docs: polish project README

Author: study8677

README.md

@@ -1,53 +1,174 @@
 # AgentCode
 
-[English](./README_en.md)
+<p align="center">
+  <strong>AI Agent 时代的工程能力训练场。</strong>
+</p>
+
+<p align="center">
+  <a href="./README_en.md">English</a>
+  ·
+  <a href="./challenges/review/001-sympy-point2d-ai-patch/README.zh.md">试做第一题</a>
+  ·
+  <a href="./docs/zh/product-direction.md">产品方向</a>
+  ·
+  <a href="./plan.md">V0 Roadmap</a>
+</p>
+
+<p align="center">
+  <img alt="Status" src="https://img.shields.io/badge/status-V0%20Prototype-111827?style=flat-square">
+  <img alt="Modes" src="https://img.shields.io/badge/modes-Task%20%2B%20Review-2563eb?style=flat-square">
+  <img alt="Stack" src="https://img.shields.io/badge/stack-Next.js%20%2B%20TypeScript-000000?style=flat-square">
+  <img alt="Challenge first" src="https://img.shields.io/badge/focus-real%20engineering%20judgment-16a34a?style=flat-square">
+</p>
+
+AgentCode 不是另一个 LeetCode。
+
+它面向的是 AI Coding / Agent 时代更稀缺的工程能力：把真实需求拆成可交付的代码变更，驱动 AI 工具完成实现，补上关键测试，并判断一个 AI 生成的 PR 到底能不能合并。
 
-AgentCode 是一个面向 AI Coding / Agent 时代的工程能力训练平台。
+> LeetCode 训练你写代码。AgentCode 训练你交付代码，并审核 AI 写的代码。
 
-它不是传统 LeetCode，也不再主要训练“手写算法题”。AgentCode 训练的是 AI 时代更重要的工程能力：借助 AI / Agent 完成真实开发任务，并审核 AI / Agent 生成的代码是否可以合并。
+## 为什么值得做
 
-一句话定位：
+AI 已经改变了工程师写代码的方式，但很多训练和面试仍然停留在手写算法题。真实工作里更常见的问题是：
 
-> 练习 Agent 时代真正需要的工程能力。
+- AI 给出的修复看起来能跑，但有没有漏掉边界条件？
+- PR 加了很多测试，但测试是否真的覆盖了核心风险？
+- 需求能不能被拆成小而安全的变更？
+- 什么时候应该继续让 Agent 改，什么时候应该自己接管？
+- 一个改动通过了 lint 和单测，是否仍然存在安全、兼容性、并发或可维护性问题？
 
-更直接地说：
+AgentCode 想提供一个新的练习场：不刷打字速度，不堆算法套路，而是练习 Agent 时代真正需要的工程判断力。
 
-> LeetCode 训练你写代码。AgentCode 训练你交付代码，并审核 AI 写的代码。
+## 核心模式
+
+| 模式 | 你要做什么 | 训练重点 |
+| --- | --- | --- |
+| **Task Mode** | 使用 Cursor、Claude Code、Codex、Copilot 或其他 AI 工具完成一个真实工程任务 | 需求拆解、AI 协作、测试补强、可合并交付 |
+| **Review Mode** | 审核 AI / Agent 生成的 PR 或 diff，判断是否可以合并 | 风险识别、边界条件、测试质量、合并决策 |
+
+AgentCode 不要求你在平台内写代码。你可以继续使用自己熟悉的本地 IDE 和 AI Coding 工具；平台负责定义题目、管理资产、接收提交、执行评估并给出反馈。
+
+## 和传统平台不同
+
+| 传统刷题 / 代码评测 | AgentCode |
+| --- | --- |
+| 主要训练手写算法和标准答案 | 训练真实工程交付和 AI 协作判断 |
+| 输入通常是单文件函数 | 输入是 repo、issue、diff、测试和约束 |
+| 结果多是通过 / 不通过 | 结果关注能否合并、风险在哪里、测试是否可信 |
+| 重点是写出代码 | 重点是交付可维护改动，并审核 AI 写出的代码 |
+| 评测常围绕公开用例 | Task Mode 结合确定性检查，Review Mode 使用结构化 rubric |
+
+## 当前可以体验
+
+V0 正在构建中，目前仓库已经包含：
+
+- 一个 Next.js + TypeScript 产品原型。
+- Review Mode 首页、题目详情页和结构化 review 提交表单。
+- 首道真实来源改编题：SymPy `Point2D` AI 补丁审查。
+- 可版本化的题库资产结构：题面、metadata、AI diff、expected findings、rubric。
+- 评估设计、V0 架构、产品方向和首批题库规划文档。
+
+第一题入口：
+
+- [Review 001：这个 AI 修复能合并吗？SymPy Point2D 回归审查](./challenges/review/001-sympy-point2d-ai-patch/README.zh.md)
+- [题目 metadata](./challenges/review/001-sympy-point2d-ai-patch/metadata.json)
+- [AI PR diff](./challenges/review/001-sympy-point2d-ai-patch/ai-pr.diff)
+- [评分 rubric](./challenges/review/001-sympy-point2d-ai-patch/rubric.md)
+
+## 快速开始
+
+```bash
+pnpm install
+pnpm dev
+```
+
+然后打开本地 Next.js 开发地址，进入题库首页和第一道 Review Mode 题。
+
+常用开发命令：
+
+```bash
+pnpm lint
+pnpm typecheck
+pnpm build
+```
+
+如果需要连接本地数据库，可以先复制环境变量模板：
+
+```bash
+cp .env.example .env
+pnpm db:generate
+pnpm db:push
+```
+
+当前 V0 前端仍以题库原型和本地 review 反馈为主；Task Mode runner 尚未执行用户代码，后续会引入隔离容器、隐藏测试和结构化评估结果。
+
+## 题库资产
+
+AgentCode 的题目不是只存在数据库里，而是作为可 review、可迁移、可复现的版本化资产放在仓库中。
+
+```text
+challenges/
+  review/
+    001-sympy-point2d-ai-patch/
+      metadata.json
+      README.zh.md
+      README.en.md
+      ai-pr.diff
+      expected-findings.json
+      rubric.md
+```
+
+这种结构让每道题都能明确回答几个问题：
+
+- 来源是否真实、可追溯？
+- AI 补丁或任务资产是否可复现？
+- 标准答案和评分规则是否可审查？
+- 用户到底是在练实现能力、测试能力，还是 review 判断力？
 
