OptiProfiler Platform：在线基准测试沙箱平台

项目: 面向 OptiProfiler 的在线沙箱：用户上传求解器代码、选择测试配置，平台在 Docker 中执行 benchmark()，网络与资源受限，结果统一回传。

线上地址: app.optprof.com
代码仓库: github.com/optiprofiler/optiprofiler-platform

概述 链接到标题

OptiProfiler Platform 把「我有一份求解器实现」到「我有性能曲线和分数」之间的路径搬到浏览器里。前端连接 FastAPI 后端：上传经校验后进入 Celery + Redis 任务队列，工作进程在 Docker 沙箱里运行 OptiProfiler（预装依赖、限制资源、隔离网络）。产物写入持久化存储；界面可查任务状态、下载打包结果，并可接入 LLM 辅助能力（悬浮 Advisor 对话、任务完成的解读报告、失败时的自动调试等），与 optiprofiler-agent 集成。

动机 链接到标题

• 降低门槛：很多人只需要临时对比几款求解器；网页沙箱省掉本地环境与版本对齐成本
• 安全与可控：不可信代码不能直接接触宿主机 —— 容器隔离配合上传代码的 AST 静态检查，降低明显滥用面
• 贴合运行形态：真实基准测试耗时长、偶发失败多；异步任务、重试与配额更符合实际运维需求

主要贡献 链接到标题

• 端到端 Web 技术栈 — Next.js 前端（app.optprof.com）、FastAPI API（认证、任务、文件）、Celery 工作者、Redis 消息代理
• 沙箱执行 — 独立运行器在受限环境中调用 optiprofiler.benchmark()；工作者侧通过子进程边界保证任务内并行策略稳定
• 账户与治理 — GitHub OAuth + JWT 会话、频控与每用户任务上限、旧任务淘汰等存储治理策略
• 与 Agent 协同 — 设计文档（ADR）说明如何挂载 OptiProfiler Agent：产品顾问对话、结果解读、失败自动调试等路径

核心思想 链接到标题

上传 → 校验 → 入队 → 执行 → 落盘。 架构文档描述了主路径：在任务排队前先做 AST 扫描拦截危险写法；工作者驱动状态从 queued 到 running 再到 success，前端在排队/执行阶段轮询。

与本地 OptiProfiler 语义一致。 沙箱调用的是熟悉的 benchmark() 工作流，结果可与桌面端运行对照。

与 Agent 包互补。 OptiProfiler Agent 偏向终端与嵌入式 API；Platform 面向浏览器优先的流程，并提供认证、存储与作业编排等共享基础设施。