大家好，我们正在做一个开放性实验项目，原始方向和 C++ 算法题、分层测试数据、自动评测、性能分析、Git/Docker 实验环境 有关。
目前我们考虑把它做成一个面向算法学习的在线平台，暂定定位是：
学习型 OJ + 算法思路总结 + 多方案性能对比
基本流程是：
用户选择一道算法题；
编写并提交 C++ 代码；
系统进行样例运行和正式评测，返回 AC、WA、TLE、CE 等状态；
通过后填写结构化算法总结，包括核心思路、复杂度和易错点；
对比朴素解法和优化解法的运行时间、内存占用；
将题目、代码版本、测试数据、运行结果和总结保存到个人知识库。
我们希望它不只是“代码通过就结束”的普通 OJ，而是能把：
题目
测试数据
题解代码
评测结果
性能实验
算法总结
统一管理起来，形成一条可追溯、可复现的学习记录。
目前我们比较困惑的问题有：
项目定位是否合理？
做成“学习型 OJ + 算法实验平台”是否比单纯做数据托管系统更有展示价值？
MVP 应该保留哪些功能？
如果时间有限，是否只做 C++17、标准输入输出题、基础评测、思路总结和性能对比即可？
系统架构应该怎么拆分？
目前考虑分成前端、题目与数据管理、判题服务、性能实验服务、知识库几个模块，这样是否合适？
测试数据如何组织比较好？
是否应该区分样例数据、边界数据、随机数据和极限数据，并且给每个数据集做版本管理？
在线执行 C++ 代码有什么比较合适的方案？
是先用模拟评测完成原型，还是直接基于 Docker/沙箱实现一个简化版判题服务？
性能对比如何保证公平？
多次运行取平均值、固定编译参数和固定数据集是否足够？
目前我们已经做了一个静态交互原型，主要验证“提交评测 → 思路总结 → 性能分析 → 知识库”的完整流程。希望有做过 OJ、算法教学平台、代码沙箱或实验管理系统的同学，帮忙看看这个方向是否可行，以及哪些功能应该删减或调整。
如果只能优先完成一个学期项目版本，大家建议我们把重点放在：判题功能、实验数据管理，还是算法学习闭环上？
非常感谢大家的建议。