-## 项目初心
+## V0 路线
 
-AI 时代已经来了，但很多企业仍然在用传统 LeetCode 的方式考察工程师。
+AgentCode V0 先聚焦 20 道高质量题，而不是堆功能数量。
 
-我们花了大量时间刷 Hot100，反复训练手写算法题。过去也许没有太多选择，但 AI 时代不应该继续这样。AI 时代真正稀缺的能力，不只是手写代码，而是需求拆解、AI 协作交付、代码审核、风险判断、测试设计和合并决策。
+- 10 道 Task Mode：修 bug、做小 feature、补测试、修并发、修缓存、做兼容性改动。
+- 10 道 Review Mode：审核 AI PR 是否漏掉权限、边界条件、兼容性、测试质量、性能或可维护性风险。
+- 评估优先使用确定性检查和结构化 rubric，LLM 只作为辅助反馈层。
+- 平台边界保持克制：先做好题目质量、评估可信度和训练闭环。
 
-这就是 AgentCode 想做的事情：提供一个新的练习场，让大家练习 Agent 时代真正需要的技能，成为 Agent 时代的 AgentCoder。
+更多细节见 [V0 执行计划](./plan.md)。
 
-## 核心入口
+## 技术栈
 
-- **Task Mode**：使用 AI 完成真实工程任务。
-- **Review Mode**：审核 AI / Agent 生成的 PR，判断是否可以合并。
+- **Web**：Next.js、React、TypeScript
+- **UI 原型**：题库列表、训练模式筛选、Review 题详情、结构化提交表单
+- **Data model**：Prisma schema
+- **Challenge assets**：Markdown、JSON、diff、rubric
+- **Runner 方向**：Docker 隔离执行、公开测试、隐藏测试、日志和 verdict
 
-## 文档
+V0 最重要的工程边界是隔离：平台可信代码和用户提交的不可信代码必须分开执行。
 
-- [项目初心](./docs/zh/vision.md)
-- [产品方向](./docs/zh/product-direction.md)
-- [V0 架构](./docs/zh/architecture.md)
-- [评估设计](./docs/zh/evaluation.md)
-- [首批题库规划](./docs/zh/challenges.md)
-- [V0 执行计划](./plan.md)
-- [第一题：SymPy Point2D AI 补丁审查](./challenges/review/001-sympy-point2d-ai-patch/README.zh.md)
-- [English](./README_en.md)
+## 文档导航
 
-## 当前阶段
+| 文档 | 内容 |
+| --- | --- |
+| [项目初心](./docs/zh/vision.md) | 为什么 AgentCode 应该存在 |
+| [产品方向](./docs/zh/product-direction.md) | Task Mode / Review Mode 的产品边界 |
+| [V0 架构](./docs/zh/architecture.md) | 题目资产层、产品体验层、评估层 |
+| [评估设计](./docs/zh/evaluation.md) | Task Mode 与 Review Mode 如何评分 |
+| [首批题库规划](./docs/zh/challenges.md) | 前 20 道题的方向和资产结构 |
+| [V0 执行计划](./plan.md) | 当前阶段和后续任务 |
 
-V0 先聚焦 20 道高质量题：
+## 适合贡献什么
 
-- 10 道 Task Mode。
-- 10 道 Review Mode。
+AgentCode 现在最需要的不是大而全的功能，而是高质量训练资产和可信评估闭环。
 
-暂不做传统算法 Hot100、复杂社区、竞赛、排行榜和完整在线 IDE。第一阶段最重要的是题目质量、评估可信度和 AI 时代工程能力训练闭环。
+- 真实工程任务题：小范围、可复现、可测试。
+- AI PR 审核题：有明确错误模式、边界条件和评分 rubric。
+- Runner 能力：隔离执行、日志采集、隐藏测试、结果结构化。
+- 产品体验：让用户更快理解题目、提交 review、获得可执行反馈。
+- 文档和题解：帮助用户理解自己缺的是实现、测试，还是 review 判断力。
 
 ## 品牌
 
 - 仓库：`agentcode`
 - 域名：`agentcode.codes`
+- 目标用户：想在 AI Agent 时代继续变强的工程师