- 博客(9)
- 收藏
- 关注
原创 基于DeepSeek的代码评测和自动纠错优化系统-操作数据库控件实现
controller的定义封装了有关数据库的操作,为gin的服务层提供基本数据库操作方法(提交与分析主要封装了改和查数据库操作)提交写分析任务,先认证提交任务是否合法,启动分析任务后创建新分析记录并写入数据库。查找该提交记录下所有分析结果,指定提交历史关联的所有分析记录。按提交时间倒序返回分页结果(每页最多 100 条)。返回包含分页元数据(总数、页码、每页大小)的响应。返回单次完整的提交记录(代码、语言、结果等)接收用户提交的代码(JSON 格式)提交记录的元数据(状态、用时等)。
2025-06-12 10:13:12
237
原创 基于DeepSeek的代码评测和自动纠错优化系统-Gin开发层次结构与项目个人开发总结
本项目旨在开发一个基于 Go 语言和 Gin 框架构建的简易在线评测系统(Online Judge),命名为“deepjudge”。平台主要面向编程初学者、算法竞赛选手和教学辅助场景,支持多语言编程提交、题目管理、代码评测与结构分析等功能。系统整体采用前后端分离架构设计,后端基于 Gin,前端可使用 Vue.js 实现基本交互,后期支持 API 扩展及深度分析能力。
2025-05-31 16:55:09
1778
原创 基于DeepSeek的ai代码自动纠错和优化评测系统-ORM处理数据库
是一种编程技术,它通过将数据库表结构映射为程序中的对象,实现对数据库的抽象操作。开发者无需直接编写 SQL 语句,而是通过操作对象(如 User 类)完成对数据库的增删改查,ORM 框架会自动生成对应的 SQL 语句并执行。本系统使用go的GORM,完成对数据库的使用,具有其独特的优势它使用简洁的 API 设计,一行代码操作数据库;GORM 可根据 Go 结构体字段自动生成或更新数据库表结构,简化开发流程;
2025-05-22 22:03:18
407
原创 基于DeepSeek的代码评测和自动纠错优化系统-Redis异步队列实现
用户提交代码后,我们需要运行用户代码,对每组测试数据进行评测;系统需要返回准确的运行结果、错误信息、输出对比等,于此同时还要保证整个过程,支持提交。在这一提交要求下,评测任务的强异步信号向传统的关系型数据库式存储提出挑战。
2025-05-19 16:02:16
1596
原创 基于DeepSeek的代码评测与自动纠错优化系统-基于索引优化搜索结构
分析:这类型的索引虽然能简化查询逻辑,提升复杂条件的性能,支持动态计算字段的索引,但是索引更新可能较慢,并且需要提前定义生成列,增加维护成本,并不适用与OJ系统大批量的文字输出。总体来说,B+树虽然不适用于全文查询,但能够以完整的字段作为键,在设计上只要把时间作为索引值,B+树就能快速实现等值查询和范围搜索,且较其他数据结构有更好的搜索性能。这是一套通用的索引数据结构,适用于本系统基于提交更新的时间戳搜索。这类型数据结构支持空间数据范围查询(如地理坐标、几何图形),能够快速查找与指定区域重叠的条目。
2025-05-15 16:33:27
535
原创 基于DeepSeek的代码评测和自动纠错优化系统-需求分析与关系图
在和日常开发中,在线评测系统(OJ,Online Judge)是关键的训练工具,然而现有的 OJ 系统主要依赖于静态规则判断,仅基于预设测试用例进行评测,无法提供错误分析和优化建议,代码质量评估依赖人工 Code Review,效率低下。利用大语言模型对当下OJ系统进行优化,使用户能够更有效的得到代码反馈,更好地利用OJ提升代码质量和编码能力,满足用户对题目的输入,评测系统对用户输入的测试,测试结果反馈给用户的功能。
2025-05-06 16:21:56
1359
原创 基于DeepSeek的代码评测和自动纠错优化系统-数据库物理结构设计与实施
1,将逻辑结构模型转化为高性能可用的物理实现,将高频访问数据与冷数据分离,利用不同存储介质的特性。用户角色权限分离,user用户仅可读,admin管理员允许修改题目。使用行存储,相邻数据连续存放,支持单行的增删改查。利用分区实现快速检测,加速查找并便于维护。小批量数据入库并测试。
2025-04-29 17:18:32
446
原创 基于DeepSeek的代码评测和自动纠错优化系统-数据库架构的初步设计和流程
在编程竞赛和日常开发中,在线评测系统(OJ,Online Judge)是关键的训练工具,然而现有的 OJ 系统主要依赖于静态规则判断,后续优化思路:还能够提供代码风格和性能的优化,减小不必要的计算和内存占用,甚至能做到错误报告的智能分析,推荐更高效的算法和数据结构。该模块存储原始代码和特征,code_snippets表包含代码内容、语言类型、提交元数据等。该模块存储量化评估后的结果,包含语法正确性、逻辑修复度、性能提升等评估维度。建立代码片段与纠错记录的1:N关系,记录AI模型版本、耗时等元数据。
2025-03-24 19:33:35
398
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