前言¶
在 DSH 里做算法练习，常见做法是开浏览器刷力扣，或自己搭 OJ、写脚本拉题。题面、判题、进度和复习往往分散在不同工具里；若还想按知识点先学再练、或按描述自动加题，又要额外接 API 和测试数据。下面介绍社区插件 kapelame/deepseek-harness-leetcode（包名 dsh-plugin-learn）：把 LeetCode Hot 100 与配套课程、本机 Docker 沙箱判题、渐进提示与 AI 导师、间隔复习，以及「用自然语言描述需求自动加题」的 Agent，收进 DSH 侧边栏的 Learn 工作流。
这是什么¶
维护者为 kapelame，在 SkillHub 目录中归类为工作流。插件面向已在使用 DeepSeek Harness 的用户：在 Harness 内完成算法学习路径，而不替代力扣官网题面（每题仍链到 LeetCode 官方页）。许可证为 MIT；仓库预置 lib/ 构建产物，安装时不跑构建脚本。
核心功能¶
题库与讲解¶
- 覆盖 LeetCode Hot 100 全部 100 题，并额外包含 8 道经典题；每题配有原创小结、三档递进提示与带讲解的解法说明。
- 题目分组与力扣 Hot 100 一致，可按组查看进度。
本地判题（Docker）¶
- 代码在无网络的 Docker 容器内执行，文件系统只读，并受内存、CPU、进程数限制；期望答案不进入容器。
- 测试集在官方样例之外，包含隐藏边界、随机与大用例；对设计类、原地修改、链表/树节点等题型有专门处理。通过表示通过本地测试，不等同于力扣站内「Accepted」。
- 可选 AI 判题仅补充反馈，不能改写由测试执行得出的结论。配置里可将
agents.judge设为false，仅做确定性判题。
先上课再做题¶
- 16 个主题（从哈希到动态规划等），每课含可逐步跟读的例题。
- 导师根据课程内容出题做理解检查、批改作答，并判断你是否可以进入配套练习题。
练习界面与记录¶
- Solve：编辑器、Run / Submit、隐藏测试。
- Submissions：历次提交的状态、耗时、内存与代码。
- Your record：按难度统计、年度日历、连续打卡与近期通过记录等。
提示与辅导¶
- 提示分档解锁：方向、关键思路、提纲、解法。
- 支持 AI 导师对话；配置默认模型（例如登录 DeepSeek）后，可用于导师、课内检查、提交反馈与加题 Agent。运行、判题、书面提示与课内内置检查题可在不配置默认模型的情况下使用。
间隔复习与扩展¶
- 间隔重复复习，并可生成经校验的变体题。
- 按概念查看进度；可选每日提醒邮件（需自行配置 SMTP 等）。
Add problems（按描述加题）¶
在 Practice → Add problems 中用自然语言描述需求并选择数量（1–5）。Agent 按仓库内技能 skills/learn-problem-author/SKILL.md 在 LeetCode 上检索，编写测试并在通过与本库题目相同校验后才写入题库。题号、标题、难度、标签、函数签名与样例均来自 LeetCode 元数据，不由模型编造；付费题与本插件无法判题的题会跳过。进度可流式查看并可中途停止，已加入的题会保留。README 记载在 DeepSeek 上的实测中，单次约 70–300 秒，且能加满请求数量。
安装与启用¶
环境要求：DSH 0.2.0-rc.2 及以上、低于 0.3（README 写明在 0.2.0-rc.2 与 0.2.1-alpha.3 上测试）。需安装 Docker Desktop；Learn 可引导一键启动 Docker 并拉取运行镜像，也可自行执行：
docker pull python:3.13-alpine node:24-alpine
Web 端安装（命令来自 README）：
dsh plugin --profile web add github:kapelame/deepseek-harness-leetcode
dsh web
Desktop：在 Plugins → install from GitHub 安装 github:kapelame/deepseek-harness-leetcode。
Desktop 命令行（需完全退出 Desktop 后执行捆绑 CLI，再重新打开）：
"/Applications/DeepSeek Harness.app/Contents/Resources/runtime/cli/bin/dsh" plugin --profile desktop add github:kapelame/deepseek-harness-leetcode
需要可复现安装时，可固定 commit：github:kapelame/deepseek-harness-leetcode#<commit>。
安装后在侧边栏打开 Learn。讲解默认中文，可在 Learn → Settings 切换英文。
典型用法¶
- 完成 Docker 与插件安装后，从 Learn 进入 Hot 100 或主题课。
- 跟读课内例题，完成导师的理解检查，再进入对应练习题。
- 在编辑器中编写代码，先 Run 再 Submit；在 Submissions 查看历史。
- 需要时逐级解锁提示，或使用导师对话；按需开启间隔复习。
- 想扩充题库时，在 Practice → Add problems 输入描述（例如 README 示例：「3 medium BFS problems I haven’t done」），选择题数并等待 Agent 完成校验与写入。
配置与数据（可选）¶
插件在 profile 中增加 learn（服务）与 learn-ui（Remote API 与 UI）两行。在 cordis.patch.yml 中覆盖配置时须保留整段 config 及 dataRoot。README 示例片段如下：
- id: learn
config:
dataRoot: !!js dshHomePath('learn')
defaultLocale: en
reviewDailyLimit: 3
agents:
judge: false
variantGeneration: true
finder:
enabled: true
maxProblems: 5
maxSubmissionsPerProblem: 3
maxLeetcodeRequests: 40
requestIntervalMs: 1000
email:
transport: capture
学习数据默认位于 DSH 主目录（一般为 ~/.dsh）下的 learn/；可在 Settings 中导出 JSON 或重置。
适用场景与注意¶
适合：已在用 DSH 0.2.x、本机可跑 Docker，希望按 Hot 100 与主题课系统刷题、本地离线判题，并可选 AI 辅导与按描述加题的用户。
隐私与出站（据 README）：代码仅在离线 Docker 中执行。配置默认模型后，提交（除非关闭 agents.judge）、提示、导师、反思与变体生成等会把题面摘要与代码发给该模型；课内检查发送课程与作答；Add problems 发送描述与 LeetCode 元数据，不发送你的代码。Add problems 仅查询 LeetCode 公开 GraphQL 获取元数据。除可选 SMTP 提醒邮件外，其余数据默认不出本机。
安全：DSH 插件以当前 dsh 进程权限运行。安装前请自行查看仓库源码与 MIT 许可证，确认符合你的环境与合规要求；社区目录 SkillHub 为独立站点，与 DeepSeek / 幻方无官方从属关系。
结尾¶
kapelame/deepseek-harness-leetcode 把 Hot 100 学习路径、Docker 本地判题、课内辅导与可选 AI 加题 Agent 放进 DSH 的 Learn 工作流，适合把算法练习留在 Harness 内闭环完成的开发者。
