CF-STATS 项目使用教程
1. 项目介绍
CF-STATS 是一个基于 GitHub Actions 的实时 Codeforces 活动统计卡片和徽章生成器。它可以帮助用户在 GitHub 个人资料的 README 文件中展示 Codeforces 的统计数据,包括解决的问题数量、特定评分的题目数量等。该项目通过 GitHub Actions 自动更新统计数据,并生成 SVG 格式的卡片,方便用户嵌入到自己的 GitHub 个人资料中。
2. 项目快速启动
2.1 克隆项目
首先,克隆 CF-STATS 项目到本地:
git clone https://github.com/sudiptob2/cf-stats.git
cd cf-stats
2.2 配置环境变量
进入 config/ 目录,编辑 env_template 文件,将 CF_HANDLE 键的值设置为你的 Codeforces 用户名:
CF_HANDLE=your_codeforces_handle
2.3 运行 GitHub Actions
- 打开 GitHub 仓库的 Actions 页面。
- 在右侧点击 "Run Workflow" 按钮,手动触发工作流以生成统计卡片。
2.4 获取生成的卡片
生成的 SVG 卡片将保存在 output/ 目录中。你可以查看这些卡片,并将其嵌入到你的 GitHub 个人资料 README 文件中。
2.5 嵌入卡片到 README
在你的 GitHub 个人资料 README 文件中,添加以下代码以嵌入生成的卡片:
[](https://raw.githubusercontent.com/your-github-username/cf-stats/main/output/light_card.svg)
[](https://raw.githubusercontent.com/your-github-username/cf-stats/main/output/max_rating.svg)
[](https://raw.githubusercontent.com/your-github-username/cf-stats/main/output/rating.svg)
3. 应用案例和最佳实践
3.1 展示个人技能
通过在 GitHub 个人资料中展示 Codeforces 的统计数据,可以直观地展示个人的编程能力和解决问题的技能。这对于求职或参与开源项目时非常有用。
3.2 自动化更新
CF-STATS 利用 GitHub Actions 自动更新统计数据,无需手动操作。这确保了个人资料中的统计数据始终是最新的。
3.3 自定义卡片
用户可以根据自己的需求自定义生成的 SVG 卡片,例如更改颜色、添加更多统计信息等。
4. 典型生态项目
4.1 Codeforces Enhancer
Codeforces Enhancer 是一个 Chrome 扩展,可以增强 Codeforces 的用户体验,例如添加多重评分图表、彩色化排行榜等。
4.2 Competitive Companion
Competitive Companion 是一个浏览器扩展,可以解析竞争性编程问题,并将它们发送到各种工具,如 CP Editor 和 CPH。
4.3 Codeforces++
Codeforces++ 是一个 Chrome 扩展包,提供了多种增强功能,如预测评分变化、显示近似增量等。
通过结合这些生态项目,用户可以进一步提升在 Codeforces 上的编程体验和效率。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00