编程作业自动评分
OK 是面向计算机科学与数据科学课程的作业自动评分与教学反馈平台。它覆盖学生提交、自动评分、代码评论、个性化反馈和课程分析等环节，文本中提到被 CS 61A、Data Science 8、CS 168 等课程使用，并承载过数百万次提交，定位明显偏高校大规模教学场景。
OK 的核心是语言无关的 autograder：教师只需指定要运行的命令，平台负责评分基础设施。它还支持查看学生解答并留下风格改进评论，减少纸笔批改流程。实时统计可帮助教师了解题目进展、完成人数和尚未开始的学生。功能列表还包括抄袭检测、在线解答查找、迟交、小组作业、拖拽上传、Jupyter Notebook 提交、作业库和 Canvas LMS 集成。对于数据科学课程和已使用 Canvas 的学校，这些集成较有价值。
OK 源代码可在 GitHub 获取，并且可以在自有服务器运行实例，这对学校掌控学生代码、评分结果和课程数据很重要。网站提供文档入口、GitHub 仓库、Issues、多个视频演示以及相关教学研究论文，说明其围绕教学实践积累了一定资料。不过抓取文本未展示部署指南、API、SDK 或运维要求，文档完整度和更新频率仍需进一步核验。
定价方面，若在认证学校教授计算机科学或数据科学课程，可免费使用托管服务；其他机构、商业培训或非认证学校的政策未说明。隐私政策明确 OK 客户端会向服务器发送代码和 autograder 结果，并存储教师要求的信息；平台承诺不在运行课程、服务器和教学改进之外使用个人信息，但也可能在研究出版物中使用聚合统计数据。对合规要求严格的机构，自托管可能更合适。
优点是开源、免费托管条件清晰、支持大班教学、评分方式灵活，并具备反馈和统计闭环。缺点是公开文本中缺少企业级支持、详细部署成本、支付方式和非高校定价信息。它最适合高校 CS/DS 教师、助教团队和需要规模化管理编程作业的课程。
中国访问情况文本未说明，GitHub、托管站点和视频资源的可用性可能需要实际测试。支付方式也未披露。若访问或合规受限，可评估 Gradescope、Autolab、Moodle/VPL、PrairieLearn、CodeGrade 等替代方案。
本测评基于公开资料整理,不构成购买建议,请以 okpy.org 官网实际信息为准。
Berkeley课程使用的自动批改平台，教育编程有参考价值。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。