7个步骤掌握Competitive Companion:编程竞赛自动解析工具终极指南
Competitive Companion是一款强大的浏览器扩展,专为编程竞赛爱好者设计,能够自动解析50+主流在线评测平台的题目信息,包括题目描述、输入输出样例和时间内存限制,让你专注于算法思考而非繁琐的数据录入。
副标题:零基础入门编程竞赛自动解析工具,从安装到高效使用的完整教程
一、什么是Competitive Companion?
Competitive Companion是一款开源的浏览器扩展,通过智能解析技术,帮助编程竞赛选手自动提取各类在线评测平台的题目信息,并以标准化格式发送到本地编程工具。它支持Codeforces、AtCoder、洛谷等50+主流平台,是提升竞赛准备效率的必备工具。
二、快速安装指南
1. 获取项目文件
git clone https://gitcode.com/gh_mirrors/co/competitive-companion
2. 浏览器安装步骤
- Chrome/Edge用户:访问扩展管理页面(chrome://extensions/),启用"开发者模式",点击"加载已解压的扩展程序",选择项目中的
src文件夹 - Firefox用户:访问调试页面(about:debugging#/runtime/this-firefox),点击"临时载入附加组件",选择项目中的
manifest.json文件
图:Competitive Companion扩展安装界面,展示了扩展的主标志和名称
三、基础配置与使用
1. 首次配置
安装完成后,点击浏览器工具栏中的扩展图标,进入设置界面:
- 选择你的编程工具(如CP Editor、VS Code等)
- 设置数据接收端口(默认10045,通常无需修改)
- 自定义题目数据格式(高级选项)
2. 基本使用方法
- 自动解析:打开支持的题目页面时自动解析
- 手动触发:使用快捷键
Alt+Shift+C手动解析当前页面 - 查看历史:使用快捷键
Alt+Shift+V查看已解析的题目记录
四、核心功能解析
1. 智能解析系统
Competitive Companion通过src/parsers/目录下的专业解析器,识别不同平台的页面结构,提取结构化数据。每个解析器都针对特定平台优化,确保数据准确性。
2. 数据处理流程
- 页面加载时,扩展自动检测是否为支持的评测平台
- 调用对应平台的解析器(如src/parsers/problem/CodeforcesProblemParser.ts)
- 提取题目描述、输入输出样例、时间内存限制等信息
- 转换为标准化JSON格式(定义在src/models/Sendable.ts)
- 发送到本地配置的编程工具
图:Competitive Companion功能架构展示,体现其解析和数据处理流程
五、实用技巧与最佳实践
1. 提高效率的小技巧
- 快捷键熟练使用:记住
Alt+Shift+C(解析)和Alt+Shift+V(历史) - 自定义数据格式:根据个人习惯修改src/models/Sendable.ts调整输出格式
- 定期更新:每月执行
git pull获取最新平台支持
2. 常见问题解决
- 解析失败:检查是否为最新版本,或尝试手动触发解析
- 工具连接问题:确认本地编程工具已启动并监听正确端口
- 特殊格式题目:可在tests/data/目录下查看测试样例,了解解析规则
六、安全性与隐私保护
作为开源项目,Competitive Companion所有数据处理都在本地完成,不会上传任何用户信息。你可以在src/parsers/目录下查看各平台的解析逻辑,确保透明可信。
七、进阶使用:自定义解析器开发
如果你常用的平台不在支持列表中,可以通过以下步骤添加自定义解析器:
- 在src/parsers/problem/目录下创建新的解析器文件
- 继承ProblemParser基类,实现parse方法
- 在src/parsers/parsers.ts中注册新解析器
- 添加测试数据到tests/data/目录
图:Competitive Companion高级配置界面,展示自定义解析器设置选项
结语
Competitive Companion作为一款强大的编程竞赛辅助工具,能够显著提升你的竞赛准备效率。通过自动解析题目信息,让你专注于算法思考和代码实现,从而在竞赛中脱颖而出。立即开始使用,体验高效编程竞赛准备的新方式!
提示:定期更新项目以获取最新的平台支持和功能优化,保持竞争力!
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 StartedRust092- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00