โปรเจกต์
ทดสอบศูนย์และค่าสูงสุดที่พอดี แล้วปฏิเสธค่าบูลีน ความกว้างผิด และค่าที่เกินช่วง.
แปลงจำนวนเต็มเป็นรหัสเกรย์และกลับด้วยความกว้างที่ระบุชัดหนึ่งถึง 16 บิต.
def checked_word(value, width):
if type(width) is not int or not 1 <= width <= 16:
raise ValueError("word.width")
if type(value) is not int or not 0 <= value < (1 << width):
raise ValueError("word.value")
return value
def to_gray(value, width):
value = checked_word(value, width)
return value ^ (value >> 1)
def from_gray(value, width):
value = checked_word(value, width)
result = 0
while value:
result ^= value
value >>= 1
return resultทดสอบศูนย์และค่าสูงสุดที่พอดี แล้วปฏิเสธค่าบูลีน ความกว้างผิด และค่าที่เกินช่วง.
เปรียบเทียบการทำงานจริงกับผลที่คาดหวัง หากการตรวจสอบไม่ผ่าน ให้หาสาเหตุก่อนแก้ไขเพิ่มเติม
ตั้งค่า endpoint ที่รองรับ OpenAI หรือ Anthropic ด้วย URL หลักและคีย์ API หากจำเป็น ทดสอบการเชื่อมต่อ เซิร์ฟเวอร์โมเดลในเครื่องต้องทำงานอยู่ เครื่องมือระยะไกลอาจส่งข้อมูลแยกต่างหาก
def checked_word(value, width):
if type(width) is not int or not 1 <= width <= 16:
raise ValueError("word.width")
if type(value) is not int or not 0 <= value < (1 << width):
raise ValueError("word.value")
return value
def to_gray(value, width):
value = checked_word(value, width)
return value ^ (value >> 1)
def from_gray(value, width):
value = checked_word(value, width)
result = 0
while value:
result ^= value
value >>= 1
return resultGraySorrel คือพื้นที่ทำงานเขียนโค้ดด้วย AI บน Windows ที่ช่วยให้เห็นข้อสมมติเรื่องการแทนค่าระหว่างพัฒนา นำโค้ดแปลงค่าและโค้ดที่ใช้ผลลัพธ์เข้าบทสนทนาของโปรเจกต์ แล้วระบุค่ากับความกว้างที่อินเทอร์เฟซยอมรับ บริบทนี้ช่วยให้โมเดลอภิปรายการแก้ไขที่เจาะจง แทนการเสนอรูทีนทั่วไปที่มีขอบเขตต่างออกไป
ลองใช้การแปลงรหัส Gray แบบความกว้างคงที่เป็นงานตัวอย่าง ขอให้ตรวจการแปลงไปและกลับร่วมกัน รวมถึงการตรวจอินพุตที่ใช้ร่วมกัน ให้ค่าที่ทราบผลอยู่แล้วและกรณีขอบเขตความกว้าง แล้วขอเฉพาะการแก้ไขที่จำเป็นต่อข้อกำหนดที่ตั้งใจไว้ ตัวอย่างนี้ทำให้บทสนทนามีเป้าหมายที่ทดสอบได้
ตรวจว่าข้อเสนอจัดการค่าที่เกินความกว้างที่เลือกอย่างไร การตัดทอนโดยไม่แจ้งกับการปฏิเสธอย่างชัดเจนทำให้ซอฟต์แวร์ทำงานต่างกัน แม้การแปลงทั่วไปจะได้ผลตรงกัน รันทดสอบของโปรเจกต์ เปรียบเทียบการแปลงไปกลับในช่วงที่รองรับ และตรวจการจัดการข้อผิดพลาดของผู้เรียก เก็บทั้งรหัสผลลัพธ์ที่คาดหวังแบบแน่นอนและตัวอย่างที่แปลงกลับได้
เชื่อมต่อโมเดลผ่านปลายทางที่รองรับแบบเข้ากันได้กับ OpenAI หรือ Anthropic และเพิ่มข้อมูลรับรองหากจำเป็น การเลือกโมเดล AI ไร้การเซ็นเซอร์ใช้ได้เมื่อปลายทางของคุณมีโมเดลดังกล่าว โดยข้อจำกัดจริงของมันยังมีผล การรองรับเครื่องมือและความจุบริบทขึ้นกับโมเดลและเซิร์ฟเวอร์ ส่วนคุณยังรับผิดชอบข้อกำหนดและแพตช์สุดท้าย
ไม่ ฟังก์ชันสองตัวอาจย้อนกลับกันได้แต่ใช้การจับคู่ที่ผิด ใส่รหัสที่ทราบโดยอิสระควบคู่กับการตรวจไปกลับ และตรวจว่าโค้ดที่ใช้ผลลัพธ์ตีความอย่างไรก่อนยอมรับการแก้ไข
ระบุว่าข้อกำหนดของคุณปฏิเสธค่าดังกล่าวหรือตั้งใจตัดทอน ขอให้โมเดลติดตามการตรวจสอบเดิมและความคาดหวังของผู้เรียก การมาสก์คือการเปลี่ยนพฤติกรรมหากเดิมผู้เรียกได้รับข้อผิดพลาด แม้จะทำให้การแปลงง่ายขึ้น
เริ่มด้วยโค้ดที่จัดเก็บ เปรียบเทียบ หรือส่งค่าที่แปลงแล้ว พร้อมทดสอบที่เกี่ยวข้อง ซึ่งเผยข้อสมมติเรื่องความกว้างและการแทนค่า ขยายบริบทต่อเมื่อการตรวจพบส่วนพึ่งพาอื่นที่จำเป็นต่อการเข้าใจการแก้ไข
ไม่ ตรวจช่วงที่รองรับในโค้ดและทดสอบ ตรวจการรันเครื่องมือด้วย การใช้เซิร์ฟเวอร์โมเดลภายในเครื่องที่ทำงานแยกต่างหากไม่ได้ทำให้ทุกเครื่องมือที่เชื่อมต่อทำงานภายในเครื่อง หรือยืนยันว่าทดสอบเหล่านั้นรันที่ใด
GraySorrel · อัปเดต 2026-10-25