Implement plain KNN classifier and testing infrastructure

- Add plain KNN implementation with JSONL data processing
- Create Docker deployment setup with python:3.13-slim base
- Add comprehensive OJ-style testing system with accuracy validation
- Update README with detailed scoring mechanism explanation
- Add run.sh script following competition manual requirements

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>

README.md

@@ -8,3 +8,25 @@ knn算法关键是使用一个距离函数来计算样本之间的距离，常
 
 全同态加密计划使用TFHE-rs, 简化后流程无须交互，仅在单个程序内模拟即可。
 评分详情见[参赛手册](./manual.md)
+
+## 评分机制
+
+### 正确率计算
+- 算法需要返回10个最近邻向量的索引
+- 正确率 = 正确的索引数量 / 10
+- 例如：10个结果中有9个正确，正确率 = 90%
+
+### 评分规则
+- **门槛要求**：正确率必须≥90%（即10个结果中至少9个正确）
+- **排名依据**：达到门槛后，按总耗时排名（越快越好）
+- **淘汰机制**：正确率<90%直接得0分
+
+### "正确"的定义
+- 比赛方有标准答案（真实的10个最近邻）
+- 算法结果与标准答案比较
+- 顺序不重要，只要索引正确即可
+
+### 数据格式
+- 训练数据：JSONL格式，每行包含一个query向量和data数组
+- 输出格式：`{"answer": [索引1, 索引2, ..., 索引10]}`
+- 索引从1开始编号