deepseek-harness-leetcode 怎么安装？

在已安装 dsh CLI 引擎的环境中，进入插件页复制安装命令一键执行即可；基本兼容但装前注意：未发布到 npm registry，仅可从源码安装

deepseek-harness-leetcode 兼容性怎么样？

基本兼容但装前注意：未发布到 npm registry，仅可从源码安装

deepseek-harness-leetcode 有中文文档吗？

已提供中文翻译 README（由 DeepSeek 最新模型翻译生成），本站可切换中英文对照阅读。

deepseek-harness-leetcode 还在维护吗？

GitHub 1 星。最近一次上游提交在 2026/10/16。

力扣热题精练 kapelame/deepseek-harness-leetcode

DeepSeek Harness

kapelame19 天前有提交已提供中文文档扫描：含敏感能力

在 GitHub 查看 ↗

在 DeepSeek Harness 里学算法：课程讲解、完整的力扣热题 100、本地沙箱评测和 AI 辅导。

30.7/100

综合分

GitHub 星标

—

npm 周下载

—/5

用户评分

数据截至 2026/10/17 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。

自动兼容检查有告警：未发布到 npm registry，仅可从源码安装。

安装命令 · 需先装 dsh CLI 引擎

dsh plugin --profile web add kapelame/deepseek-harness-leetcode

该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）

状态速览

判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态

信任档位：仅索引

是什么

dsh 原生插件 · tool

装得上吗

静态安装检查有提示项，装前建议看一眼 README

L4 · 真实安装等级说明 →

安全吗

本站尚未对该插件做风险分级

暂未覆盖，不等同于无风险

还在维护吗

活跃：最近一次提交在 19 天前

档位由哪些信号合成

本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。下方各区块是它的证据明细。

验证判据与等级说明 →

社区实装还没有人打卡 · 装过的第一个就是你

安装兼容性检查⚠ 装前注意

未发布到 npm registry，仅可从源码安装

展开查看检查明细 ↓

以下结论由程序自动检查 npm 包、engines 声明与入口文件得出，未做人工实机验证——能装不等于用着没问题。

✗npm 包dsh-plugin-learn（未发布到 npm，仅可源码安装）

✓Node 引擎要求 ^22.19 || >=24 · 基线 Node 22.19 满足

✓dsh CLI 依赖未声明 dsh 版本约束

✓入口文件main/exports/bin 已声明

验证方式：npm registry 存在性 + package.json 静态校验 · 最后检查 2026/10/16 04:08:34

安全扫描自动 · 静态分析源码

v2.7.0

🔵 扫描：含敏感能力尚无人工评估

展开查看扫描说明与证据 ↓

静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。

读写/删除本地文件发起外部网络请求

查看扫描证据（共 15 处，展示前 12 条）

读取本地文件
lib/service.js:790
return await readFile(path, "utf8");
读取本地文件
lib/service.js:794
return await readFile(path, "utf8");
读取本地文件
lib/service.js:801
const names = (await readdir(directory)).filter((name) => name.endsWith(".py")).sort();
读取本地文件
lib/service.js:848
for (const name of (await readdir(directory)).sort()) {
读取本地文件
lib/service.js:1053
const topicNames = (await readdir(join(root, "topics"))).filter((name) => name.endsWith(".yaml")).sort();
读取本地文件
lib/service.js:1094
const collectionNames = (await readdir(join(root, "collections")).catch((error) => {
发起网络请求
lib/service.js:2655
response = await fetch(endpoint, {
写入本地文件
lib/service.js:4355
await mkdir(dirname(actual), {
写入本地文件
lib/service.js:8251
await mkdir(this.directory, {
写入本地文件
lib/service.js:8279
await writeFile(path, eml, { mode: 384 });
写入本地文件
lib/service.js:8280
await writeFile(join(this.directory, `${name}.html`), message.html, { mode: 384 });
写入本地文件
lib/service.js:8383
await mkdir(this.runnerCwd, {

扫描于 2026/11/4（0 天前） · 范围入口闭包 + 发布文件清单 · 来源 GitHub 仓库

静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。

依赖的 DSH / Cordis 模块

@deepseek-ai/cordis@deepseek-ai/schemastery@deepseek-ai/dsh-brand@deepseek-ai/dsh-credentials@deepseek-ai/dsh-llm@deepseek-ai/dsh-tools@deepseek-ai/dsh-typert-protocol

