评测机制与 SDK 架构概览

Neuro OJ 针对现代人工智能竞赛（如 IOAI、LMCC）与工程化题目的特征，颠覆了传统在线评测（OJ）基于标准输入输出（stdin/stdout）比对文本的陈旧范式，首创了双容器 Python 进程间 RPC 评测架构。

本章系统解析该评测机制的底层协议、双容器分工、SDK 接口规范与网络安全能力。

---

核心技术矩阵

⚙️ 双容器评测模型（Judge Model）

Evaluator 容器与 Solution 容器的职责边界、生命周期流转、函数调用时序与两层超时映射规范。

🧪 Evaluator SDK（出题人端）

运行于 Evaluator 容器内的官方 SDK。提供 SolutionRunner 函数调用、反向能力注册 register_capability、得分上报与测试点详情封装。

💻 Solution SDK（做题人端）

选手提交代码的加载与执行协议。涵盖顶层函数自动导出、call_capability 反向能力调用与标准输入输出隔离。

📡 RPC 协议与数据编解码（Wire Format）

底层基于 NDJSON 帧与三通道隔离的双向通讯协议。定义帧结构、错误码系统、基础与扩展数据类型白名单及 1 MiB 缓冲区安全限额。

🐳 评测镜像与运行时环境（Runtimes）

Docker 沙箱白名单、镜像前缀校验、Python 专有化技术裁定与产物提交（Kaggle 模式）运行时环境。

🌐 受限网络能力供给（Capability Networking）

如何在零网络 Solution 环境下，通过 Evaluator 业务受控代理（Capability）安全接入外部 API 与 LLM 推理服务，兼具防 SSRF 穿透实践。

---

双容器评测顶层链路拓扑

快速实战通道 若您是初次接触 Neuro OJ 的出题人，推荐优先查阅面向任务的

快速开始出题 与 A+B 样例工程解剖。本章内容侧重于底层运行机理、协议线格式与极端排错。