FAQ¶
此处收集 OJ 系统实验常见问题，持续补充中
FastAPI 的参数校验在实际逻辑之前，导致 422 会比其他错误优先？¶
可使用 Depends 解决~ 参考
from fastapi import Request, Depends, HTTPException, status
from fastapi.routing import APIRouter
import json
from models import ProblemModel
from services import auth, problem_ops
router = APIRouter()
@router.post("/api/problems/")
async def router_add_problem(
request: Request,
current_user=Depends(auth.get_current_user), # !!!!
):
body = await request.body()
try:
body_data = json.loads(body)
problem = ProblemModel(**body_data)
except Exception as e:
raise HTTPException(status_code=400, detail=f"Invalid body: {e}")
await problem_ops.file_save_problem(problem.id, problem.model_dump())
return {"code": 200, "msg": "add success", "data": {"id": problem.id}}
API 要求返回 400，但是 FastAPI 默认返回 422？¶
可添加中间件解决~ 参考
from fastapi import FastAPI, Request
from fastapi.exceptions import RequestValidationError
from fastapi.responses import JSONResponse
from pydantic import BaseModel
app = FastAPI()
class TestModel(BaseModel):
name: str
age: int
@app.exception_handler(RequestValidationError)
async def validation_exception_handler(request: Request, exc: RequestValidationError):
return JSONResponse(
status_code=400,
content={"detail": "Request body has validation errors", "errors": exc.errors()},
)
@app.post("/items/")
async def create_item(item: TestModel):
return item
评测日志中，测例详情是什么？¶
请大家区分一次评测和一个测例。测例是指 test case，即评测时的一组输入输出。一次评测中，评测结果类似
"submissions": [
{
"submission_id": "1",
"user_id": "1",
"problem_id": "sum_2",
"language": "python",
"code": "a, b = map(int, input().split())\nprint(a + b)",
"details": [
{"id": 1, "result": "AC", "time": 1.01, "memory": 130},
{"id": 2, "result": "AC", "time": 1.01, "memory": 130}
],
"score": 100,
"counts": 100,
}
]
其中，一个测例是指 {"id": 1, "result": "AC", "time": 1.01, "memory": 130}，测例详情即为
"details": [
{"id": 1, "result": "AC", "time": 1.01, "memory": 130},
{"id": 2, "result": "AC", "time": 1.01, "memory": 130}
],
如果用户不可见，评测时不返回此字段即可。
同学们的操作系统有 linux, macos, windows，最终评测应该如何进行呢？¶
最终评分会结合 linux 自动评测及线下人工评测，因此需要大家适配 linux 风格指令。使用 macos 的同学可以兼容所有评测会用到的 linux 指令，使用 windows 的同学建议使用 WSL 虚拟化容器。安装请参考 WSL 安装文档，使用请参考 RUNOOB Linux 教程。也推荐大家使用生成式人工智能查询 Linux 操作，本次大作业基本只会用到 g++, python 等常用指令
如何理解评测状态的 [pending, success, error] 与测试点结果的 [AC, WA, ...] 之间关系？¶
请区分两种状态，一种是一个 submission 的状态，一种是评测点结果的状态。提交的时刻，评测并未完成，返回一定是 pending；一个用户提交了评测，然后这个时候用户立刻查询评测列表，这时可能评测完成或者未完成，所以在查询评测列表的时候会有多种评测状态。
[仓库] 如何将自己的仓库与助教提供的示例仓库关联，及时拉取最新更新？¶
请参考 仓库拉取教程
[环境] Python/依赖环境如何配置？¶
