LeetCode 大概率已经凉了。
这个项目从零到完整功能，AI 不到半小时生成完毕——翻译、题解、举一反三、流式输出、侧边栏筛选、Markdown 渲染、代码高亮行号、持久化缓存、Docker 部署、47 个测试全绿。保守估计是一名人类工程师一周的工作量。
代码是纯 AI 写的。
软件工程的考核重心正在位移。
以前面试考你能不能手写二叉树、背出快排、默写 DP 转移方程。这些能力在 AI 面前不值一提——10 秒钟，任何算法题都有完整题解、复杂度分析、多语言实现。代码能力会往后放，但不会消失。 你仍然需要读懂代码、判断对错、知道为什么这样写。
真正会被放大的能力是：
- 系统思维：你能不能把一个模糊的需求拆成可执行的模块？
- 架构判断：选什么框架、怎么分层、数据往哪里流？
- 全栈视野：前端怎么交互、后端怎么设计 API、部署怎么跑起来？
- 驾驭 AI 的能力：你能不能让 AI 做正确的事，而不是让 AI 带着你跑偏？
本质上，你要知道自己在做什么。AI 是工具，不是大脑。你不理解系统，AI 生成的代码就是一堆无法维护的垃圾。
你真的懂，写出来的东西地基是稳的。你不懂，写出来地基就是毁的——而且你看不出来它毁在哪里。
LeetCode 和做项目，这两件事的能力重叠很少。LeetCode 考的是算法直觉和数学推导，大多数刷题高手从来没搭过一个完整的系统。真正的项目需要你做出一系列判断：存储用文件还是数据库、API 怎么分层、前端交互如何设计、LLM 的输出怎么结构化——这些判断没有标准答案，考的是你对整个系统的理解深度。
在这个项目里，AI 是执行层，人是架构师。代码是 AI 写的，但每一个关键决策——存储方式、框架选型、交互逻辑、Prompt 策略——都是人做的。换一个对 Django、LLM、前端没有真实感知的人来，即使用同一个 AI，项目也不会长成这样。能刷出 LeetCode hard 的人，不一定能做出一个完整的项目；能做出完整项目的人，才真正理解软件是怎么运转的。
你真的懂，写出来的东西地基是稳的。你不懂，写出来地基就是毁的——而且你看不出来它毁在哪里。能刷出 LeetCode hard 的人，不一定能做出一个完整的项目；能做出完整项目的人，才真正理解软件是怎么运转的。
本项目采用 SDD（规格驱动开发） 模式。
流程是：先写 Spec，代码从 Spec 里长出来。
需求 → PRD（产品规格文档）→ 技术设计 → AI 生成代码 → 测试验证
项目里的 PRD.md 就是这个 Spec。它定义了：
- 页面布局和交互逻辑
- API 端点和数据格式
- 文件存储结构
- Prompt 模板的设计原则
- 测试覆盖范围
AI 没有凭空发明任何东西，每一个模块都能在 Spec 里找到对应的描述。Spec 写得越清楚，AI 生成的代码就越准确，返工就越少。
SDD 的核心价值不是省时间，而是把"你到底要什么"这件事逼清楚。 很多项目烂掉不是因为代码写得差，而是需求从来没想清楚过。
| 层 | 技术 |
|---|---|
| 后端 | Django 6 + Django Ninja (REST API) |
| AI 接入 | Ollama Python SDK（本地，无需联网） |
| 前端 | 原生 JS + HTMX + marked.js + highlight.js |
| 数据 | 2913 道 LeetCode 题目 JSON，启动时加载进内存 |
| 持久化 | Markdown 文件，按题号归档 |
| 测试 | pytest + pytest-django，47 个测试 |
| 部署 | Docker |
- 题目 JSON：
leetcode_problems.json，来源 neenza/leetcode-problems。仓库不内置该 JSON 文件，请大家自行下载merged_problems.json，并按项目需要保存为leetcode_problems.json。
Each problem JSON file contains the following fields:
title: The name of the problem (e.g., "Container With Most Water").problem_id: The internal problem ID (string).frontend_id: The LeetCode frontend ID (string).difficulty: The difficulty level (Easy, Medium, or Hard).problem_slug: The URL-friendly name (e.g., container-with-most-water).topics: Array of topic tags (e.g., Array, Two Pointers).description: The full problem statement, usually in Markdown format.examples: Array of example objects, each withexample_num,example_text, andimages.constraints: Array of constraints or limits for the problem.follow_ups: Array of follow-up questions (if any).hints: Array of hints for solving the problem.code_snippets: Object containing starter code for various languages (e.g., python, cpp, java, etc.).solutions: HTML string containing editorial content for some problems.- Some fields (like
solutions,images,follow_ups) may be missing for certain problems.
- Python 3.11+
- Ollama 已安装并在运行
gpt-oss:120b模型已拉取
ollama pull gpt-oss:120bgit clone https://github.com/billzi2016/leetcode-terminator
cd leetcode-terminator
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt./start.sh浏览器访问 http://localhost:8000
# 方式一：Ctrl+C（前台运行时）
# 方式二：按端口号杀掉进程
kill $(lsof -ti:8000)
# 方式三：查找后手动确认
lsof -i:8000
kill <PID>pytestdocker build -t leetcode-terminator .
# solutions/ 挂载为 volume，容器重建不丢数据
docker run -v $(pwd)/solutions:/app/solutions -p 8000:8000 leetcode-terminatorleetcode-terminator/
├── config/ Django 配置
├── problems/ 主应用（API、loader、prompts、templates）
├── static/vendor/ 前端静态文件（htmx、marked、highlight.js）
├── solutions/ 生成的 Markdown 文件（按题号归档）
│ └── {id}/
│ ├── translation.md
│ ├── solution.md
│ └── similar/
│ └── {n}/
│ ├── problem.md
│ └── solution.md
├── tests/ pytest 测试
├── PRD.md 产品规格文档（Spec）
├── start.sh 一键启动脚本
└── leetcode_problems.json 2913 道题数据
| 变量 | 默认值 | 说明 |
|---|---|---|
OLLAMA_HOST |
http://localhost:11434 |
Ollama 地址，Docker 内改为 http://host.docker.internal:11434 |
OLLAMA_MODEL |
gpt-oss:120b |
使用的模型名 |