板目录下按语言分子目录，如 templates/python/ self.env = Environment( loader=FileSystemLoader(template_dir), trim_blocks=True, # 去除模板语句后的空行 lstrip_blocks=True, # 去除模板语句前的空白 ) self.template_dir = Path(template_dir) def generate( self, problem_id: int, title: str, difficulty: str, language: str = "python", test_cases: list[dict] | None = None, ) -> str: """生成项目骨架，返回项目根目录路径""" # 1. 构建项目目录名：题号_题名（蛇形命名） dir_name = f"{problem_id:04d}_{self._to_snake(title)}" project_root = Path.cwd() / dir_name project_root.mkdir(parents=True, exist_ok=True) # 2. 渲染主代码文件 solution_template = self.env.get_template(f"{language}/solution.j2") solution_code = solution_template.render( problem_id=problem_id, title=title, difficulty=difficulty, ) ext = self._get_extension(language) (project_root / f"solution.{ext}").write_text( solution_code, encoding="utf-8" ) # 3. 渲染测试文件 test_template = self.env.get_template(f"{language}/test.j2") test_code = test_template.render( problem_id=problem_id, test_cases=test_cases or [], ) (project_root / f"test_solution.{ext}").write_text( test_code, encoding="utf-8" ) # 4. 生成 README（题解文档骨架） readme_template = self.env.get_template("common/readme.j2") readme_content = readme_template.render( problem_id=problem_id, title=title, difficulty=difficulty, tags=[], # 后续可从题库拉取标签 ) (project_root / "README.md").write_text( readme_content, encoding="utf-8" ) # 5. 生成评测配置 eval_config = { "problem_id": problem_id, "time_limit_ms": 1000, "memory_limit_mb": 256, "language": language, } (project_root / "eval.json").write_text( json.dumps(eval_config, indent=2, ensure_ascii=False), encoding="utf-8", ) return str(project_root) @staticmethod def _to_snake(name: str) -> str: """将中文题名转为蛇形命名，保留字母数字""" # 简单实现：用下划线替换非字母数字字符 import re # 保留中文（用拼音首字母缩写作为备选），这里简化处理 result = re.sub(r'[^\w]', '_', name).lower() # 去除连续下划线 result = re.sub(r'_+', '_', result).strip('_') return result[:50] # 限制长度，避免路径过长 @staticmethod def _get_extension(language: str) -> str: """根据语言返回文件扩展名""" ext_map = { "python": "py", "java": "java", "cpp": "cpp", "go": "go", } return ext_map.get(language, "py")

模板文件示例（templates/python/solution.j2）：

""" 题号：{{ problem_id }} 题名：{{ title }} 难度：{{ difficulty }} """ from typing import List class Solution: """题解类，所有方法在此实现""" def solve(self, *args, **kwargs): # TODO: 在此实现算法逻辑 pass if __name__ == "__main__": # 本地调试入口 s = Solution() # 示例调用 pass

测试模板（templates/python/test.j2）：

"""{{ problem_id }} - {{ title }} 的测试用例""" import pytest from solution import Solution class TestSolution: """自动化测试：覆盖样例、边界与特殊用例""" def setup_method(self): """每个测试方法执行前初始化 Solution 实例""" self.sol = Solution() {% for case in test_cases %} def test_case_{{ loop.index }}(self): """{{ case.get('description', '样例测试') }}""" result = self.sol.solve({{ case.input }}) assert result == {{ case.expected }}, \ f"输入 {{ case.input }}，期望 {{ case.expected }}，实际 {result}" {% endfor %}