- 推荐使用 Python 3.8 及以上版本。
- 建议使用 venv/conda 创建虚拟环境，安装依赖时可参考 requirements.txt。
- FastAPI/Flask、pytest、requests、uvicorn 等常用包需提前安装。
[API] 如何查阅和测试 API？¶
- 所有接口、参数、异常、状态码详见 api.md。
- 推荐使用 Postman、curl 或 httpie 进行本地 API 测试。
- 注意接口权限（如部分接口需登录/管理员权限）。
[评测] 评测流程和判题标准有哪些注意事项？¶
- 评测需严格按照题目输入输出格式，不能有多余提示语。
- 支持多语言评测，需动态注册语言时请参考 API 文档。
- 评测时需限制运行时间、内存，超限应返回 TLE/MLE。
- 日志接口可用于调试和查看评测详情。
[权限] 用户权限和接口访问控制说明¶
- 普通用户仅能访问/操作自己的评测、信息、日志。
- 管理员可管理所有用户、题目、评测、日志等。
- 权限不足时接口会返回 403。
[实验要求] 代码/报告/演示提交注意事项¶
- 代码需结构清晰、注释规范，按要求提交至指定仓库。
- 报告建议为 PDF，结构清晰，图文并茂。
- 需保证代码/报告/演示内容一致，严禁抄袭。
如何获取内存用量？¶
参考如下代码
import subprocess
import psutil
import threading
import time
def monitor_memory(proc, mem_limit_mb, result_holder):
p = psutil.Process(proc.pid)
while proc.poll() is None:
mem_usage = p.memory_info().rss / (1024 ** 2) # in MB
if mem_usage > mem_limit_mb:
proc.kill()
result_holder["status"] = "MLE"
return
time.sleep(0.05)
result_holder["status"] = "OK"
def run_user_code(cmd, mem_limit_mb, timeout_sec):
proc = subprocess.Popen(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
result_holder = {"status": "OK"}
t = threading.Thread(target=monitor_memory, args=(proc, mem_limit_mb, result_holder))
t.start()
try:
proc.wait(timeout=timeout_sec)
except subprocess.TimeoutExpired:
proc.kill()
result_holder["status"] = "TLE"
t.join()
return result_holder["status"]
[前端] Step 6 必须实现哪些页面？¶
Step 6 是基础模块，至少实现以下三组页面：
- 用户页面组：用户注册页面、用户登录页面、用户信息展示页面、用户管理页面；
- 题目页面组：题目列表展示页面、题目详情展示页面、新增/编辑题目页面；
- 评测与提交页面组：提交记录列表展示页面、提交评测详情页面。
所有页面操作均应通过后端 API 完成。具体要求见 Step 6：前端交互。
[AI 智能命题] 必须实现工具调用或 Agent Loop 吗？¶
不要求。工具调用是扩展模型能力的一种设计方式，属于设计参考，不是独立的硬性评分项。项目可以根据实际功能选择单次模型调用、固定工作流、工具调用或其他合理方案。R1 至 R4 和评分维度以 AI 智能命题页面为准。
[AI 智能命题] 正例中列出的功能都必须实现吗？¶
不要求。正例和反例用于说明设计方向，不规定唯一实现方案。评分时将结合题目合理性、测试用例有效性和功能易用性进行评价。
[AI 智能命题] 模型配置需要包含哪些内容？¶
至少应支持提供商 URL、模型名称和模型密钥，并确保配置实际用于模型请求。不得将模型提供商、模型名称或模型密钥固定在代码中。模型密钥不得通过日志或普通页面响应明文泄露。
[AI 智能命题] 怎样满足实时进度和中断要求？¶
实时进度应在任务执行期间持续反映当前状态，而不是等待任务全部结束后一次性返回。可以使用流式响应、SSE、WebSocket 或轮询等方式。
中断操作应实际终止当前任务或阻止其继续执行。仅停止前端动画或关闭进度窗口，但后台任务仍继续运行，不满足中断要求。
[AI 智能命题] Token 用量和价格如何统计？¶
应统计并展示当前任务的 Token 用量和费用。模型接口能够分别提供输入、输出 Token 时，应分别记录。费用根据实际采用的模型价格计算，并说明价格单位和计价依据；模型接口不能提供完整用量时，应说明采用的统计或估算方式及其限制。
[其他] 常见问题与解答¶
- Q: 必须实现前端吗？
- A: 必须。前端交互已经调整为基础模块 Step 6。
- Q: API 接口必须完全一致吗？
- A: 基础模块使用的接口必须严格遵循 api.md。AI 智能命题因设计方案不同，可以采用等价接口，但需要在项目文档中说明路径、参数、状态和响应结构。
- Q: 可以用 AI/LLM 辅助开发吗？
- A: 可以，但需注明引用和来源，严禁抄袭。
致谢
感谢刘青乐、马子润、刘宇哲、陈晓宇、唐恒毅、刘汉唐、常钫铭、孙钰杰、王懋源等同学为文档提出的意见。
如有其他疑问，欢迎在课程群或私聊助教留言，助教会及时补充解答。