devtool
Linejudge – an independent verification harness for coding agents
功能太窄且维护不确定，除非专门做代码代理评测，否则别浪费时间
3.7综合
实用性4
上手速度3
完成度4
不可替代5
生命力2
5 维独立打分，综合分为加权平均。分数只对同一套标准内部可比。
适合谁
需要评估自定义代码生成模型的研究团队或AI竞赛组织者
不适合谁
一般软件开发团队或生产环境
项目自述
github.com
替代品
OpenAI evalsEvalPlusLeetCode test harnessCodeforces custom checker