给这个插件打分还没有人投票↓

用户评分

还没有人投票，来当第一个

广告精选好物

飞利浦 TAH6519 主动降噪耳机 ¥299

头戴式无线 anc 主动降噪，蓝牙连接，久戴舒适向。

·anc 主动降噪 · 头戴式无线
·价格与库存以商品页实时为准

去淘宝看看→

广告MCP 兼容手册

装完插件，给 AI 接上 MCP

Cursor、Claude Code、VS Code 逐个核对：能不能装、配置怎么写、装不上是什么原因。

·按客户端逐格核对
·结论标注依据与风险等级

查 MCP 兼容性→

README

由 DeepSeek 最新模型翻译生成

DeepSeek Harness LeetCode 在 DeepSeek Harness 里学算法：课程讲解、完整的力扣热题 100、本地沙箱评测和 AI 辅导。亮点 - 完整的力扣热题 100，另加 8 道经典题。每道题都有原创概述、三级递进提示和讲解，题面保留在 LeetCode，并附官方链接。 - 本机上的真实评测。代码在无网络的 Docker 中运行，隐藏的边界、随机和大规模用例能发现错误解和超时解；设计题、原地修改题、链表与树的节点题都支持。 - 先学再练。 16 个主题，从哈希到动态规划，每个主题都有可以逐步推演的示例。学完后由导师根据本课出几道检查题、评阅你的回答，并判断你是否可以开始实战题。 - 一句话添加题目。例如“3 道我没做过的中等 BFS 题”：AI 智能体会在 LeetCode 上找题、编写测试，只有通过校验的题才会加入题库。

展开完整文档（README 剩余 1 节）

DeepSeek Harness LeetCode

在 DeepSeek Harness 里学算法：课程讲解、完整的力扣热题 100、本地沙箱评测和 AI 辅导。

亮点

- 完整的力扣热题 100，另加 8 道经典题。每道题都有原创概述、三级递进提示和讲解，题面保留在 LeetCode，并附官方链接。
- 本机上的真实评测。 代码在无网络的 Docker 中运行，隐藏的边界、随机和大规模用例能发现错误解和超时解；设计题、原地修改题、链表与树的节点题都支持。
- 先学再练。 16 个主题，从哈希到动态规划，每个主题都有可以逐步推演的示例。学完后由导师根据本课出几道检查题、评阅你的回答，并判断你是否可以开始实战题。
- 一句话添加题目。 例如“3 道我没做过的中等 BFS 题”：AI 智能体会在 LeetCode 上找题、编写测试，只有通过校验的题才会加入题库。

界面一览

热题 100：沿用 LeetCode 的分组，显示每组进度

做题：编辑器、运行与提交、隐藏测试提交记录：执行用时、内存消耗和每一次提交

做题记录：按难度统计、全年提交日历、连续天数和最近通过

学习：可逐步推演的示例提示：方向、关键观察、思路大纲、解答

导师检查：根据本课出题，由导师评阅回答（DeepSeek 真实输出）

此外还有 AI 辅导对话、使用新变体题的间隔复习、按知识点统计的进度，以及可选的每日提醒邮件。

快速开始

1. 安装 Docker Desktop。 之后由 Learn 引导完成其余步骤：一键启动 Docker、一键下载运行镜像；也可以自己运行 docker pull python:3.13-alpine node:24-alpine。

2. 安装插件，地址为 github:kapelame/deepseek-harness-leetcode：
- 桌面端： 插件 → 从 GitHub 安装。
- Web：

dsh plugin --profile web add github:kapelame/deepseek-harness-leetcode
dsh web

3. 在侧边栏打开 Learn。讲解默认中文，可在“Learn → 设置”中切换为英文。

需要 DSH 0.2.0-rc.2 或更高、低于 0.3 的版本（已在 0.2.0-rc.2 和 0.2.1-alpha.3 上测试）。默认模型（例如登录 DeepSeek）是可选的，用于辅导、导师出题的课程检查、AI 反馈和添加题目；运行、评测、预置提示和课程自带的检查题不需要模型。

在桌面端用命令行安装

先完全退出桌面端，运行桌面端自带的 CLI，再重新打开桌面端：

"/Applications/DeepSeek Harness.app/Contents/Resources/runtime/cli/bin/dsh" plugin --profile desktop add github:kapelame/deepseek-harness-leetcode

仓库附带预先构建好的 lib/，安装时不运行构建脚本。如需可复现的安装，可固定提交：github:kapelame/deepseek-harness-leetcode#<commit>。

