带筛选条件的挑战库
浏览按类别和难度分类、大小接近工单的编程题，然后选择最符合你想练习的工作类型的挑战。
通过 AI-agent 工作流进行评分的开发者挑战
Kodwai 是一个面向开发者的平台，支持在自己的机器上借助 AI agent 解决编程挑战。首页提到 Claude Code、Cursor 和 Codex 是支持的 agent，并将产品定位为一种检验你引导 agent 完成真实工作的能力，而不是检验你记忆面试题目的能力。
工作流从 CLI 开始：选择一个挑战，下载题目文件和测试，在本地完成任务，然后提交会话进行评分。Kodwai 随后使用 Direction、Outcome 和 Lift 对这次运行进行评估，并在基于 prompts、recovery、commits 和 test runs 的证据之后，将结果放到公开排行榜上。
核心能力
基于 CLI 的挑战启动
通过 Kodwai CLI 从终端启动挑战；它会在初始化 git 仓库和计时器之前下载题目说明、起始文件和测试。
本地 agent 工作流
在你自己的机器上使用你自己的 AI agent 本地完成工作，而不是在受控的沙箱中，沿用你已经熟悉的编辑器和工作流。
会话打包与提交
提交完整会话进行评分，包括代码、git 历史、测试运行、agent 对话记录和耗时。
基于证据的评分
获得 Direction、Outcome 和 Lift 三个维度的评分，并查看说明每个维度为何得到该分数的证据。
排行榜与个人资料
在公开排行榜上比较运行结果，并保留与已评分会话关联的公开个人资料。
Kodwai 的实用使用方式
练习 agent 引导
当你想练习引导 AI agent 完成编程任务的真实流程时使用 Kodwai，包括提示词编写、验证，以及当 agent 出错时的恢复。
评估提示词质量
用它比较同一问题的不同处理方式如何得分，尤其适合那些测试通过了，但判断力较弱或验证不足的提示词方案。
准备编程面试
使用挑战库进行类面试准备，覆盖工单大小的后端、前端、安全或其他交付类工作，而不必切换到白板题。
公开跟踪进展
使用排行榜和公开个人资料来跟踪一段时间内的已评分运行，并分享可见的挑战结果记录。
Pros and Cons
Pros
- 支持在开发者自己的机器上进行本地工作流。
- 接受首页列出的熟悉 AI agent，包括 Claude Code、Cursor 和 Codex。
- 评分不仅看最终结果，还会覆盖 prompts、recovery、commits 和 test runs。
- 提供按维度评分和证据，用户可以看到某次运行为何得到该分数。
- 结果会发布到排行榜和个人资料中，便于长期比较。
Cons
- 来源没有提供完整的集成矩阵，除首页提到的 agent 外，也没有更详细的兼容性信息。
- 收集到的页面文本中没有展示价格和套餐详情，除了暗示该产品完全免费之外。
FAQ
Kodwai 是做什么的？
Kodwai 是一个用于在自己的机器上借助自己的 AI agent 解决编程题的平台。来源页面显示支持 Claude Code、Cursor 和 Codex，通过 CLI 启动挑战并提交评分。
如何使用它？
页面展示的是一个 CLI 流程：从终端启动挑战，下载题目文件和测试，先在本地完成解决，然后提交会话进行评分。
它适合谁？
Kodwai 面向希望练习如何引导 AI agent 完成真实编程工作的开发者，而不是去解抽象题或白板式问题。
Kodwai 会评分什么？
来源描述其评分基于 Direction、Outcome 和 Lift，并结合 prompts、recovery、test runs、commits 以及 agent transcript 中的证据。
它需要 sandbox 或特殊环境吗？
页面明确说明该产品是在你自己的机器上用你自己的 agent 运行，并且没有需要“对抗”的 sandbox。除首页提到的 agent 外，来源未提供更多集成或环境细节。
Quick Facts
- 类别
- 开发者工具
- 平台
- 带 CLI 工作流的 Web 应用
- 主要用户
- 练习 AI-agent 编程工作流的开发者
- 来源域名
- kodwai.com
- 显著工作流
- 选择挑战 → 运行 CLI → 本地解决 → 提交 → 获取评分