评测方式

判定只来自测试执行。代码在 Docker 容器中运行：无网络、只读文件系统，并限制内存、CPU 和进程数；期望答案从不进入容器。每套测试由官方示例输入和隐藏的边界、随机、大规模用例组成，由参考解生成，并与独立的暴力解对拍。通过表示“通过本地测试”，不等于 LeetCode 判定通过。可选的 AI 评测只给反馈，不能改变判定。

添加题目

在“练习 → 添加题目”中描述需求并选择数量（1–5）。进度实时显示，可随时停止；已添加的题目会保留。

- 智能体遵循随插件附带的技能 skills/learn-problem-author/SKILL.md，它只在查找器智能体内部可见，不会出现在你平常的 Session 中。
- 题号、标题、难度、标签、签名和示例始终来自 LeetCode 元数据，而不是模型。付费题和需要特殊评测器的题会被跳过。
- 每道题都必须通过与内置题目相同的校验才会加入。
- 我们用 DeepSeek 实测时，每次运行用时 70–300 秒，都添加了要求数量的题目。

隐私

- 代码只在离线的 Docker 容器中运行。
- 配置默认模型后，“提交”（除非 agents.judge: false）、提示、辅导、反思和变体生成会通过 DSH 把题目概述和你的代码发送给该模型，课程检查会发送课程内容和你的回答；“添加题目”只发送你的描述和 LeetCode 元数据，不发送代码。每次运行都会出现在 Session 历史中。
- “添加题目”只向 LeetCode 公开 GraphQL 接口查询题目元数据：不登录、不获取题面，请求有间隔并有每次运行的上限。
- 除此之外不会有数据离开你的电脑；配置 SMTP 后的提醒邮件除外。

配置

插件会在配置中加入两行：learn（服务）和 learn-ui（Remote API 与界面）。可在配置的 cordis.patch.yml 中覆盖设置。补丁会替换该行的整个 config，所以请保留 dataRoot：

- id: learn
config:
dataRoot: !!js dshHomePath('learn')
defaultLocale: en
reviewDailyLimit: 3
agents:
judge: false # 只做确定性评测，不请求 AI 反馈 variantGeneration: true finder: enabled: true maxProblems: 5 # 每次“添加题目”最多添加的题数 maxSubmissionsPerProblem: 3 maxLeetcodeRequests: 40 # 每次运行的 LeetCode 请求上限 requestIntervalMs: 1000 email: transport: capture # 'smtp' 只有在 liveSendingAuthorized: true 时才发送

学习数据保存在 DSH home（默认 ~/.dsh）下的 learn/ 中，可在“设置”中导出为 JSON 或重置。

真实邮件需要 email.transport: smtp、email.liveSendingAuthorized: true、email.smtp.host/port/user，并把 SMTP 密码存为名为 email.smtp.passwordRef 的 DSH 凭据（默认 DSH_LEARN_SMTP_PASSWORD）。未使用隐式 TLS 时要求 STARTTLS。

已知限制

- 运行代码需要 Docker。DSH 自带的进程沙箱只限制写文件（仍可联网、可读取你的文件），因此 Learn 不用它代替 Docker。
- 只有在 DSH 运行且启用插件时才会发送提醒；错过的每日摘要会在当天稍晚补发，不会推迟到之后的日期。
- TypeScript 提交只剥离类型，不做类型检查。
- 辅导只看到对话中最近的十条消息。
- AI 运行进行期间，其 Session 会短暂出现在侧边栏中。
- 在桌面端，提醒邮件中的链接指向每次启动都会变化的本地端口；请使用邮件中的验证码，或设置 email.publicBaseUrl。

从源码构建

source/ 中是三个 DSH workspace 包，使用 DSH 工具链构建：

git clone https://github.com/deepseek-ai/deepseek-harness.git dsh
git -C dsh checkout dsh-v0.2.0-rc.2
node scripts/build.mjs ./dsh # 复制源码、安装依赖、构建并组装 lib/

已安装依赖的代码可用 --skip-install 重新构建。测试在 DSH 代码中运行：npx vitest run packages/experimental/learn/tests（需要 Docker）。

课程内容位于 content/（content/collections/hot-100.yaml 列出热题 100 的分组）。每道题包含声明输入域的 YAML 元数据、参考解、独立的暴力解、可选钩子，以及经过校验的冻结测试集。authoring/ 中是生成热题 100 内容和冻结测试集的脚本。

许可证

MIT